基于出租车GPS数据的贵阳市交通状态空间自相关分析

城市交通状态具有时空性,自身又具有空间自相关特征。分析城市交通状态空间自相关特性,对交通管制、居民出行行为以及城市道路基础设施建设具有重要意义。基于贵阳市中心城区出租车GPS空间数据库,划分交通小区并计算各交通小区平均行程速度和空间自相关Moran’s I指数,对贵阳市中心城区交通状态的空间自相关性和演化特征进行分析。结果表明:1)全局时空Moran’s I指数形成良好的空间相关性,存在一定的空间聚集性,且随时间的推移空间自相关性呈波动式变化,工作日与休息日分时段时空Moran’s I指数变化态势明显,交通状态表现为时空集聚性强;2)局部时空Moran’s I指数高高聚集与低低聚集模式在空间上维持良好的稳定机制,高高聚集呈现城市外围区域指向性特征,低低聚集呈现城市核心区指向性特征;3)工作日与休息日早晚高峰时段各种类型区分布格局保持高度共轭协同,仅有小部分区域出现异质情况;4)时空Moran’s I指数时空聚集区域在空间上表现出由弱聚集向强聚集,再向弱聚集状态转变。在高峰时段表现为强聚集趋势,在非高峰时段聚集程度较弱。     

天津市机动车污染物排放清单及控制对策研究

基于环保部清单编制指南以及机动车实际活动水平和GIS手段建立2013年天津市机动车污染物排放清单并探讨其时空分布规律.2013年天津市机动车排放污染物共计35.43万t,每日早高峰(7:00-9:00)和晚高峰(17:00-19:00)2个时段出现排放峰值,中心城区和滨海新区核心区的排放强度明显高于其他区县.根据机动车排放管控要求,建议进一步加强新车和在用车环保管理、加快提升燃油品质和推广使用新能源、完善城市交通管理和规划、加强监管队伍和能力建设、加大宣传力度和鼓励公众参与,实现机动车污染的长期有效治理.     

基于行程时间可靠度的区域交通控制系统评价方法

在定义行程时间可靠度的基础上,利用浮动车调查数据,得到不同时段路径行程时间可靠度;然后建立了以行程时间可靠度为指标的城市区域控制系统运营效率的评价模型.该模型在武汉市区域控制系统评价中进行了应用研究,结果表明:区域交通控制系统运营后,早高峰、平峰和晚高峰3个时段路网行程时间可靠度显著提高,全日路径行程时间可靠性波动小于实施前,离散程度降低,城市交通系统的运行状态得到改善.相对于传统评价方法,所建模型灵敏度更高,适用性更强.     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路. 考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路.考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.     

通辽民航机场鸟类白昼活动节律与鸟撞回避研究

有效防范鸟撞事件的发生,除了需掌握机场及周边地区鸟类的种类组成外,调查了解鸟类活动的规律也是十分必要的.为此,采用样带法和固定半径样点法对通辽民航机场鸟类日活动节律进行了研究.该机场鸟类在1月、2月和12月份日活动高峰时段在8:00-10:00,3月和10月份的日活动曲线为双峰型,高峰时段在8:00-10:00和14:00-16:00,4月和5月份的日活动高峰期分别为8:00-12:00和8:00-10:00,6月和7月份的日活动高峰时段均在16:00-18:00,8月和9月份的均为6:00-8:00,11月份的高峰期为6:00-10:00.研究结果表明,鸟类活动具有一定的规律性,而鸟类的日活动节律又具有较明显的季节性差异.     

延安大学SO2污染特征分析

为分析延安大学校园大气中SO2污染特征,采用甲醛吸收-副玫瑰苯胺分光光度法分别在采暖期和非采暖期测定了不同功能区（交通区、生活区、教学区）SO2日浓度变化。结果表明,监测时段内,SO2的平均浓度均达到国家环境空气质量标准的一级标准。延安大学校园大气中SO2浓度在采暖期大于非采暖期,高峰值分别在10：00-10：45和19：00-19：45两个时间段,SO2浓度日最低值在14：00-14：55时段。空间分布上：在采暖期,交通区的SO2日平均浓度最高,其次是生活区,教学区最低。非采暖期生活区最高,交通区和教学区比较接近。     

城市交通规划中交通可达性模型及其应用

为解决城市交通规划问题,从定义、内涵和评价模型3方面对现有5种交通可达性模型进行了比较研究。以大连市中心城区早高峰时段公共交通出行的可达性为例进行了应用研究。辨析了交通可达性与机动性在城市交通发展中的关系,提出了可达性导向的交通规划思路。与传统规划不同,该可达性导向的交通规划更加以人为本,更有助于从根本上解决城市交通问题。     

基于门架数据的高速公路运行状态评价研究

高速公路信息化建设日益完善，为了能够更加详尽地掌握高速公路的交通状态，以济青高速为研究对象，通过挖掘门架数据，设计了k均值聚类算法和基于密度的噪声应用空间聚类算法相结合的两阶段聚类方法来识别驶入服务区车辆和异常行驶的车辆，再结合各车型流量占比加权的交通状态指数，从时间和空间维度分析高速公路路段交通状态。研究结果表明，两阶段聚类算法有着很好的识别效果，通过交通状态指标发现在7:00—20:00时段高速公路存在3个交通状态较拥堵的时段，精确地识别出高速公路中交通状态较拥堵的路段，并且发现路段的大车混入率与交通拥堵程度呈现密切的正相关的趋势，最后依据交通状态指数将济青高速路段交通状态划分为4个不同的等级，为交通管理部门提供了路段交通状态评估的技术支持。     

车舱通透性对私家车乘客污染暴露的影响

针对车内乘客面临交通空气污染暴露风险存在不确定性的问题,以东风本田思域轿车为实验用车,选取福州市三环快速路福建农林大学金山校区至浦上大桥路段,利用微型环境检测仪收集车辆行驶中车内PM2.5、PM1.0、黑碳(Black Carbon, BC)等空气颗粒物的质量浓度,运用统计分析方法,探讨不同车窗开关方式下车内颗粒物浓度分布特征以及其受交通时段、车道等变化的影响,并揭示了车速、温度和相对湿度对车内颗粒物浓度变化的影响。实验结果表明：关窗能显著降低车内颗粒物浓度,特别是在07:00-09:00和17:00-19:00交通高峰时段,中间车道车内颗粒物浓度最低,温度和相对湿度是影响车内颗粒物浓度的主要因素。     

城市交通规划中交通可达性模型及其应用

为解决城市交通规划问题,从定义、内涵和评价模型3方面对现有5种交通可达性模型进行了比较研究。以大连市中心城区早高峰时段公共交通出行的可达性为例进行了应用研究。辨析了交通可达性与机动性在城市交通发展中的关系,提出了可达性导向的交通规划思路。与传统规划不同,该可达性导向的交通规划更加以人为本,更有助于从根本上解决城市交通问题。     

基于GWR模型的出租载客时空分异分析

为充分挖掘出租车轨迹数据反映的运营规律,将城市电子地图兴趣点(point of interest,POI)数据作为影响参数纳入出租车轨迹数据研究中,探讨出租车载客运营的时空分异现象。通过处理出租车轨迹数据提取并统计各时段出租车上客量,证实出租车载客具有时间非平稳性;基于核密度估计方法对各载客高峰时段载客点聚类,分析出租车载客的空间非平稳性;构建载客热点提取模型,提取载客热点并定义热度值;从城市POI数据中筛选出显著影响载客热点分布及热度值的设施,计算其与各时段产生的载客热点的最短距离,分时段建立出租车载客地理加权回归(geographical weighted regression,GWR)模型,探讨载客热点与各类城市设施的时空关系,并以西安市出租车GPS数据为例展开实证分析,对提出的模型进行验证。结果表明:与普通线性回归模型(OLS)相比,地理加权回归模型拟合效果显著提高,拟合优度均值从0.29提高到0.57;在研究区域不同时间段,各类设施点回归系数均值存在明显时间差异,同类设施点回归系数分布存在明显空间差异;研究区域内出租车载客热点的时空分异现象大体符合城市居民出行规律,在工作日各高峰时段出租车发挥公共交通系统替补作用这一现象更为显著。研究结果可为出租车空间需求预测、出租车载客调度及价格调控精细化管理提供参考。     

基于深度学习的城市区域短时交通拥堵预测算法

城市的交通拥堵已经成为了各个城市中的普遍现象,严重影响了城市日常交通以及人们的出行。针对城市区域交通流的研究与分析,本文为了准确的对城市交通状态进行预测,通过网格划分的方法,把城市区域划分为多个区域,根据城市交通数据流的时空特征,提出了一种基于深度学习的城市交通拥堵预测模型（CS-Transformer）。该模型通过使用卷积神经网络(CNN)提取基于网格划分的城市区域交通数据的空间特征,然后采用全连接神经网络增强模型的表达能力,再通过相似性位置编码机制(SPEM)把位置信息加入交通数据中,最后运用Transformer网络捕捉交通数据的时间依赖特征。用成都市出租车GPS数据对模型进行验证,结果表明该模型预测结果优于卷积神经网络（CNN）、Transformer和CNN-Transformer等模型,以均方误差（MSE）为评价指标,将测试集中交通路网的平均预测精度分别提高了 19.6%、26.3%和10%。     

基于TPI数据的交通拥堵状况时空特征分析——以青岛市为例

基于交通运行指数数据,针对城市商圈交通,从区间特性、时间维度及时空演变等相关角度对青岛市的交通拥堵状况进行系列特征分析。通过对交通运行指数数据进行统计分析,筛选出最具典型的五大商圈。结合五大商圈的特点,分析交通拥堵的时空特征:拥堵最严重的往往是南部沿海地区;交通拥堵大多集中在7:30—9:30,17:00—19:00;并且在工作日与休息日和一天中的不同时刻,不同商圈呈现出不同的变化趋势。通过分析青岛市商圈的拥堵现状、原因及其变化规律,对缓解城市拥堵问题具有重要意义,为青岛市的城市规划提出针对性建议。     

基于交通流模型的城市快速路交通流特性分析——以北京、洛杉矶为例

为了更好地掌握城市快速路交通流的运行规律,以北京西三环和洛杉矶I405两条交通廊道为研究对象,收集路段检测器数据,通过对交通流数据使用时序分析和交通流模型拟合方法,从时间-空间及交通流原理上分析交通流的时空特性和拥堵基本规律,并用模型拟合方法对道路交通流速度-流量-密度进行分析,获得道路运行状态的关键参数。结果表明：(1)北京西三环廊道与洛杉矶I405廊道自由流速度基本一致,但发生拥堵时的临界速度差值较大,分别为29km/h和44km/h;(2)北京西三环交通瓶颈处的实际通行能力明显低于洛杉矶I405交通瓶颈,实际通行能力分别为1245veh/h/ln和1464veh/h/ln,差值为219veh/h/ln;(3)选定Pipes、Van Aerde和S3三种交通流模型并对模型进一步推导得到通行能力计算公式,利用实测数据对交通流模型进行拟合,并对三种交通流模型的使用范围进行对比分析,结果发现S3模型较其他两种模型的拟合效果较好,此外,Van Aerde模型也适用于描述北京西三环交通流运行特征。可见,本文提出的基于模型拟合的城市快速路交通流运行特征分析方法能够掌握城市快速路运行规律,提取交通流运行的关键参数指标,适用于城市快速路拥堵交通流运行特性分析,具有普适性。     

道路交通振动对开封金耀门城墙的影响

为研究道路交通振动对开封金耀门城墙的影响，进行实地监测，建立地基-道路-金耀门城墙三维有限元模型，分析典型车辆随机荷载下的交通振动响应规律，提出保护措施建议.结果表明：城墙自振频率为1.715 Hz,自振周期为0.643 s,道路南北向振动响应在晚高峰时间段最大，城墙的振动响应、加速度幅值和峰值对应频率均与车辆轴重呈正相关，城墙振动的影响因素有车辆类型、车速、行驶方向、交通工况和10～15 Hz的低频振动.在17:00～19:00时段加强交通管控，限制车速在40 km/h以内，增大车头间距5～10 m,禁止大货车通行，能降低交通振动对城墙的影响.     

基于大数据的南京市共享单车时空特征研究

共享单车的兴起极大地便利了人们的短距离出行,利用单车大数据来挖掘和分析短距离的出行规律已成为智慧城市和智慧交通的重要热点.利用南京市的摩拜单车时空数据,研究了单车的时空分布规律与差异,并重点挖掘了早晚高峰时刻以及区域间单车流动规律等,研究表明:(1)南京市整体早、晚高峰时间分别为7:10-8:37和17:15-18:25;副中心早高峰比主城区早35min开始,且晚高峰持续时间长;(2)早、晚高峰高强度骑行主要分布在以新街口、百家湖等为中心的区域;主城区和副中心区有着骑行差异,短距离骑行主城区相对副中心具有更高的比例,副中心则具有更多的长距离骑行;(3)单车骑行围绕地铁站而显现聚集趋势,并且集中于地铁1,2,3号线区域.     

城市交通拥堵传播规律与消散控制策略研究

解决城市交通拥堵的关键是深入理解城市交通拥堵的形成机理与演变规律,从而制定科学的管理控制策略.本文首先介绍了城市交通拥堵基本概念,以及城市交通拥堵传播规律与消散策略的最新研究进展,在此基础上重点介绍了本课题组在城市交通拥堵传播规律与消散控制策略方面的研究成果.包括采用微观与宏观相结合的方法建立拥堵传播模型,分析突发事件所导致交通拥堵传播规律,交通需求增长所导致拥堵瓶颈识别,提出动态拥堵消散控制策略.     

基于出租车OD数据的居民活动强度时空特征研究

以福州市区出租车GPS轨迹数据为数据源研究面向地理空间的居民活动时空规律.首先探析出租车起源地-目的地(OD)空间分布和时间分布特征;接着采用基于道路中心点区划方法确定空间研究单元,将时间分为6个时间段,以活动强度为主要研究对象探索其时空变化规律;最后结合出租车乘客的出入情况实现对研究区内居民活动时空规律的进一步探索.研究发现,主城区居民夜间活动规律总体上比白天明显,尤其是晚21点之后,主城区总体的居民活动强度达到一天的顶峰,核心区内外的活动强度以及出入特征差异突出,核心区内的居民活动优势最明显,有成片聚集的特征;白天大部分时间的居民总体活动强度变化稳定但空间分布规律不明显;通勤早高峰时段的出租车活动强度为全天最低并且大部分区域以流出为主.     

基于机器学习的城市交通态势评估与预测方法研究

为更实时准确地评估和预测交通运行态势,以交通检测器提供的大量数据作为研究对象,通过分析交通流时空特征及变化规律,建立考虑谱聚类的K近邻算法,并对城市交通的运行态势进行等级分层并评估。在时间序列分析的基础上,建立考虑时间特性的LSTM和GRU神经网络模型,预测城市交通运行态势并分析对比各模型预测效果。研究结果表明:与传统ARIMA模型相比,改进的GRU神经网络模型综合效果更好。