在线广义神经网络交通状态预测的网格并行算法

针对城市大规模路网交通状态在线预测问题,采集出租车上的全球定位系统数据作为浮动汽车数据(FCD),采用广义神经网络理论,应用网格并行算法,通过加速广义神经网络的收敛和学习速度,构建了在线交通状态预测新模型.实验结果表明,该算法实现了在线广义神经网络交通状态预测模型的并行计算,提高了预测模型的计算速度,满足大规模交通路网实时、高效的在线交通状态预测的实际需求.     

基于FCD技术的道路交通信息采集与服务系统

本文借鉴当前国际上解决城市道路交通问题的一般做法,针对目前我国许多城市已具有出租车GPS数据资源条件,提出建设基于FCD技术的道路交通信息采集与服务系统,重点描述了FCD道路交通信息采集系统的结构、功能和特点,并对FCD的深入应用进行了探讨.     

基于最小二乘支持向量机和证据理论的交通数据融合

针对基于浮动车辆数据(floating car data,FCD)的城市道路交通信息采集系统存在的问题,提出一种基于最小二乘支持向量机(LS-SVM)和证据理论的数据融合方法,通过融合地感线圈采集的交通流量信息,提高FCD系统交通速度信息采集的准确性.利用LS-SVM回归得到速度-流量关系曲线的临界速度参数,再根据历史数据库用统计方法计算出流量-速度关联规则的可信度矩阵,在得到这些经验知识的基础上,定义了两种证据源的基本概率分配函数.最后,通过D-S证据理论对两种证据源进行数据融合,获得融合后的速度信息.实地跑车实验结果论证了融合算法的有效性和可靠性.     

城市局域路网交通量与OD估计集成仿真方法

为利用有限的交通采集设备,实现全面掌握城市路网交通运行状况、快速有效制定管理措施的目的,提出了一种"封闭环"式检测线圈布设方式和城市局域路网交通量与OD矩阵估计方法.以交叉口转弯比例稳定性实证研究为基础,建立理论模型,并探讨路段分配流量和OD估计唯一性问题.采用蒙特卡罗法设计车辆转弯行为仿真模型,并提出了局域路网交通量与OD矩阵估计的集成仿真方法.实例研究结果表明,其在实际路网上有良好的适用性和可靠性,可为先进交通管理系统相关交通模型的建立和交通采集设备的布设提供依据.     

FCD大数据并行处理的动态任务调度算法

浮动车数据(floating car data, FCD)技术是大规模城市路网交通流实时采集的有效方法.城市交通的动态诱导和控制需要对海量FCD进行快速处理.鉴于此,提出了FCD并行计算的动态任务调度方法.针对FCD数据包计算时间的不确定性和动态性,根据计算节点的处理能力进行数据包的动态分割,在处理过程中,采用动态任务分配策略以实现计算节点的同步.该方法在龙芯国产大数据一体机平台上进行了实现,并采用现场FCD数据进行了实验验证,结果表明,该方法较轮询和Min-Min调度算法,显著地提高了并行处理的性能.     

基于路网效率的城市结点对外交通组织模式

为定量评价城市结点对外交通模式的合理性,考虑路网均衡状态下的出行成本、路网容量和服务水平等因素,提出了一种改进的路网效率测度指标.应用该指标构造测试路网,分析了不同交通量水平、不同对外交通需求结构下城市结点对外交通组织模式的适用性.研究表明:在城市内部路网富余通行能力不大的情况下,当干线公路交通量小于750 pcu/h时,干线公路可直接接入内部道路系统;当干线公路交通量在750~2 000 pcu/h且主要为出入境交通时,宜将对外交通引入城市结点快速干道系统,通过快速干道系统集中组织对外交通;当干线公路交通量大于2 000 pcu/h且存在较为集中的过境交通时,宜设置直接式过境通道分离过境交通.所提出的路网效率测度指标和研究结果对城市结点对外交通组织方案的决策具有指导意义.     

城市路网结构评价方法探讨

城市道路网是城市的骨架 ,路网结构决定城市的布局 .从影响城市路网交通质量的因素分析入手 ,建立了评价城市路网结构的指标体系 ,应用模糊数学原理提出城市路网结构模糊综合评判方法 ,并对淄博市张店区的路网进行了实例评价 ,为改善城市路网结构提供参考 .     

基于固定检测器的区域交通状态判别方法

以固定检测器获得的交通数据为基础,分别建立路段和交叉口交通状态判别模型;考虑不同路段和交叉口对区域路网整体交通状态影响程度的差异性,建立路段和交叉口交通状态的权重计算模型;在此基础上建立区域交通状态的综合判别模型;并分析状态指标P与路网中车辆平均行程速度的相互关系,确定路网P所表示的交通状态级别;最后利用Vissim软件设计包含9个交叉口的典型路网,根据采集的数据对模型进行验证.仿真结果表明:所建立的方法可以有效地对区域交通状态进行判别.     

基于服务总线浮动车数据分布式并行处理算法

FCD（Floating Car Data,浮动车数据）是一种新型的交通信息检测技术,其核心是利用具有GPS/北斗定位和通讯功能的车辆（如城市出租车等）采集的位置、时间、速度等数据,并把这些数据与电子地图进行单点匹配,以及路径推测等,最后可直观描述道路的交通流状况。然而,海量浮动车数据处理存在性能方面的瓶颈,为此,本文针对大规模浮动车数据进行分布式并行处理等关键性算法研究,在单机多线程处理的基础上,通过服务总线,实现了FCD分布式并行处理系统及FCD实验平台,该平台不仅能够对处理任务按车辆分配,还能根据实际需要,按浮动车时间段进行分配,并且实现了计算单元的动态弹性扩展。通过北京市实际浮动车数据集和路网数据测试,实验结果表明,处理效率得到较大幅度提升,并且通过负载均衡优化,进一步降低处理时间,验证了该算法的有效性,更好地解决了大规模复杂空间数据运算的效率问题。     

基于浮动车技术的动态交通拥挤预测模型

利用动态交通信息实现路网交通拥挤动态预测是城市智能交通管理系统的一大关键技术。本文提出一种新的动态交通拥挤预测模型。该模型应用浮动车数据判断路网实时交通流具体状况,结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测。现场实测数据表明,该模型具有良好的预测效果。