基于支持向量机的城市道路交通拥堵判别算法研究

近年来,城市交通拥堵现象越发严重,研究分析了国内外大量关于城市交通拥堵界定与判别的基础上,基于模式识别理论中支持向量机分类算法设计提出一种"畅行"、"一般拥堵"及"严重拥堵"道路拥堵三分类研究模式。以南京市虎踞路这一城市主干道路段为算法实例研究对象,结合实测采集和Vissim仿真拥堵交通流数据,借助Matlab实现设计算法的城市道路拥堵分类和判别,实验结果表现出较好的分类和检测效果,表明设计算法应用城市拥堵判别是可行的,且可以进一步优化提高。     

基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究

随着机动车辆的迅猛增长,城市路网呈现出事件多发、通行状态多变的特征,大城市的交通问题日趋严重.借助大数据技术,通过对城市路网中海量浮动车轨迹数据的深入挖掘,能够实现对复杂交通状态的快速识别和准确分析.本文首先对北京市浮动车的海量数据进行校准和清洗.其次,针对不同的研究内容,构建不同尺度的网格模型.然后,根据网格内节点对行程时间的历史数据,识别常发拥堵区域;结合实时行程时间数据,识别偶发拥堵事件.最后,通过对网格交通运行指数进行密度聚类,从空间范围上将大城市拥堵区域的类型划分为"点-线-面"3个层级对交通拥堵进行评价研究.本研究不以道路矢量地图为基础,仅通过浮动车轨迹数据,便可以实现对交通拥堵的高效识别和宏观拥堵的评价.     

基于GPS轨迹数据的拥堵路段预测

基于真实的GPS轨迹数据,对城市拥堵路段进行预测.在此过程中,摒弃传统的基于交通流预测和拥堵识别的方法,提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法.该方法同时考虑路段拥堵的时间周期性和时空相关性,通过对出租车GPS轨迹数据进行挖掘和训练,建立拥堵向量和拥堵转移矩阵,实现对拥堵路段的预测.真实数据集上的实验验证了所提的拥堵路段预测方法的有效性.     

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%。     

面向拥堵分析的道路单元动静态融合划分方法

为解决现有城市道路单元划分方法与常发性交通拥堵特性联系较弱的缺陷,提出了一种融合道路静态属性与动态拥堵数据的面向城市交通拥堵分析的道路单元划分方法.首先,以道路静态属性中的路段通行能力节点、交叉口节点、立交节点、出入口节点等道路节点作为划分依据,将道路划分成若干静态道路单元.其次,利用拥堵数据结合K-means聚类法将...     

一种新型的交通事件检测算法研究

交通拥堵会造成车辆延误、旅行时间延长和空气污染加重等困扰城市的问题,给城市交通带来了严重的挑战。交通拥堵一般可分为常发性和偶发性两类。常发性拥堵是由于车流需求超过道路容量而产生,从不拥堵到拥堵需要一个过程．前后交通流参数（交通量、速度和道路占有率）的变化一般也是连续的：而偶发性拥堵是由于突发事件造成道路通行能力暂时下降而引起的拥堵．反映拥堵前后的交通参数变化呈不连续状态,并且前后的差值随事件的严重性而增大。不论是常发性拥堵,还是突发交通事件,都具有较为明显的数据变化特征,因此,只要有足够及时的样本数据,进行自动交通事件的检测是完全能够实现的。     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.     

限行政策下的山地城市道路交通拥堵问题研究

城市交通拥堵问题日趋严重,山地城市因特殊的地理形态,拥堵问题更为凸显,实施限行政策是缓解山地城市交通拥堵的手段之一;通过构建随机均衡配流模型来描述限行政策下山地城市交通的运行状况,并采用改进后的Dial算法对模型进行求解;研究以重庆市主城区为例,结合城市多中心组团的特性,对组团间的联系通道采取工作日机动车尾号限行措施,分析山地城市道路流量和服务水平的变化情况;研究发现,限行后组团中心区域的道路交通流量显著减少,道路服务水平明显提高,但同时交通拥堵也向周边区域发生扩散;最后,提出了缓解拥堵扩散的相关措施和建议。     

出租车GPS轨迹大数据在智能交通中的应用

安装了GPS的出租车可实现大范围、全天候的车辆行驶数据采集,这些量大、时刻变化的GPS轨迹数据记录了城市交通、人群移动的动态变化信息,对研究城市交通起着重要的意义.从研究基于数据驱动的智能交通角度出发,综述国内外基于出租车GPS轨迹大数据的城市智能交通研究现状,经过归纳总结,将目前的研究工作分为交通状态分析、运营管理及支持、路径规划及预测三个方面,总结并阐述出租车GPS轨迹大数据在这三个方面的研究及应用情况,并指出该领域目前面临的问题和不足以及进一步需要研究的方向.     

基于时空检测的城市交通网络瓶颈识别方法研究

为了解决拥堵状态下交通网络瓶颈识别问题,文章基于时空检测数据对道路节点和路段拥堵状态进行了分析,并以此为基础建立了城市交通网络瓶颈识别与分类模型。拥堵发生期间,以任意2辆浮动车连续通过拥堵路径各个交叉口时间间隔作为统计时间,以拥堵路径各个交叉口对应流向流出率作为统计对象,连续统计多辆浮动车通过时的交通量序列,建立了拥堵路径交叉口关联度模型并以此划分交通网络瓶颈。以划分的交通拥堵瓶颈区域作为密闭区域,通过分析拥堵路径平峰期间与拥堵期间的流入流出率,使用切比雪夫不等式在置信度95%范围内建立了拥堵瓶颈的3类模型:输入型瓶颈、输出型瓶颈和通过型瓶颈。以实际区域道路网络为研究对象,使用上述模型对拥堵区域进行了分析,结果表明该模型可有效识别并分类交通网络瓶颈。