时变路网下多配送中心多车型联合配送

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,主要构建基于时变速度多配送中心多车型联合配送模型;并设计基于禁忌搜索求解算法。收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证;通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,能够应用于北京这种特大城市的公铁联运城市配送方案中。     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

基于DBSCAN算法的城市车辆出行次数建模及应用

车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次数计算方法。首先,利用k-差值法计算出DBSCAN算法中ε-邻域半径;然后,利用车辆一周(月、季度、年)的RFID轨迹链数据进行DBSCAN密度聚类,获取车辆出行时间特征和出行次数。实验表明,该方法具有较高的准确性,实现简单。     

旅游高峰期双目标交通拥堵疏散路径优选方法

随着私家车出行比例日益增长,景区旅游交通拥堵现象严重,交通事故频发,高效、合理的交通拥堵疏散路径优化方法是缓解这一问题的根本途径。本文考虑交通拥堵环境下游客路径选择心理,将疏散路线的复杂度最小作为优化目标之一,建立了基于路线复杂度与疏散时间的双目标拥堵疏散路径优选模型,将疏散路线的复杂度定义为疏散路径总长度,认为疏散区域路网中各路段上的车辆平均运行速度是随时间的推移连续递减的函数,应用Dijkstra设计了模型的求解算法,仿真结果验证了模型的有效性。     

空间KMeans挖掘算法在基于手机信令的OD分析中的应用

在基于手机信令的OD分析应用中,利用空间Kmeans挖掘算法可以对目标群体实时交通状态信息和动态出行调查,进而识别出用户出行方式,构建城市绿色交通的具体方案。     

基于共享位置数据的最短时间路径算法

为了满足人们以最短时间到达目的地的出行需求, 同时合理化地分配人流, 更加充分地利用公共资源, 缓解城市高峰期的道路拥堵问题, 提出一种基于共享位置数据(LBPSS)并以最短时间为目标的最优路径算法, 解决路况信息路网覆盖率不足、更新缓慢及其与现实路况不符等问题, 实现结合实时路况信息的路径导航。结合ArcGIS平台和Android平台, 利用数据库的快速查询、索引支持和集合运用方面的优秀性能, 实现基于共享位置数据的最短时间路径算法的应用实例, 并与目前的常用算法进行试验比较, 验证该算法的可行性和有效性。结果表明, 该方法更具实用价值, 在节省出行时间的同时, 更加合理地对高峰期拥堵道路的车辆进行分流。     

基于无线传感的动态智能交通诱导控制系统

为提高车辆的出行效率,缓解交通拥堵现象,设计了基于无线传感的动态智能交通诱导控制系统.利用车载自动感应装置和无线传感网络对车辆的行驶信息进行实时监控、定点收集并及时处理,同时依靠交通信号控制系统调节交通信号的状态;将交通诱导任务模型转换为带权的AOE网,以AOE网为基础拆分模型化后的诱导任务,附加交通状况的实时性约束,最终求解诱导问题的最优路径集合,从而实现对车流量的智能诱导.通过具体的实例验证,对获得的优化前后的交通信息数据进行对比,结果表明:该系统提高了交通运行效率,降低了车辆平均运行时间和缩短了平均出行距离,实现了交通数据流信息的最大化利用.     

考虑道路形状约束的车辆轨迹聚类方法

随着车联网技术的不断发展,产生了海量车辆轨迹数据。这些车辆轨迹数据可以通过聚类分析方法挖掘出车辆行驶的潜在规律,从而实现指导车辆出行的目的。提出一种基于密度的车辆轨迹聚类方法,对基于道路形状关键点位置选取的车辆轨迹信息进行重构,并考虑车辆在路网中移动的空间约束,分析聚类结果得到城市道路的交通状况,以此指导车辆出行以避免或减轻车辆拥堵。基于福州市真实的车辆数据对提出的车辆轨迹聚类算法进行验证,并对最后的聚类结果进行了详细的分析。实验结果表明,针对车辆轨迹聚类并结合道路网络的方法能够更加真实反映车辆的行为特征。     

DynaCHINA动态交通流分析与路况预测系统

<正>DynaCHINA("动态中国")是位于交通管理中心的实时动态交通分配系统,完全由国内自主研发。通过为公众出行信息服务和交通信号控制等系统提供覆盖全路网的30-60分钟的实时路况预测,使这些系统能更有效地缓解城市和高速公路交通拥堵,提升公众的出行效率和出行质量。系统的核心技术包括:动态交通需求分析与预测、基于仿真的实时动态交通分配、系统参数离线与在线标定、出行者行为模型及路径处理等。     

车载导航系统中动态最短路径研究

以城市动态交通网络为背景,以路段通行时间作为计算最短路径的依据,在A*算法的基础上引入动态路阻函数,在全局范围内动态确定车辆最优路线,提高出行效率.     

基于差分进化算法SVM的公交通勤乘客识别

通勤乘客是在早晚高峰出行并具有一定出行规律的人群,准确地从公交刷卡数据中识别通勤人群,对采取措施缓解早晚高峰交通拥堵和整个城市公交线网规划和调整具有重要意义。本文以珠海市公交IC卡数据为依托,提出一种基于差分进化算法优化支持向量机(SVM)的公交通勤识别方法。首先通过通勤乘客调查和实际刷卡数据相结合,分析出通勤乘客出行的特征属性;然后采用SVM算法构建分类识别模型,并利用差分进化算法(DE)对SVM进行参数寻优,得到最优识别模型,其识别准确率高达94.28%,优于其他算法模型;最后利用该模型对珠海公交IC卡数据中的通勤人群进行识别,结果显示其公交通勤人数为178 259人,占公交出行总人数的21.47%。     

城市场景下车联网数据收集传输规划

为了提高车联网中车辆感知数据的收集率,形式化定义并求解了车联网的数据收集问题,利用车辆的实时交通信息,提出了受限通信场景和非受限通信场景下同时建树同时规划传输时刻的算法。在数据收集过程中动态地判定传输策略,基于贪婪算法的思想递归地寻找父节点,构建一棵动态聚集路由树。在模拟轨迹数据集上进行的大量对比试验表明,所提算法相对其他算法在数据收集率方面有了较大的提高。     

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%。     

基于深度逆向强化学习的城市车辆路径链重构

随着城市交通监测系统的完善，大量车牌识别数据被存储下来，该类数据具有时间连续性强、空间范围广、样本类型多的优点，为研究城市交通提供了信息基础。但受制于成本和技术，信息采集过程中采集的车牌数据在时空上并不连续，导致车牌识别数据的应用受限。有鉴于此，文中提出一套路径链提取方案，对单次出行的完整路径链和缺失路径链加以区分，并提出了一种基于深度逆向强化学习的城市车辆出行路径链重构算法。该算法对完整路径链进行采样获得专家示例，利用深度逆向强化学习挖掘专家示例，以非线性回报函数的形式拟合出潜藏的路径选择特性，指导智能体自主补全缺失的路径链，实现车辆出行缺失路径链的重构。将该算法在杭州市萧山区的局部路网中进行实验验证，结果表明，所提出的重构算法具有良好的稳定性能，其平均准确度可达95%，且在缺失程度较大的情况下准确度仍能保持在92%以上，相比传统算法具有较大优势。文中还分析了专家示例的位置分布和数量对算法性能的影响，验证了所提出的重构算法的泛化能力。     

基于3G技术无线网络的城市智能交通系统

在分析我国城市交通现状的基础上,初步构建一种三层结构城市智能交通系统,利用了3G网络方便、快捷地进行信息传输,并使用推拉技术向用户提供信息。使交通管理者能够实时了解交通现状,用户能够及时准确地获得出行最佳路径方案,从而达到缓解交通城市交通问题的目标。     

基于梯度提升决策树的城市车辆路径链重构

为了提取城市路网中车辆实际的行驶轨迹,支撑交通规划、设计、管理和评价等需求,提出了基于梯度提升决策树的城市车辆丢失路径链的重构方法。首先,根据车牌号码匹配目标车辆,以时间排序提取视频检测器获得的路径链,并结合交叉口邻接矩阵及路段行程时间估计进行路径链初次分离;然后,依据车辆出行特征和交通状况提取影响路径选择的关键特征,并基于此提出了基于梯度提升决策树的局部丢失路径链重构算法;最后,以某市南明区实际视频车牌识别数据为例,根据重构算法准确性和计算效率验证了文中算法与传统算法。结果表明,本文算法的重构准确率达到91%,对比传统算法,梯度提升决策树算法在车辆路径链重构方面有较大优势。     

车联网网络架构分析

利用车联网获取车辆运行参数和道路等交通基础设施使用状况,感知实时道路交通路况,能有效减少交通拥堵,实现绿色出行,并提供丰富的智能交通信息服务．车联网将促进汽车、交通和信息技术产业向更加现代化、网络化和智能化的方向发展．对车联网的现状进行了较为全面的研究,包括车联网的概念、技术优势、信息服务以及网络架构等．     

基于特征选择的公交专用道设置方法

本文研究城市公交专用道的设置方法,以贵州省贵阳市城市道路为实验城市,融合了电警、卡口过车数据、公交车GPS数据、公交车线路数据、公交车站点分布数据、道路基础信息数据和电警、卡口地理信息数据。构建视频检测设备的网络拓扑结构,分析公交车和社会车辆速度的关系特征构建特征选择模型,判断出城市哪些路段需要设置公交专用道。然后设计模型优化算法进一步判断各路段适不适合设置公交专用道以及怎样设置的方法,最终研究出一套能够基于数据自动计算城市公交专用道设置方案的方法。     

智能汽车中基于视觉的道路检测与跟踪算法

提出了一个基于视觉的道路环境识别算法．该算法能实时提取图像序列中道路信息，获取车辆在道路上的位置、姿态信息，预测前方道路状况，将道路环境信息反馈给智能汽车用于其控制车辆的主动安全．首先联合摄像机内参构建了道路的三维数学模型，突破了以往一些系统将道路看作一个平面的二维模型的局限，算法利用道路标志线的颜色突变特性有效地提取道路边界，并将扩展卡尔曼滤波器与道路模型结合对道路和车体的状态进行实时跟踪分析，获取实时的道路环境信息．实验证明该算法可在直道和弯道以及标志线间断或标志线周围有干扰的各种道路中稳定地工作，在光影条件不利或前方有车的情形下算法仍具有较高的鲁棒性，能够适应多变的道路环境，提供实时有效的信息数据．     

基于旅客异质性画像的公铁联程出行方案推荐方法

公铁联程是我国重要的城际出行交通方式之一，但基于单一因素排序的城际票务出行方案推荐方法无法满足公铁联程旅客的个性化出行需求。为提升出行效率，该文基于旅客历史出行订单数据构建画像数据库，使用TF-IDF(term frequency-inverse document frequency)、K-means算法探究旅客异质性衍生的公铁联程出行需求差异，依据偏好得分、敏感特性设置奖励函数，使用Q-learning强化学习算法构建基于旅客异质性画像的公铁联程出行方案推荐方法。以天津-泗洪作为典型的特大城市-小城市公铁联程出行路线，与传统的城际出行方案推荐方法对比，为3类不同敏感特性的旅客推荐公铁联程出行方案。结果表明：该文推荐的公铁联程出行方案能够缩短20%的行程耗时，降低32%的行程费用，在契合旅客行为偏好和敏感特性、满足个性化出行需求方面均有较好的表现。