基于“两客一危”数据的高速公路服务区路段车辆行驶模式研究

基于"两客一危"数据,以沈海高速公路厦门段为例,通过浮动车的GPS时空图发现高速公路服务区路段车辆行驶特征,同时选取车辆的平均速度、最低速度、速度方差等车辆运行特征指标进行层次聚类,得到服务区路段车辆的行驶模式.研究结果表明,高速公路服务区路段存在3种行驶模式,即进出服务区、正常行驶和交织减速,基本可以代表车辆在服务区路段的实际运行状态.     

城市道路空间平均速度估计模型*

空间平均速度是反映交通状态的一个重要指标;但实际路况下的空间平均速度测量难度很大,其值一般通过定点检测交通数据估算得出。为此,提出了一种新估算方法来获取非均匀交通流的空间平均速度。该方法基于卡尔曼滤波预测路段交通流量,分析不同交通流状态下的路段车辆流入、流出特性,提出了空间速度"转化系数"α,建立了基于时间平均速度的空间平均速度估计模型。采用浮动车采集的行程时间计算路段区间平均速度,作为实测数据对动态α值法和调和平均值法的估计精度进行对比分析,结果说明,动态α值法可更好地吻合城市道路的实际交通状况,可操作性强,适应性好。     

基于路段转移采样的最优路径集计算方法

为了不计算路段阻抗而获取起点到终点的多条最优路径，提出一种基于路段间转移概率并通过路段转移采样来计算最优路径集的方法(最优路径集路段转移概率法):首先，通过分时段、分区域来获取路段间转移概率，采用时段划分将交通状态随时间变化的影响纳入考虑，利用交通小区代替给定起点和终点，避免了路网中起点与终点数量巨大、特定点对之间数据量不足的问题; 然后，基于路段转移采样进行轨迹采样并获取最优路径集。该方法不需计算路段阻抗，对数据要求低，计算简便。案例分析表明:利用最优路径集路段转移概率法得到的计算路径与实际路径的涵盖程度高，区域划分大小对结果影响较小，时段划分可有效反应交通状况。     

基于基线漂移校正的旅行时间预测模型

路段旅行时间及其预测值是管理部门实施交通流组织,提供交通信息服务的重要依据,也是出行者合理选择出行路径的重要参考.文中基于浮动车检测数据研究了路段旅行时间的计算算法及数据预处理方法;分析了旅行时间序列中的基线漂移现象,并运用小波分析法给出了基线漂移的校正方法以达到对时间序列降噪处理的目的;最后,基于自回归移动平均法建立了路段旅行时间的预测模型,并选取实际数据验证了文中模型的有效性和精确性.     

基于浮动车数据的区域路网交通状态评价

城市道路拥堵现象已经对公众的生活产生严重影响,如何快速有效地发现并及时处理交通拥堵现象已成为交通发展中的重中之重。浮动车数据作为交通状态检测的新来源,在交通状态检测领域有着广阔的应用前景。通过浮动车数据估算路段最大排队长度,并将其与路段车辆行驶速度、路段行程延误时间作为区域内交通状态评价参数,基于模糊综合评价算法,给出了一种在不同时间段内路段及区域交通状态评价方法。最后通过实际浮动车数据进行实例验证。实验结果表明该算法对于能够较好地检测区域路网交通状态,具有较好的实用性。     

基于DBSCAN算法的浮动车数据预处理

针对现有浮动车数据预处理方法中存在算法复杂和精度低等缺点,提出一种基于DBSCAN(DensityBased Spatial Clustering of Applications with Noise)算法的浮动车数据预处理方法。该算法操作简单,仅需原始GPS数据中的纬度和经度就能去除浮动车数据中的轨迹漂移点。首先,在数据库中对浮动车数据进行剔除经纬度越界数据、剔除异常数据、剔除重复数据和剔除不完整数据处理;然后,使用DBSCAN算法剔除浮动车数据中的轨迹漂移点。利用该方法对武汉市浮动车数据进行预处理,能够快速有效去除浮动车数据中的轨迹漂移点。     

山地城市道路长上坡路段运渣车运行速度特征

为了明确运渣车在山地城市上坡路段的运行特征,通过现场采集与对比分析的方法,在重庆市主城区内选取若干条具有标志性的上坡路段为测试对象,对其测试断面进行划分,利用雷达测速仪测出夜间10点到12点通过不同断面的同一辆车的行驶速度值,利用软件对获得的行驶速度值进行统计并绘制折线图,得到了行驶的速度规律。其结果表明：① 运渣车等大型车辆的速度变化并不是具有标准的趋势,本实验得出了五种模型,但大致情况可看出坡底处存在冲坡现象,坡顶处速度由于汽车动力性等原因有所下降;②小型车辆在长上坡路段行驶时受坡度的影响较小,其速度变化范围不大。公共汽车则通常保持较低的行车速度,在20～40 km.h^-1 之间波动;③ 当长上坡的坡度较大时,运渣车在入坡时速度达到最大值,最后半段的速度基本保持不变;④ 在同一路段上的大型车辆与小型车的速度变化不一,大型车辆受坡度影响大于小型车辆;⑤ 运渣车与其他车型在上坡时的速度波动趋势存在冲突,易造成交通事故。     

基于季节模型及Kalman滤波的道路行程时间

道路行程时间是影响城市交通出行行为的重要因素。当前大多数出行时间研究基于路段进行,假设驾驶人沿着理想最短路径或最快路径行驶,难以对交叉口排队延误等相关时间参数进行精确估计。针对城市任意OD间的出行时间进行分析,采用Kalman滤波方法,利用历史数据对总行程时间进行有效预测。鉴于总行程时间分布存在比较明显的周期性特点,单一Kalman滤波算法难以反映出这种周期性,引入基于季节模型的Kalman滤波算法进行建模和优化。最后,利用深圳浮动车2011年12月连续3d的数据进行实证。研究结果表明:相对于传统的SARIMA模型及普通Kalman滤波算法,优化模型同时考虑总行程时间分布的周期性和时变性,具有较小误差及更好的拟合度;所得预测时间的平均绝对误差(MAE)分别在传统SARIMA模型及普通Kalman滤波算法结果基础上降低了37%和52%,其余误差指标,如均方根误差(RMSE)及最大相对误差(MRE)均有较大下降,从而证明了研究模型的有效性。     

基于路段覆盖率的浮动车样本数量研究

作为智能交通系统(ITS)的重要组成部分,浮动车技术得到了广泛的应用,而浮动车样本数量与路段覆盖率以及抽样时间段之间的关系又是在应用中必须解决的问题.通过对现有理论的研究,在考虑到GPS定位误差的情况下,推导出了3者之间的理论关系式,并与所获取的成渝高速成渝段的实际数据进行对比拟和,从而证实了理论公式的可行性.     

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。