基于浮动车数据的城市交通状态估计研究

为了获取全面、准确的实时道路交通信息,提出了基于浮动车数据的交通状态估计的方法.对其中涉及的关键技术,如数据筛选、坐标转换、路径跟踪、道路匹配、交通状态评定等,提出了适合实时系统的实用算法和思路.并在北京市浮动车实际数据之上,编程模拟实现了北京市交通状态估计的原型系统,验证了该方法的有效性,为城市交通状态估计提供了可行...     

浮动车交通信息采集系统:智能交通展现科技便民魅力

目前,由广州交通信息化建设投资营运有限公司承担的"十五"国家科技攻关课题"浮动车交通信息采集关键技术研究"已在广州得到了很好的应用.作为交通的示范城市之一,广州目前已建立了13000多辆出租车的浮动车数据采集示范系统,提供三大类便民利民服务.     

浮动车交通信息采集系统于广州成功应用智能交通展现“民生科技”魅力

目前，由广州交通信息化建设投资营运有限公司承担的“十五”国家科技攻关课题“浮动车交通信息采集关键技术研究”已在广州得到了很好的应用。作为交通的示范城市之一，广州目前已建立了13000多辆出租车的浮动车数据采集示范系统，提供三大类便民利民服务。     

基于层次分析与数据融合的综合评估方法

为解决层次分析法在多指标综合评估中的不一致性、多源评估数据不可靠性以及评估结果不全面、不直观等问题,提出了一种基于层次分析与数据融合的综合评估方法.该方法首先改进1-9标度法,合理确定多因素权重,减少了层次分析的不一致性;然后,设计了多源评估数据的可靠性预处理机制和基于数据融合的综合评估算法,提高了多源评估数据的可靠性、综合评估结果的准确性与全面性.最后,将该方法应用到高校教师课堂教学质量综合评估系统中.系统运行结果表明该方法可行、有效,评估结果准确、全面、直观.     

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。     

基于浮动车技术的杭州市出租汽车运行特征分析

本文简述了基于浮动车技术的出租汽车运行基础数据采集方法,提出了出租汽车的基础运行特征指标体系,并给出了出租汽车时空出行特征的分析方法。以杭州市的实际数据为例,分析其出租汽车运行特征情况。结合杭州市40万余条OD数据,对比分析了工作日、周末以及特殊节假日(大年初一)出租汽车的运行基本指标、出行时间分布特征以及出行空间分布特征,为出租汽车企业、交通规划部门和管理者提供定量的决策参考依据。     

基于出租车轨迹数据的交通异常识别算法研究

为了实现基于出租车轨迹数据的交通异常识别,本文首先以城市栅格地图模型为框架,提出了一种针对城市路网的多光谱分隔算法,并根据城市路网分别从区域增长与区域融合两种角度实现了多光谱地图的分割。其次在分割的城市路网基础上,设计了交通异常的识别算法。算法依据单元区域内道路网络拓扑结构构建交通异常图,然后根据出租车路径选择模式的历史规律计算每个单元区域内不同路径上的出租车轨迹流量的变化,最后根据三倍均方差指标识别单元区域内的交通异常。文章最后以哈尔滨为例进行了算例分析,算例结果表明,本文提出的异常识别算法取得了良好的效果,验证了算法的有效性及准确性。     

基于浮动车数据的交通状态估计精度仿真评价

针对大规模复杂路网条件下基于浮动车数据的交通状态估计精度评价,开发了基于交通仿真软件VISSIM的实时仿真分析方法.以上海市陆家嘴地区的微观仿真路网为例,通过30组仿真实验分析了浮动车比例和数据采样频率对路网覆盖率和平均行程车速估计精度的影响.结果表明:随浮动车比例和采样频率的增加,平均行程车速估计精度与路网覆盖率逐渐提高,当浮动车比例为8%和采样频率为1/10s-1时达到最优.     

网联车混行条件下交通流量融合方法

未来智能网联车与非网联车混行将带来更多的多源交通数据；为了提高数据的可靠性，结合传统交通数据获取方式提出了一种基于粒子群优化径向基神经网络的多源交通数据融合方法。首先选取不同来源的数据构建多源数据集并设置对照数据，利用Elbow Method方法和K-Means算法对多源数据集进行聚类，再以聚类中心坐标为参考构建相应径向基神经网络，最后在神经网络训练过程中引入粒子群算法，以融合结果与对照数据的差值作为粒子群算法迭代的目标函数，帮助求解神经网络中的参数。使用MATLAB实现神经网络并选取一组多源交通流量进行测试，同时再把这组交通流量数据用卡尔曼滤波算法融合，将两种方法的融合结果进行对比。结果表明：相比于传统卡尔曼滤波，使用粒子群优化的径向基神经网络对混行条件下的多源交通流量进行融合时数据误差均降低60%以上。     

城市交通重大事件的客流预测实验设计与实现

设计并实现了基于多源交通数据的重大事件影响下城市交通客流预测实验平台。基于现有的交通预测方法基础上,提出对城市路网划分为多个子区域,基于区域内重大事件的举办通过融合天气、事件、时间等多源因素,分别对每个子区域内出租车的上下客情况,提出采用遗传算法优化BP神经网络进行出租车上下客数量预测。该实验平台选定纽约市麦迪逊广场花园附近1公里的区域为研究区域,应用文中的算法对该区域进行区域划分和客流预测,所提出的方法能够有效地提高预测精度。     

基于优化随机森林算法的浮动车GPS数据插补模型

为改善浮动车GPS数据因采集过程中受到干扰造成数据缺失问题,通过分析法研究了浮动车GPS数据与交通流状态和道路线形之间的关联性,提出一种基于优化随机森林算法的浮动车GPS数据插补模型,本模型针对随机森林算法插补过程中,因自身的随机性而引起插补结果具有波动性问题,在结果输出部分引入权重因子,通过线性优化算法,调节权重因子大小使输出结果波动性降低的同时满足道路线形特征。实验对6名志愿者21天的出行轨迹数据进行插补,结果表明：本文所构建的模型平均误差12.3m,相较于随机森林模型、决策树模型和线性回归模型分别减少14.9m、24.3m和239.3m,可见采用优化随机森林算法建立的插补模型有效提升了浮动车GPS数据插补精度,为交通状态分析、地图匹配等应用提供数据基础。     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

基于协整理论的浮动车行程时间修正模型

以牌照识别数据为基础,将计量经济学中的协整理论与误差修正模型应用于数据融合技术,建立基于协整理论的浮动车行程时间修正模型. 以上海市高架路为例进行分析,证实了浮动车数据与牌照识别数据之间的协整关系,结果说明浮动车数据的短期波动受到了长期均衡与短期失衡的作用.     

面向行程时间预测准确度评价的数据融合方法

提出BP神经网络融合模型.该模型由三部分组成:初始数据产生模块、BP神经网络数据融合模块、融合结果分析模块.选择四个参数作为该模型的输入变量,其中路段交通流密度和交通量由线圈数据提供,而行程时间估计值与浮动车样本量由浮动车数据提供,并且给出选择这四个参数的依据与原因.最后选择杭州市的一条主干道作为目标路段,采集该路段上的406组数据对该模型进行验证,试验结果表明模型对准确度评价的相对误差仅为4.86％.     

面向浮动车取样偏差修正的数据融合方法

考虑到浮动车取样偏差会给路段平均行程时间估计值带来很大误差这一事实,提出了一个融合模型,该模型是在真实路段平均行程时间计算模型的基础上推导出来的,其融合了线圈数据和浮动车数据,减少了浮动车取样偏差对路段平均行程时间估计值的影响.最后利用仿真实验对一条具有连续5个交叉口的主干道进行仿真实验,实验证明,相对于浮动车法,融合方法无论在平峰期和高峰期都可以得到精度更高的平均行程时间估计值.     

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。     

城市主干道交通运行状况分析与影响因素研究

为深层次地理解城市主干路的交通运行状况的影响因素,研究利用出租车作为数据源获取的浮动车数据,综合地分析了上海市主干道176个路段的平均车速、速度方差等运行状况指标,同时运用多元线性回归的方法,探究了路段的几何设计特征、接入口特征、交叉口渠化、流量、区位及用地特征共6类道路与运行环境特征对主干路路段平均速度及速度方差的影响. 结果表明,道路长度、曲线角度、中央分隔形式、公交专用道设置、车道数、左/右转专用道设置、土地利用复合度、接入口特征等道路与环境特征道路特征均显著影响主干路路段的运行状况.