基于出租车轨迹数据的交通异常识别算法

为了实现基于出租车轨迹数据的交通异常识别,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。最后以哈尔滨为例,进行了算例分析。算例结果表明,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。     

车辆轨迹地图匹配异常成因辨识方法

车辆轨迹地图匹配异常指轨迹被匹配到不合理的地图路段,其主要成因可归纳为物理遮挡、地图路段缺失和复杂路网。针对这一现象,提出一种数据驱动的匹配异常轨迹段快速识别和成因归类方法。首先归纳不同成因导致的地图匹配异常数据特征,并构建表征指标;其次提出车辆轨迹分段方法,区分正常和异常的地图匹配轨迹段;进而建立基于随机森林的地图匹配异常轨迹段成因分类方法;最后通过上海市地图路网和出租车营运轨迹数据验证方法的有效性。验证表明,提出的方法准确率达93.5%,可有效辨识物理遮挡、社区路段缺失和复杂路网三种成因,同时具有较好的区域可迁移性。     

分区分层的动态最优行车路径算法

结合自适应信号控制系统和Internet的路由策略研究了动态行车路径算法,定义了路网结构图中的连线及其交通阻抗,介绍了根据实时交通数据预测连线交通阻抗的方法,提出并举例说明了分区分层的动态最优行车路径算法.连线交通阻抗包括行驶时间、停车线延误和拥塞延误3部分:以平均车速预测行驶时间;根据车辆到达率和信号参数分析停车线延误;根据交通调查结果估算拥塞延误.将路网分成若干区域,利用Dijkstra算法计算区域内从任一节点到另外任一节点的最优路径,在此基础上计算路网范围内从任一节点到另外任一节点的最优路径.     

基于GPS数据的城市常发性拥堵区域识别方法

识别城市交通常发性拥堵区域,能够为交通管理部门和规划部门提供相应的改进建议,对城市道路网络健康运行具有重要作用。城市交通拥堵判别方法存在两个难题:基于传统检测器方法应用的局限性;基于路段级别的方法存在费工费时的地图匹配问题。针对这两个问题,提出基于车辆GPS轨迹数据的网格级别的拥堵判别方法;并利用改进的具有噪声应用的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法识别城市常发性拥堵区域。基于哈尔滨市城市道路网络、出租车和公交车GPS轨迹数据进行算例分析,结果表明,其能够有效判别基于网格的交通拥堵,并成功识别城市常发性拥堵区域。     

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。     

基于地图分割与以矢量信息描述地图的A*寻路算法

提出了一种基于地图分割与以矢量信息描述地图的A*寻路新算法.首先采用自适应四叉树方法将地图分割,同时分析地图的矢量数据;其次在寻路过程中,仅根据“路点”信息,寻找初始路径,为获取最终路径提供启发式指导;最后根据初始路径,依次读取地图中相关区域数据,整合得出最终路径信息.此算法解决了在大型地图中寻路速度慢、占用资源多的问题,通过分治的思想,缩小问题的规模,大幅降低时间与空间的消耗.     

动态最佳交通路径的一种高效算法

基于建立交通网络图区域的概念，为简化地图的复杂度，提出了一种高效的最佳交通路径的计算方法．在该算法中，依据特征点远小于内点的原则，将地图分成若干个地理位置上的区域，并同时建立额外的特征点区域．利用该特征点区域，可将整幅地图中各个区域的信息进行关联．通过对地图进行区域划分和区域处理，并预先存储各区域边界特征点间最佳交通路径的耗费总值，以及特征点区域上各点间的最佳交通路径，该算法就可以满足动态计算实时性的要求．     

基于烟羽模型的城市干道交通影响区范围计算

为界定对城市干道交通运行产生影响的道路空间分布,定义城市干道交通影响区,分析烟羽模型的宏观交通参数扩散适用性,进而通过研究区域内路段单元设置,将烟羽模型用于研究路段单元宏观交通参数的路网扩散性,在此基础上,提出路段单元空间平均车速与交通强度的影响距离模型,从而得出基于烟羽模型的干道交通影响区范围,最后以某市主干道杨桥路为例进行试算.试算结果表明,周边26个路段单元的交通影响距离均延伸至杨桥路,其中14个路段单元构成杨桥路交通影响区范围边界.可见该计算方法可求出影响干道交通的路网范围,有利于干道交通生成规律与管理技术研究.     

基于GPS轨迹的矢量路网地图自动生成方法

提出一种基于GPS探测车轨迹的大规模矢量路网地图自动生成方法.该方法不需要路网地图的基图,可以只利用GPS探测车在路网中的行驶轨迹,自动将实际路网的真实拓扑结构反映在数字地图上.该方法分三个步骤:首先,实现GPS探测车轨迹数据的大地经纬度坐标到地图城建坐标的转换;然后,利用坐标转换后的GPS轨迹数据生成路网栅格地图;最后,将已生成的栅格路网地图进行矢量化处理.采用真实GPS探测车轨迹数据进行的实际路网自动生成实验表明,该方法能够成功地通过GPS轨迹自动生成路网地图,生成的矢量路网数字地图具有较高的精确度,可以满足交通诱导和汽车导航等系统中数字地图及时、自动更新的应用需求.     

考虑慢行交通影响下的交通微循环路网优化设计

为减少实行交通微循环过程中日益增加的对区域内居民生活和出行交通的不良影响,以最小化道路连通性、最小化慢行交通的出行时间、最小化环境污染和最小化道路饱和度为优化目标,考虑干道路网饱和度约束、慢行交通平均限速值约束、慢行路网密度约束,建立了多目标区域交通路径优化的双层规划模型。利用遗传算法进行求解,采用轮盘赌选择算子和非均匀变异算子进行操作,得到了最优的微循环路网优化组织方式。通过算例分析,与实行微循环前的路网相比,实行微循环后的路网饱和度明显下降,减小了对街区内的居民影响和生态环境破坏,得到了一个合理的街区交通微循环网络。     

基于空间认知和社区识别理论的路径选择模型

将启发式决策、空间认知以及社区识别理论结合,描述出行者的路径选择与路网结构的关系。采用基于模块增益的社区结构算法解构路网结构,描述人们的认知过程,建立相应的路径选择算法。以长沙市中心城区路网为例,利用建立的路径选择方法,分别用静态路阻（距离）、动态路阻（速度）对路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析,采用静态路阻的一致率为85%,采用动态路阻的一致率为73%。结果表明建立的集成空间认知和模块增益的路径选择模型可以较好地描述人们的路径选择过程,对于静态路阻的路径选择描述具有更高的准确性。研究成果对于城市规划和交通规划具有一定的借鉴价值。     

基于空间认知和社区识别理论的路径选择模型

将启发式决策、空间认知以及社区识别理论结合,描述出行者的路径选择与路网结构的关系。采用基于模块增益的社区结构算法解构路网结构,描述人们的认知过程,建立相应的路径选择算法。以长沙市中心城区路网为例,利用建立的路径选择方法,分别用静态路阻（距离）、动态路阻（速度）对路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析,采用静态路阻的一致率为85%,采用动态路阻的一致率为73%。结果表明建立的集成空间认知和模块增益的路径选择模型可以较好地描述人们的路径选择过程,对于静态路阻的路径选择描述具有更高的准确性。研究成果对于城市规划和交通规划具有一定的借鉴价值。     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路. 考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

基于深度优先搜索算法的交通流向供需失衡路径辨识

针对城市路网中的交通流向供需失衡问题,首先分析了交叉口、路段的流向失衡特征和解决对策,进而提出了网络层交通流向供需失衡的表征模型及变向交通组合管控策略;其次,基于图论的思想定义了基础路网,并结合深度优化搜索算法(deep first search,DFS)构建了网络层交通流向失衡路径辨识模型;最后,通过一个包含16节点的4×4路网对模型进行了验证.结果显示,该模型能够对路网中的交通流向供需失衡路径进行快速准确辨识,为变向交通智能管控的实施提供决策支持.     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于交通态势可视化分析的公交专用道布局

交通拥堵问题是困扰城市的普遍难题,科学地规划公交专用道是在城市道路空间资源有限的情况下提高运输效率的有效手段。探讨如何利用交通态势数据和路网信息来规划和评估公交专用道布局问题。首先选取公交专用道布局的研究范围,借助道路交通信息技术,利用交通路况分析与发布平台的大数据,将区域交通态势可视化,做交通路网态势评价,提出该区域的公交专用道布设方案。再从路网整体效益出发,构建以碳排放量最小和系统总出行时间最少为优化目标的多目标优化模型,分析设置公交专用道的效益。最后以南昌市中心某片区为例,选取交通拥堵严重、暂无公交专用道、且满足公交专用道设置条件的路段提出公交专用道布设方案,结果表明设置公交专用道能减少路网中车辆碳排放、改善路段的整体通行效率,减碳平均优化率为4%,时间效益平均提升5%,可知本文提出的优化方法有利于得到合理有效的公交专用道优化方案,为城市交通管理者提供决策依据。     

一种增量式多目标优化的智能交通路径诱导方法

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.