一种曲线形态的描述与识别方法及其应用

为准确描述与识别时间序列曲线形态,根据曲线段类型定义了5个语素和1个通配符,进而定义语素向量及通配符向量,使得对曲线的描述具有层次性.据此将任意时间序列曲线转变为对应的二维表,二维表第二列组成的字符串能够进行初级的模板匹配,二维表各行所代表的向量增强了语素关系运算的能力,可实现较深入的模式识别.在经典回溯法的启发下设计了一种属性约束下的带通配符字符串匹配算法,并以基于感应线圈信号曲线的车型分类为例,验证了所提出的方法的有效性和合理性.     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

基于多特征GBDT模型的收费站短时交通流量预测

为了准确地预测高速公路收费站的短时交通流量,以便收费站根据不同时段的交通流量科学合理地制定人员配置方案来缓解收费站交通拥堵,文中提出了一种基于多特征GBDT模型的预测方法。引入一种新的机器学习算法GBDT,并通过数据分析,挖掘出时段、星期与天气3种有效的新特征,对广州机场高速机场收费站短时交通流量进行预测。结果表明,将挖掘的新特征应用于传统的BP神经网络模型建立多特征BP神经网络模型可以将预测误差降低4.67%,而文中提出的模型相对于多特征BP神经网络模型可以将预测误差降低0.91%,从而证明了该模型的有效性和可行性。     

基于K近邻模式匹配的地铁客流量短时预测

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算法,自动获取合适的K值以提高预测算法的普适性.最后以广州火车南站地铁站为例进行实例分析,结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测,平均预测精度在90%左右,具有较好的应用推广价值.     

一种时间序列曲线形态的描述方法及其在车型识别中的应用

提出时间序列曲线形态的一种新的描述方法。首先根据曲线段类型定义了5个语素和1个通配符,进而定义语素向量及通配符向量,使得对曲线的描述具有层次性。据此可将任意时间序列曲线转变为对应的二维表,二维表表头组成的字符串能够进行初级的模板匹配,二维表表列所代表的语素向量增强了语素关系运算的能力,可实现较深入的模式识别。为使所提出的描述方法能应用于曲线形态辨识,在经典回溯法的启发下设计了一种属性约束下的带通配符字符串匹配算法。最后,以基于感应线圈信号曲线的车型分类为例,验证了所提出的方法的有效性和合理性。     

复杂交通场景中运动车辆的检测与轨迹跟踪

针对复杂交通场景提出一种基于高斯分布假设的背景图像自回归估计算法,该算法能同时适应白天和夜间光环境,实时性好.对于二值图像的分割问题,提出并论证一种新的连通标记算法,该算法只需遍历像素1次,因此时间复杂度达到了理论上的最小.根据运动车辆的随机过程特性,提出基于Kalman滤波的轨迹跟踪算法,给出状态转移矩阵和观测矩阵,并讨论初始状态矢量的获取方法.为了解决半遮挡混合图块的分割问题,提出了图像相似度的计算方法以及局部图块与全图块相匹配的思想.在实际道路上的实验表明,所提出的方法实用有效,其中车辆跟踪准确率达到95.63％.     

BRT车站组停靠线路组合优化问题的建模、求解与仿真

针对国内外许多城市的BRT专用道仅有1个车道、车辆进站排队容易造成通道阻塞的情况, 首先以最小化排队概率为目标, 推导出车站组的停靠线路组合优化模型, 然后定义上游交叉口的累积效应系数以使模型适应车辆间歇性批量到站的情况, 随后针对模型的求解, 给出了一种n进制数编码的新的遗传算法. 算例以广州市某典型BRT车站组为例进行停靠线路配置优化, 并利用VISSIM软件对原始方案及优化方案进行多次仿真和对比, 结果表明所提出的方法能有效地缓解公交车辆的进站排队现象, 并降低泊位占有率, 减少停车次数和行程时间.     

融合多源数据的高速公路路段车流碳排放精细测算方法

在“双碳”政策的时代背景下，交通行业碳减排任务艰巨，但目前面临车辆碳排放测算精度不高的问题。为实现车辆碳排放的精细测算，文中提出了一种融合多源数据的高速公路路段车流碳排放精细测算方法。首先，运用KD-树算法将运营车辆的GPS坐标与高速公路道路点坐标搜索匹配，实现对运营车辆的实时监测。然后，建立车辆碳排放测算模型，进而设计相关的计算流程。最后，以虎门大桥主桥段为例进行路段断面碳排放测算，通过VISSIM仿真及相关对比实验，验证了文中所提出的算法的科学性和可靠性。结果表明：按车辆类型分类，微型小型客车的碳排放最高，占比达74.36%；按燃料类型分类，汽油车的碳排放最高，占比达80.50%；新能源汽车运行车次数占12.60%，但碳排放仅占4.27%，因此大力发展新能源货车是推进高速公路碳减排的重点。研究还发现，将交通饱和度控制在0.32～0.38时，当量标准车的平均碳排放较少；当交通饱和度大于0.62时，当量标准车平均碳排放显著增加。文中研究结果可以为交通管理部门制定相关策略提供理论依据。     

面向运输风险识别的高速公路货车用户画像方法

当前，货车超载超限现象严重，为提升高速公路货车管控效率及货运安全水平，提出基于货运风险特征画像的货车运行风险等级识别模型。首先，基于高速公路收费数据，以货车为研究对象，从驾驶行为和营运状态两方面制定面向货运风险识别的用户画像标签体系；接着对样本数据进行清洗和标签指标提取与分析；然后，利用K-means++算法获得货车货运风险特征画像分类结果，再使用熵权法对各类货车进行货运风险评分，确定各类别货车的风险等级；最后，结合各类别车辆的相关指标，对车辆完成画像。基于广东省全网高速公路2022年3月至5月的货车收费数据，利用所提出的模型，将货车车辆划分为5类，其中，“高风险高强度货车”车辆占比5.42%，“较高风险夜间驾驶超载货车”车辆占比19.12%，“中风险超速货车”车辆占比12.85%，“低风险低频货车”车辆占比37.00%，“低风险高频货车”车辆占比25.61%。使用同期广东省某事故数据库数据对模型进行验证，数据表明，高风险类别车辆的相对风险系数远高于低风险类别车辆。研究表明，所提出的模型可以有效地提取高风险货运特征货车，基于风险等级识别结果，交管部门可进行高风险车辆识别、超载超限重点监...     

基于系统关联性的高速公路大中型货车到达量多尺度预测

近年来，交通流中大中型货车流量占比逐渐增大，对城市交通的影响日愈增加，准确、及时的大中型货车到达量预测对精确的城市交通管控具有重要意义。针对该问题，本文提出了考虑系统关联性的高速公路大中型货车到达量多尺度预测方法：考虑高速公路网的系统关联性，对高速公路收费站进、出口大中型货车流量的时空关联性进行分析，构建神经网络模型学习空间权重与时间权重；每一时间步将输入与空间权重、时间权重融合，并设置偏置项修正后得到该时间步预测结果；各时间步预测结果对应求和得到最终预测结果。实验结果表明：所用方法在15、30、60 min的时间尺度下预测精度分别达到90.92%、92.48%、94.33%,优于其他对比模型，实用性和有效性均得到了保证。