基于GPS轨迹数据的拥堵路段预测

基于真实的GPS轨迹数据,对城市拥堵路段进行预测.在此过程中,摒弃传统的基于交通流预测和拥堵识别的方法,提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法.该方法同时考虑路段拥堵的时间周期性和时空相关性,通过对出租车GPS轨迹数据进行挖掘和训练,建立拥堵向量和拥堵转移矩阵,实现对拥堵路段的预测.真实数据集上的实验验证了所提的拥堵路段预测方法的有效性.     

高速公路常发性与偶发性交通拥挤的判别

本文基于高速公路交通突变理论，提出了在确认交通拥挤出现的同时，判别交通拥挤类型的算法，从而为高速公路管理部门提供准确的信息，以便采用不同的交通控制方案消除拥挤，提高高速公路的通行能力。     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.     

基于粒子群优化的求解城市动态拥堵收费费率策略的模拟算法

实施动态拥堵收费是解决日益严重城市交通堵塞问题有效途径,近年来关于拥堵收费的研究成为领域内热点,但大多采用静态建模.应用动态交通流分配的相关理论和粒子群优化算法方法,建立起一个分析、评价城市路网系统动态拥堵收费策略的系统仿真算法.该算法具备结构简单、易于使用等特点.     

基于轨迹聚类的路网构造

随着定位设备的普及以及大规模移动轨迹数据的快速涌现,使得基于移动轨迹的数据挖掘和知识发现研究变得越来越热,其中一个有价值的研究方向是从GPS轨迹中抽取路网结构.然而如何有效地从轨迹数据中探测交叉口并进而构造路网却是一个难以解决的问题,针对此问题提出了一个基于轨迹点聚类的交叉口探测算法,以及在此基础上的路网快速构造方法.实验结果表明,算法能够有效地确定交叉口的位置及数量,且利用探测到的交叉口能够实现路网结构的快速构造.     

基于出租车轨迹的并行城市热点区域发现

提出一种基于MapReduce的从出租车轨迹中提取交通热点区域的分布式并行算法,首先对原始轨迹数据进行停靠点的提取来消除噪声并剔除行驶中间点,然后通过对按时间段分块的停靠点并行运行基于密度的带有噪声的空间聚类(DBSCAN),实现对分块的数据聚类来发现不同时间段的热点区域.经过在实际数据集上的试验表明:与传统方法相比,该方法在准确性和大数据量下的整体效率具有优势.     

基于WGN算法的城市路网拥堵路段诊断分析

为了分析城市道路交通拥堵问题,利用WGN(weighted Girvan-Newman)算法从中观路网结构角度出发,以道路网络的结构性质为依据,通过模块度分析对城市道路网络进行组团划分,找出路网结构中的关键性路段,再以小区间OD(origin-destination)量作为权重,根据路段加权后的介数值判断路网中的拥堵路段,为后续的交通规划和研究分析做铺垫。结果表明:诊断出的拥堵路段与实际交通运行情况吻合,说明路网结构不合理是造成道路供给不均衡的重要原因。可见,研究结果可以对规划路网的潜在问题做出预判,并及时采取措施缓解拥堵。     

基于车辆轨迹数据的急减速驾驶行为判定方法

目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析.基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题.使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值...     

基于机器学习聚类算法的城市公交车站点优化分析

随着"低碳环保,绿色出行"的理念深入人心,城市公交出行成为越来越多人的选择,但公交出行拥堵、低效率问题仍然是一个热点问题.采用聚类算法对城市公交车进行优化分析,通过三种聚类算法(DBSCAN、k-means、DIANA)、OD矩阵模型、统计与概率学等相关技术,对公交车刷卡数据进行挖掘建模,并分析提出居民出行规律、OD矩...     

基于公交浮动车数据的城市主干道交通拥堵预测

交通拥堵预测是解决交通拥堵问题的前提。针对速度特性分析不全面的问题,基于公交浮动车数据,在速度时间相关性和空间相关性分析的基础上,加入了公交流量和时间占有率两个特征,提出了考虑时空特性和公交车流特性的改进粒子群优化的径向基函数神经网络(particle swarm optimization-radial basis function, PSO-RBF)速度预测模型。通过比较预测结果与速度阈值,得到城市主干道的交通拥堵情况。结果表明,与只考虑时空特性的预测结果相比,所提出的基于时空特性和公交车流特性的预测方法,可使模型预测的均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)分别降低13.58%、12.63%,决定系数达92.39%。同时,实例验证了改进的PSO-RBF神经网络模型的预测精度要优于标准的PSO-RBF神经网络。     

出租车GPS数据轨迹化方法研究

为提高出租车行业理论研究与实际应用的GPS轨迹数据质量,针对原始的出租车GPS数据,提出一套考虑出租车行业特性的完整的GPS数据轨迹化方法。分析了哈尔滨市出租车GPS数据的采样率、误差及与路网的匹配情况;提出一种考虑车头朝向、临近距离、路段连通性及转弯限制四种权重的拓扑地图匹配算法;提出一种出租车出行轨迹识别方法,并在此条件下建立了出租车GPS轨迹的存储结构模型。结果表明,提出的地图匹配算法有较高的准确率,能够满足理论研究及实践应用的需要;而轨迹识别方法及存储模型在实际中成功应用,为哈尔滨市出租车智能管理调度平台提供数据支撑。     

基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰, 导致其识别困难的问题, 提出一种深度双向门控循环单元循环神经网络的方法, 并将其应用于微地震数据降噪中. 首先, 构建多层双向门控循环单元循环神经网络模型, 并设计该模型的网络结构及训练算法; 然后, 采用Ricker子波正演模拟微地震数据验证模型的有效性, 并将该方法与其他4种方法进行对比; 最后, 将真实的含噪声微地震数据输入到训练好的模型中, 即可得到降噪后的微地震数据. 仿真实验结果表明, 利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB, 且信号之间的相关系数值由0.088 6上升至0.933 5. 实际应用结果也表明, 该方法可有效降低实际微地震数据中的噪声.     

基于改进FCM均值聚类算法的城市道路状态判别方法

针对传统FCM算法与阈值法两种交通流状态判别方法在适用性上的不足,通过分析交通流数据的分布特征,以各状态数据的离散性变化差异作为参考进行状态的划分,在FCM算法的基础上加入历史先验数据与后验概率进行初始聚类中心的优化,并将传统欧氏距离替换为对多维度数据之间变化关系与空间分布更加敏感的马氏距离进行算法改良,使交通状态判别结果更加接近实际交通运行状况。并使用实验数据进行算法验证,验证了方法的稳定性与结果的有效性,判别结果与数据表现也更加接近。     

城市道路间断交通流阻塞量化方法研究

为了反映城市道路间断交通流实际运行状态以及交通系统参与者对交通拥挤的感受程度，提出了间断交通流阻塞度的概念．采用行程速度与排队长度占路段长度比例作为阻塞度的判别指标，并应用模糊算法对阻塞度进行量化，建立了相应的隶属度函数与模糊判断规则体系，形成了间断交通流阻塞度的量化计算方法．最后通过应用张家港市长安路的实例数据分析了交通阻塞度的变化规律．     

基于智能管理缓冲区的网络拥塞控制算法

该文从数据包占用缓冲区的实时状态出发,运用模糊理论对缓冲区占用率状态这一模糊性问题进行描述,建立基于智能管理缓冲区的拥塞控制模型,对所有的数据流根据其服务质量要求进行优先级分类,并取得相应的队列带宽,采取整体和局部相结合的方法,路由器智能管理缓冲区。实验仿真结果表明,基于智能管理缓冲区的拥塞控制算法（IMBA）与RED、TD-FIFO等算法比较,在保护和隔离非拥塞状态的连接方面,具有更好的公平性,从而进一步改进了路由器的拥塞控制性能。     

基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

基于支持向量机的城市道路交通拥堵判别算法研究

近年来,城市交通拥堵现象越发严重,研究分析了国内外大量关于城市交通拥堵界定与判别的基础上,基于模式识别理论中支持向量机分类算法设计提出一种"畅行"、"一般拥堵"及"严重拥堵"道路拥堵三分类研究模式。以南京市虎踞路这一城市主干道路段为算法实例研究对象,结合实测采集和Vissim仿真拥堵交通流数据,借助Matlab实现设计算法的城市道路拥堵分类和判别,实验结果表现出较好的分类和检测效果,表明设计算法应用城市拥堵判别是可行的,且可以进一步优化提高。