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.     

基于灰色神经网络的道路权重确定方法

提出了一种基于灰色神经网络的道路权重确定方法.首先利用灰色预测模型少数据建模和人工神经网络模型非线性逼近的优点,将两种模型有机结合,实现对交通流的模拟预测;其次利用交通流量-行驶速度以及行驶速度-行驶时间的关系确定交通流量与行驶时间的关系模型;最后结合前两部分建立的模型构建基于灰色神经网络的路阻函数模型,从而确定路段的权重.实验结果表明,该方法具有较高的精度,且模型利用少量的数据就可以确定路段的路阻函数,为路段权值的确定提供了一种有效可行的方法,可用于智能交通的路径规划等应用中.     

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.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

基于效率和时空资源的交通网络可靠性评价分析

为准确评估交通网络运行质量和设置合理性,从路段视角出发以运行效率、时间与空间资源作为评价维度,选取速度偏差率、高延时运行时间比和常发拥堵路段里程比作为评价指标,结合地理信息系统将可靠性和道路属性进行匹配,直观刻画不同路段可靠性的空间分布特征。结果表明：考虑效率和时空资源的可靠性评价方法准确度提升8.7%,且较为适用高等级道路和中长路段,最小误差平方和(sum of squares of minimum error, SSE)分别下降46.5%和56.5%;基于地理信息系统(geographic information system, GIS)的路段可靠性空间分布特征和实地调查结果相吻合;效率和时空资源对于可靠性的影响权重分别为0.378、0.210、0.412。研究结果为进一步提升道路管理水平和交通网络运输质量提供了参考借鉴。     

山区公路交通安全标志设计

为了大幅度降低山区公路交通事故率，以实地测试、调查方法以及心理认知机理，概括了山区公路的道路特征和交通事故的特点，分析了驾驶人员的安全认知和行为特性，指出了山区公路交通安全标志须以初次使用该道路的驾驶人员为设计依据。研究了山区公路不同道路环境下交通安全信息，指出山区公路应在弯道处实行大小车辆分别限速，并给出了限速方式；长大坡路段应提供整体性道路信息以及交通安全标志的设置要求；异常气候条件下须提供预警性信息。认为在山区公路建设中，可以通过对交通安全标志的合理化设计，在不大幅度改变公路线形情况下，能使山区公路弯道、长大坡等特殊路段的交通事故发生率明显降低。     

基于Softmax函数增强卷积神经网络—双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,需要准确识别和判断交通状态。基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index, TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态。提出了一种改进的深度学习预测模型(CS-BiLSTM),该模型基于卷积神经网络(convolutional neural networks, CNN)和双向长短期记忆(bidirectional long short-term memory, BiLSTM),并结合Softmax函数增强CNN提取出的交通空间特征信息。最后以成都市出租车的全球定位系统(global positioning system, GPS)数据进行验证。结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比CNN-BiLSTM网络预测框架提升了13%。     

Google Earth在交通信息服务系统中的应用研究

通过将海量的高分辨率卫星遥感图与航拍图映射到三维的地球模型中,Google Earth(GE)为ITS的各种应用提供了全新的地理信息平台。描述并分析了GE的主要功能及其编程接口,建立了基于GE的实时动态交通信息服务系统的分布式系统架构,并开发了相应的原型系统。运行结果表明,原型系统达到了设计目标,与传统基于GIS的交通信息服务系统相比,具有更加生动的交通与地理信息表达方式、用户与开发者友好等优点。     

城市路网交通流的空间互相关性

该文研究了路段流量序列间互相关系数与其空间距离的关系.通过对城市路网各路段交通流量序列进行互相关分析,研究了网络交通负荷、交通流日变化趋势及流量采样周期对该关系的影响.结果表明:间距相同的若干路段对的互相关系数各不相同;在统计意义下,路段间平均互相关系数随路段空间距离增大而减小;随着交通网络负荷的增加网络交通流渐趋拥堵...     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

Model for Predicting Roadside Concentrations of Traffic Pollutants

An analytical model is presented to estimate traffic pollutant concentrations based on an artificial neural network (ANN) approach. The model can analyze the highly nonlinear relationship between the traffic flow attributes, meteorological conditions, road spatial characteristics, and the traffic pollutant concentrations. This study analyzes the multiple factors that affect the pollutant concentration and establishes the model structure using the ANN technique. Collected data for the pollutant concentrations as functions of variant factors was used to train the ANN model. A method was developed to automatically measure the traffic flow attributes, such as traffic flow, vehicle speed, and flow composition from video data. The results indicate that the model can reliably forecast CO2 concentrations along the roads.     

山区城市道路交叉口纵向减速标线影响

道路交通安全问题是一个受各种因素影响的复杂的系统问题,受不同的驾驶员特性、汽车性能、道路条件及环境之间的相互影响。对速度的分析应该从实际的行驶环境出发,结合车辆行驶轨迹和其他事故致因系统分析。本文通过实车试验的方法对设置纵向减速标线的山区城市道路交叉口路段和未设置标线的对比路段的交通流量、区间速度、驾驶员瞳孔指标和轨迹横向偏移量等试验数据进行采集,再结合山区城市道路交叉口处的交通特性和道路基本参数等数据,分析试验路段的交通流特性、驾驶员生理行为指标和轨迹规律。试验表明:在城市道路交叉口设置纵向减速标线后车辆在试验路段和对比路段的偏移量分布频率最大值42.62%和38.18%在（0.5,1]区间内;在山区城市道路交叉口段设置纵向减速标线可以提前警告驾驶员控制车速等有利的影响,提高交叉口行驶安全性。     

城市道路施工区交通延误建模与仿真

随着城市的快速发展,为了提高道路通行能力,许多道路必须扩建,而施工区广泛存在于路段和交叉口区域,城市道路施工区将改变车道的宽度,对车辆的正常行驶产生一定的影响,导致大量排队和交通延误.针对城市路段施工区的交通流和交通延误进行了仿真,研究施工区域环境中不同因素对车辆延误的影响、机动车和非机动车到达率,分析了受施工区影响的入口交通延误的特征,施工区的尺寸与位置等因素对路段施工区交通延误的影响,提出了基于社会力模型的城市路段施工区交通延误分析方法,并考虑了路段施工区长度、施工区宽度、大型车比例将对路段施工区的交通延误和平均通行速度产生显著影响.模拟结果表明,本文建立的基于社会力模型的施工区交通延误计算方法具有良好的适用性.基于分析结果可制定合适的交通管理措施,减少路段施工区的交通拥堵降低延误和事故率.     

An improved BP artificial neural network algorithm for urban traffic flow intelligent prediction

The traffic flow is interrelated to traffic congestion, the big traffic flow directly results in traffic congestion of some section. In this paper, on the basis of the research of overseas traffic accident, considering the characteristic of Chinese traffic, artificial neural network was used to predict traffic accident, and an improved BP artificial neural network model according with Chinese the situation of a country was proposed. The urban traffic flow prediction was simulated under the particular situation, the simulation result shows that the improved BP artificial neural network can fit the urban traffic flow prediction very well and have high performance.     

基于路段流量平衡的转向交通量推算方法研究

在实际观测交通量时,因观测时间不同步、观测误差等原因导致路段出入口交通量不相等,而在OD矩阵推算研究中却要求路段交通量平衡。为解决这一问题,分别以推算简便快捷、流量均匀分配、减小流量变化率为依据提出三种路段流量平衡推算方法,应用MATLAB软件编写程序获得推算结果。同时提出三个评价指标,以验证平衡推算方法的可靠性。最后以实际三横三纵九个交叉口所组成的路网为例,运用提出的方法进行推算,结合实际情况评价分析后验证了本文提出的方法是可行有效的,其结果可用于路径流量分配,并为交通信号协调控制提供基础数据。     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.     

基于AGNES聚类算法的城市交通运行状态分析研究

为提高道路运行效率、缓解城市交通拥堵,以宿州市城区为研究对象开展了交通运行状态的分析研究。通过GPS系统获得浮动车数据,运用数理统计方法对数据进行修复和预处理;选用路段行程速度和交通流量作为评价参数,构建了路段行程速度计算模型。利用AGNES聚类算法对道路流量和平均车速进行聚类分析,以此对道路交通状态进行等级划分并确定不同等级的区间值。结果表明：宿州市主干路严重拥堵临界值为20 km/h,低于标准值（21 km/h）;同时次干路的中度和重度拥堵阈值也明显低于规范值,原因可能是车道较窄、机非混行。该研究可以为利用交通数据评估城市交通状况提供新方法,可以提高交通管理者对道路结构的认识,对城市道路的规划和设计有一定的参考价值。     

深圳市道路交通及机动车尾气超标状况研究

通过对深圳市机动车典型路段的车流量、行驶速度的监测调查,发现轿车是深圳车流量最大的,并呈现出了双峰分布,而不同路段总的车流量也呈现双峰分布,出现的时段分别为上午9：00和下午18：00,车辆行驶速度在不同路段和时间段变化显著,市区平均车辆行驶速度约为25km／h．利用林格曼黑度表征尾气的超标状况,发现柴油车超标远远大于汽油车．