突发交通事件非参数诊断的变点统计方法

针对智能运输系统(ITS)项目的开发，建立了突发交通事件非线性、非参数诊断的变点统计方法．依据交通流理论，结合均值交点模型，对变点搜索的最小二乘法和局部比较法进行了阐述．利用英国南安普敦市的实际数据对上述两种算法进行了标定，并给出模型应用的实例验证了方法的有效性．     

基于分形维数的交通流效率判别技术研究

复杂性和效率均是反映空管系统运行效能的关键特性,掌握两者之间的量变关系,有助于进一步揭示空中交通流的基本属性,提升空中交通的运行效率。基于分形理论,利用离散傅里叶变换计算了航路点系统交通流量时间序列的分形维数,判别交通流的复杂性。然后,选取延误和流容比作为表征交通流运行效率的特征指标。最后通过仿真实验分析了交通流复杂性和效率之间的量变关系。分析结果表明分形维数和延误、流容比均为正相关,变化速率与加权间隔期望呈负相关:分形维数和延误满足分段对数变化关系,和流容比间局部线性关系显著。根据航路点交通流复杂性和运行效率之间的变化关系,采取相应的流量管理策略,通过有效控制复杂性,提升航路运行效率。     

基于断面激光扫描的移动车辆交通流参数提取

提出一种基于车载激光移动测量数据的微观交通流参数提取方法.将移动断面激光扫描数据根据一定的阈值进行分割分类,获得路域范围的移动车辆.根据二次多项式加权拟合法,获得移动车辆的特征点信息.再基于特征点的时空关系,计算车辆之间的距离、位置、速度等微观交通流参数.以上海延安高架路为例进行试验,对车辆之间的交通流参数提取进行实际验证.结果表明,该方法可以有效地提取车辆交通流参数,前、后方车辆的距离平均误差仅为0.06m,速度平均误差为1.62km·h~(-1);侧方车辆的距离平均误差仅为0.10m,速度平均误差为1.29km·h~(-1).     

基于尖点突变理论的交通流参数研究及实例分析

针对某些时刻交通流中三基本参数发生"跳跃"式的变化,提出将尖点突变理论应用于交通流参数的特性研究的假设。首先分析了突变理论的特性,并与交通流三参数变化特性进行关联分析;其次以尖点突变理论中势函数和突变流形方程为基础并进行适当的坐标变换,建立了描述交通流三参数变化特性的三维交通流模型;最后通过对实测的交通流数据进行处理分析,验证了交通流三基本参数具有与尖点突变理论相似的特征和变化规律,进一步证明尖点突变理论可用于描述交通流三基本参数关系特性的可行性。根据尖点突变理论得到的三参数之间的关系模型可用以交通流的预测,以弥补交通数据难以采集的缺点。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

单分位数方法对时间序列尾指数变点检测及应用

多元时间序列中的尾指数变点检测在理论和实际应用中都有着广泛应用。本文利用单分位数方法(Single Quantile Method)构造检验统计量检测和估计出多元时间序列数据尾指数变点,证明其极限分布。在模拟研究中,分别产生三个经典的厚尾分布类型随机数进行模拟研究,结果表明,单分位数方法对多元时间序列尾指数的变点检测是有效的,尤其对分布变化造成的尾指数变化的情形更加敏感与准确。最后将该方法应用于深圳市香蜜湖路市委党校南行路段车流量数据,结果显示该方法能准确检测出交通流变点,根据存在的变点分析出交通流的变化规律。     

联合时空特征的交通流参数预测综述

针对交通流参数预测在智能交通系统中的重要性,为寻求更实时准确的预测方法,对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象,将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点,分析了交通流参数预测的难点。结果表明,联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性,相较于传统的同类方法,预测性能有较大提升。最后,从模型输入和模型设计角度,讨论了交通流参数预测未来研究方向。     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同.本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数.根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据,进行了对个别路段的状态评估.实证分析结果表明:在交通流状态判别过程中,密度是最关键的参数:基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据.     

实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

基于实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,本文选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用本文实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

驾驶员视角和后视效应对交通流稳定性的影响分析

交通流跟驰模型是微观交通流仿真和交通安全评估的重要工具,在城市交通规划、交通运行宏观调控等方面广泛运用.传统交通流跟驰模型主要考虑车辆参数,对于驾驶员因素不够重视,本文将驾驶员视角引入全速度差(FVD)模型,研究基于FVD模型的扩展模型,结合驾驶员后视效应,利用线性稳定性分析扩展模型的交通流稳定性特点.通过将驾驶员视角用驾驶车辆体型参数进行数据量化,分析车辆体型参数对交通流稳定性的影响.仿真实验表明:本文研究的扩展模型在车距较小的情况下交通流稳定性要优于FVD模型;驾驶员对视角变化的敏感系数越高,整个交通流越稳定;驾驶员后视概率越高,交通流越稳定;对于大型车辆,车流高峰时期为其开辟专用车道能够提高该阶段交通流稳定性.     

缺失数据下Logistic回归多变点模型的贝叶斯估计

利用随机的方法填充了缺失数据,获得了Logistic回归多变点模型的完全数据似然函数.研究了变点位置等未知参数的满条件分布.利用筛选法和Metropolis-Hastings算法对参数进行抽样,把Gibbs样本的均值作为参数的贝叶斯估计.随机模拟的结果表明估计的精度较高.     

考虑货车因素的高速公路短期交通流风险预测

基于G15上海段的交通流数据和交通事故数据,研究货车比例较高且货车事故率较高的高速公路短期交通流风险预测模型.分别选取整体交通流参数、货车交通流参数和综合参数作为特征变量,通过支持向量机进行建模,运用遗传算法对模型参数进行寻优,建立不同时间段、不同风险特征变量的分类模型并对比分析.结果表明事故发生前5~10min的模型预测精度最高.当加入货车因素时,总体的预测精度提高7.1%,事故预测精度提高6.1%,误报率降低4.7%.采用平均影响值法进行货车因素对预测结果的影响程度分析,表明货车因素对于预测模型有较大影响.该研究模型可用来开发交通安全预警系统,为高速公路货车安全管理提供理论依据.     

交通流理论与服务水平

提出了新的交通流连续性假设,引入了车域和定常交通流的概念,重新定义了交通流的动量,调整了交通流与流体流的比拟关系.以此为基础,建立了交通流的欧拉方程和考虑粘性的运动微分方程,得出了广义交通压力的定义.联立解连续性方程和考虑粘性的运动微分方程,得到了交通流参数之间的关系.提出了以量纲一交通压力评价道路服务水平的指标体系.最后,采用广州至深圳及广州至佛山高速公路实测数据对研究结果进行了验证.     

干线公路交通流数据有效性检验规则

为了保障开放式干线公路车辆检测器检测到交通流数据的有效性,对交通流数据进行时间汇集和空间汇集的预处理,并从采集数据的最大、最小阀值及检测交通流参数之间的一致性关系出发,提出了动态交通流数据有效性检验规则的制定方法.进而结合实际工程应用,得出了包括最大与最小交通量、最大与最小速度、最大与最小占有率和交通量、速度、占有率一...     

改进神经回归算法的数据质量优化与预测

为了满足智慧交通管理系统向智能化方向发展,一般采用毫米波交通雷达对交通流进行实时并准确地检测。由于受到时间、天气和通信故障等因素的影响,以及雷达最大作用距离的限制,数据常常存在缺失异常等情况,从而对交通流变化规律分析带来很大的影响。在研究城市道路中交通流数据质量优化及交通流变化规律的问题时,对原始交通流数据分成三份,首先采用组合检验和阈值检验,非线性回归分析、线性插值、历史均值法、粒子群多层前馈(PSO-BP)神经网络算法,分别完成异常数据的识别、更正及部分缺失数据的填补,然后建立时间序列的交通流模型、交通流参数关系模型,根据交通流内在的变化规律建立改进后的神经网络回归预测模型,完成所有缺失数据的填补,最终获得完整的高质量数据。本算法的精确度可达到95.54%,能有效进行数据质量优化与预测。     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

用于交通流预测的带距离权重模式识别算法

基于带权重的模式识别算法(WPRA)的交通流短时预测根据历史交通模式所属时段特征区分不同历史状态值权重系数的大小,但权重值的主观设定降低了方法实际应用的可靠性.通过分析基于数据驱动的非参数回归交通流预测算法核心原理,针对WPRA模型权重系数的主观随机性进行预测算法改进,建立了能预测短时交通流的带距离权重的模式识别算法(DWPRA).最后,应用实际交通流数据引入均方根误差进行算法验证,验证结果显示相同近邻K值情况下,DWPRA比WPRA均方根误差降低约4.8%~7.1%,证明了算法的有效性.     

IIRCT下泊松分布参数单变点的贝叶斯估计

首先通过添加数据得到了带有不完全信息随机截尾试验下泊松分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对参数进行了估计,最后进行了随机模拟,试验结果表明参数贝叶斯估计的精度较高.     

基于判别分析的高速公路交通安全实时评价指标

为了实时评价交通流变化对高速公路交通事故风险的影响,利用高精度交通流数据建立了高速公路交通安全实时评价指标.提取了美国加州I-880 N高速公路上采集间隔为30 s的实时交通流数据和事故数据,采用Fisher判别分析方法建立交通流参数的线性组合,以判别危险交通流状态.该线性组合被定义为高速公路交通安全实时评价指标,当该指标小于0时,代表危险交通流状态,有发生交通事故的风险;当该指标大于0时,代表正常交通流状态,没有发生交通事故的风险.采用条件logistic回归模型进一步研究了该指标与交通事故风险之间的定量关系.研究结果表明,该指标预测事故的精度为65.7％.另外,该指标每减小1个单位,交通事故风险将提高1.8倍.