浮动车数据缺失道路的速度推估模型与实现

介绍了浮动车数据(FCD)的基本概念,给出了浮动车数据预处理及与地图匹配的基本流程.在对浮动车数据在路网中覆盖率分析的基础上,当路网中浮动车数据出现缺失时,利用海量的路况历史数据库,提出基于路段空间关系的道路速度多元线性回归推估模型,并推出了按周天分类的模型系数.根据实测检验结果,得到了该方法速度误差的分布概率和状态误差的分布概率,并以此分析了结合空间关系的多元线性回归模型的适用性和可靠性.最后以上海城区为例,给出了基于该方法完整的道路速度的推估与路况发布实例.     

浮动车与空间网格结合的新增道路自动检测

利用浮动车系统提供的车辆定位数据进行新增道路检测,可有效提高新增道路的检测效率,降低成本。文章提出了浮动车与空间网格结合的新增道路自动检测算法,该方法首先记录车路匹配不成功的浮动车位置数据,得到可表示疑似新增道路的浮动车轨迹点,然后建立起浮动车轨迹点与路网网格之间的对应关系,最后通过网格过滤实现新增道路自动检测。实例验证了该算法的可行性。     

基于路段覆盖率的浮动车样本数量研究

作为智能交通系统(ITS)的重要组成部分,浮动车技术得到了广泛的应用,而浮动车样本数量与路段覆盖率以及抽样时间段之间的关系又是在应用中必须解决的问题.通过对现有理论的研究,在考虑到GPS定位误差的情况下,推导出了3者之间的理论关系式,并与所获取的成渝高速成渝段的实际数据进行对比拟和,从而证实了理论公式的可行性.     

基于浮动车数据的城市学校周边交通拥堵分析

交通拥堵是当今各大城市的普遍现象.城市学校在上下学时间段对其周边的道路产生了明显的交通压力.本文将开学后某一周的浮动车数据与道路路网进行匹配,计算出道路的平均车速和道路拥堵级别.选取具有代表性的5所北京市小学作为研究对象,根据不同学校,不同时间的各种情况对学校周边道路进行拥堵分析.采用空间统计分析中的空间自相关性分析方法研究学校对道路的空间上的影响.在时间尺度上,采用统计分析和对比分析探讨学校对其周边道路的时间上的影响.研究结果表明:1学校对道路的影响具有空间自相关特征,且呈现距离扩散的特征;2学校对道路的影响时间上体现在上下学时间段;3人数越多的学校对周边道路的影响也越大,周边道路的等级越高其缓解拥堵的能力也越高.     

基于服务总线浮动车数据分布式并行处理算法

FCD（Floating Car Data,浮动车数据）是一种新型的交通信息检测技术,其核心是利用具有GPS/北斗定位和通讯功能的车辆（如城市出租车等）采集的位置、时间、速度等数据,并把这些数据与电子地图进行单点匹配,以及路径推测等,最后可直观描述道路的交通流状况。然而,海量浮动车数据处理存在性能方面的瓶颈,为此,本文针对大规模浮动车数据进行分布式并行处理等关键性算法研究,在单机多线程处理的基础上,通过服务总线,实现了FCD分布式并行处理系统及FCD实验平台,该平台不仅能够对处理任务按车辆分配,还能根据实际需要,按浮动车时间段进行分配,并且实现了计算单元的动态弹性扩展。通过北京市实际浮动车数据集和路网数据测试,实验结果表明,处理效率得到较大幅度提升,并且通过负载均衡优化,进一步降低处理时间,验证了该算法的有效性,更好地解决了大规模复杂空间数据运算的效率问题。     

基于协整理论的浮动车行程时间修正模型

以牌照识别数据为基础,将计量经济学中的协整理论与误差修正模型应用于数据融合技术,建立基于协整理论的浮动车行程时间修正模型. 以上海市高架路为例进行分析,证实了浮动车数据与牌照识别数据之间的协整关系,结果说明浮动车数据的短期波动受到了长期均衡与短期失衡的作用.     

基于融合技术的道路交通状态判别模型

为了提高道路交通状态判别精度,提出基于浮动车检测与感应线圈融合技术的道路交通状态判别模型。该模型包括3部分:1)浮动车模块:利用安装在出租车上的GPS定位设备得到道路3部分的行程时间;2)感应线圈模块:利用安装在道路上的感应线圈以及交通信号参数得到道路的行程时间;3)数据融合模块。利用神经网络将以上两模块的结果作为输入从而提高道路交通状态判别的精度。该文利用7 000多辆装有GPS模块的出租车、100个安装在广州市主要道路口上的固定检测器以及广州市电子地图,对提出的模型进行了试验,试验结果表明该模型是有效的,50个数据的均方误差为0.1 s。     

基于浮动车数据的区域路网交通状态评价

城市道路拥堵现象已经对公众的生活产生严重影响,如何快速有效地发现并及时处理交通拥堵现象已成为交通发展中的重中之重。浮动车数据作为交通状态检测的新来源,在交通状态检测领域有着广阔的应用前景。通过浮动车数据估算路段最大排队长度,并将其与路段车辆行驶速度、路段行程延误时间作为区域内交通状态评价参数,基于模糊综合评价算法,给出了一种在不同时间段内路段及区域交通状态评价方法。最后通过实际浮动车数据进行实例验证。实验结果表明该算法对于能够较好地检测区域路网交通状态,具有较好的实用性。     

基于NB和DTW组合模型的稀疏浮动车数据填充

利用浮动车数据对交通状态进行挖掘和分析已经是交通领域的重要研究手段之一,而浮动车数据的稀疏性给数据挖掘工作带来了阻碍。对路网数据缺失特性进行分析后,提出了稀疏浮动车数据的填充模型,模型中对缺失小于30%的偶然性数据缺失采用基于朴素贝叶斯(NB)的分类方法进行数据填充,对缺失大于30%的多发性数据缺失采用基于动态时间规整(DTW)的方法进行二次填充,将两种方法结合并应用于路网实例中,对路段缺失的交通流速度数据进行填充,提升了浮动车数据的路网覆盖率,有效降低了浮动车数据缺失对交通流速度信息的采集、发布以及预测工作带来的影响。     

面向浮动车取样偏差修正的数据融合方法

考虑到浮动车取样偏差会给路段平均行程时间估计值带来很大误差这一事实,提出了一个融合模型,该模型是在真实路段平均行程时间计算模型的基础上推导出来的,其融合了线圈数据和浮动车数据,减少了浮动车取样偏差对路段平均行程时间估计值的影响.最后利用仿真实验对一条具有连续5个交叉口的主干道进行仿真实验,实验证明,相对于浮动车法,融合方法无论在平峰期和高峰期都可以得到精度更高的平均行程时间估计值.     

面向行程时间预测准确度评价的数据融合方法

提出BP神经网络融合模型.该模型由三部分组成:初始数据产生模块、BP神经网络数据融合模块、融合结果分析模块.选择四个参数作为该模型的输入变量,其中路段交通流密度和交通量由线圈数据提供,而行程时间估计值与浮动车样本量由浮动车数据提供,并且给出选择这四个参数的依据与原因.最后选择杭州市的一条主干道作为目标路段,采集该路段上的406组数据对该模型进行验证,试验结果表明模型对准确度评价的相对误差仅为4.86％.     

基于优化随机森林算法的浮动车GPS数据插补模型

为改善浮动车全球定位系统(global positioning system, GPS)数据因采集过程中受到干扰造成数据缺失问题,通过分析法研究了浮动车GPS数据与交通流状态和道路线形之间的关联性,提出一种基于优化随机森林算法的浮动车GPS数据插补模型,该模型针对随机森林算法插补过程中,因自身的随机性而引起插补结果具有波动性问题,在结果输出部分引入权重因子,通过线性优化算法,调节权重因子大小使输出结果波动性降低的同时满足道路线形特征。实验对6名志愿者21 d的出行轨迹数据进行插补。结果表明:所构建的模型平均误差为12.3 m,相较于随机森林模型、决策树模型和线性回归模型分别减少14.9、24.3、239.3 m,可见采用优化随机森林算法建立的插补模型有效提升了浮动车GPS数据插补精度,为交通状态分析、地图匹配等应用提供数据基础。     

一种基于浮动车移动轨迹与电子地图融合的道路匹配算法

在对城市道路网进行网格划分的基础上, 提出一种利用参考历史数据和前瞻数据的三段式匹配思想与权重模型思想相融合的地图匹配算法. 该算法可减少浮动车GPS定位点待匹配路段的搜索范围, 从而极大降低算法的复杂度, 实现较高的匹配精度.     

基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

城市地下道路车速特征及运行车速模型

采用实车测速实验,在上海市8条城市地下道路中进行车速数据的采集,并选取156个典型线形路段,研究地下道路中车速的分布特征及运行车速.通过多元逐步线性回归建立城市地下道路运行车速预测模型,模型自变量包括车道宽度、纵坡、车道数、限速、分合流、洞口等.结果表明,预测模型的拟合效果良好,通过预测值和实测值的比较验证了模型的有效性.同时发现限速对城市地下道路中运行车速的影响很小.运行车速预测模型适用于设计车速在40~80km·h-1,双向4~8车道的城市地下道路中.     

基于速度变化量的车辆折算系数研究

车辆折算系数是道路通行能力计算和服务水平评价等方面最重要的基础参数之一。通过对基于密度相等的方法、时距法和超车法进行了介绍和分析,提出了以车辆速度变化量为基础的车辆当量折算系数,分析了影响车辆折算系数的因素;并分别选取了不同车道数、不同坡度、不同服务水平以及不同大车比例。通过微观仿真平台验证了不同组合交通情况下的车辆当量折算系数及折算系数的变化趋势。结果表明:从1车道到2车道,折算系数增加,从2车道到3车道,折算系数出现了减小的趋势;在下坡路段折算系数比上坡路段大;随着流量的增加,折算系数先增加后减小;随着大车比例增加,折算系数出现增加的趋势。