基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段，其交通流数据难以获取，不利于开展精准路网管理，为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法。基于有检测器路段的海量交通流数据，分析局部路网空间结构特征与路段交通流量之间的相关性；根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重，并使用多元线性回归算法进一步挖掘局部路网空间结构特征对交通流分配权重的影响；结合空间特征影响度系数、无检测器路段所在的局部路网的空间结构特征及相邻路段的交通流，对无检测器路段进行交通流预测。实验结果表明，路段道路类型、相邻路段数量及相邻路段道路类型这3类局部路网空间结构特征与路段交通流量相关性显著，采用基于空间特征影响度系数对局部路网中只有单个相邻上游和具有多个相邻上游的无检测器路段进行预测，发现其平均误差分别在8%和22%左右。      

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计，提高估计精度，研究了基于时空特征序列匹配的交通流状态估计模型。通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态；分析影响城市道路运行条件的各项因素，引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征，提取3个维度8个特征1个附加维度组成交通流时空特征，构建城市道路交通流DNA特征序列对交通流状态进行描述；将各个特征的值归一化处理，利用WH-KNN匹配方法，得到全路网中与待估计路段最近的交通流状态。实验选取武汉市中环快速路编号为10468、10483以及8816的路段1周数据，假定路段数据缺失，通过所述方法进行交通流状态估计，将估计结果与原始数据结果进行对比。研究表明，模型不仅能够得到无检测数据路段的交通流状态，其状态估计结果的准确率保持在88%以上，且误判结果在1个运行指数等级之内。      

考虑数据缺失的高速公路交通参数计算方法

为提高数据异常状态下的高速公路交通参数计算的精确度，提出了基于数据融合的交通参数计算方法，首先结合收费站数据对门架数据所缺失的行车记录进行填充，再根据每辆车的平均行程速度，利用两阶段的聚类算法剔除驶入服务区和行驶异常的车辆，最后计算各个路段的路段流量和路段平均行程速度，对缺失的交通参数利用融合时间特征的KNN算法进行填充。选取3 d 15个门架的行车数据作为实验数据。结果表明，门架数据行程记录缺失较大，平均缺失率为46.95%,其中门架数据记录最大缺失率为56.25%,最小缺失率为31.73%,并且速度较快的小客车相较于速度较慢的中大型货车的行车记录更容易缺失。两阶段的聚类算法可以有效地识别并剔除驶入服务区和行驶异常的车辆。在填充连续复杂缺失场景下的交通流时空数据集方面，KNN算法相较于最大似然估计、决策树、链式方程多重填补方法在RMSE指标上分别下降24.90、15.88、5.81,添加时间特征以后RMSE在原始KNN基础上下降3.03,证明了融合时间特征的KNN算法在填充连续复杂缺失的交通流场景下的可行性和有效性。数据异常情景下的交通流缺失值填充以及交通参数计算方法为管理部门在高速...     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。     

交通流缺失数据处理方法比较分析

针对交通数据的缺失问题,采用基于时间相关性、空间相关性和时空相关性的多种数据修复方法对缺失数据进行处理.基于时间相关性的修复方法包括历史数据法、移动平均法、指数平滑法和线性回归法等.基于空间相关性的修复方法利用相邻车道和相邻检测器所采集的数据对缺失值进行处理.基于时空相关性的数据修复方法结合交通流的时间相关性与空间相关性对缺失数据进行修复.基于美国加州I-880高速公路交通流数据的实验结果表明,平滑系数α=0.1时的指数平滑法和利用相邻车道数据加权平均法得到的缺失值修复结果最优.      

基于CNN的城市道路交通事件检测算法

交通事件检测是预防和缓解城市路网偶发性交通拥堵的重要手段.基于卷积神经网络(CNN)和浮动车数据(FCD),提出1种改进的城市道路交通事件检测算法,形成城市道路交通流的时空特征与交通事件之间的映射关系.将道路按照交叉口分段设置,重构具有时空特征的多维信息输入张量,通过时空矩阵来描述完整的道路交通流时变信息.在隐藏层和输...     

路段排队最远点估计方法研究

城市拥堵的发生过程一般是某路段发生拥堵,然后扩散至其他路段进而形成区域拥堵.因而,如果能够在排队上溯至交叉口之前估计出路段排队长度并实施控制,就可以在一定程度上缓解拥堵.为了得到路段实时排队最远点,文中利用点信息对路段上的排队演化进行研究.从分析路段排队形成时的道路交通流运行特征入手,研究了道路交通流运行状态与固定点数据之间的映射关系,提出了分别利用单固定点信息、双固定点估计连续流形成的排队最远点.利用仿真软件对其进行验证,并研究了不同的采样间隔对算法的影响,结果表明,该算法可以在一定的采样间隔下得到较好的结果.     

基于Monte Carlo模拟的公路网络震后连通性与通行时间分析

为评价公路网络系统震后功能保障能力,基于Monte Carlo(MC)模拟方法建立了路网震后连通可靠度和交通量通行时间分析模型。采用地震易损性曲线表示道路和桥梁的地震破坏状态及其对应的概率;采用道路和桥梁破坏状态对应的连通性、行车速度、通行能力折减系数,表示道路和桥梁结构地震破坏产生的路段通行能力下降;考虑道路和桥梁结构地震破坏不确定性,采用MC方法模拟路段通行能力下降后的路网震后功能。在每次MC抽样计算中,采用宽度优先搜索算法判别路网连通性,采用增量分配算法进行路网静态交通量分配,得到路网整体通行时间。以多次MC模拟计算的路网连通可靠度和通行时间均值,表示路网的震后通行状态,通过算例分析了路网连通性和通行时间分析模型的特点及其适用性。结果表明:路段震后通行能力下降是造成震后路网整体通行时间增加的主要原因,低连通可靠度节点的震后通行时间较高,增加路网交通流量服务供给点(源点)可以提升路网的震后保障能力;连通可靠度分析模型适用于路网参数较少情况下的初步分析;交通流量通行时间分析模型,考虑了路段的交通流通行属性和路网OD交通量参数,可提供较为精确的分析结果。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.      

道路交通静化在交通安全中的应用

介绍了交通静化的起源与概念,实施交通静化的目的、原则及依据;详细阐述了各种交通静化技术与措施的含义、用途、适用地点、优缺点以及可取得的在降低车速、减少交通量、降低交通事故率等方面的成效;针对我国交通状况,探讨了我国引进交通静化技术的必要性,展望了交通静化在我国的发展前景。     

交通信息在出行行为中的影响分析

分析了交通信息对出行者在驾驶员路径选择行为中的作用机理和过程,阐述了之间的相互作用关系,论述了交通信息的效用度和出行者信任度之间的影响并提出相应的定性模型。     

交通仿真技术在交通事故研究中的应用

交通事故研究对于个人和整个社会都具有重要意义.简述了交通问题的研究方法,并以仿真软件TSIS中的FRESIM模型,分析研究高速公路中的事故黑点对交通特性及环境的影响.另外,通过采用不同的管理措施,进行事故间接经济损失分析.     

单向交通在城市交通管理中的作用

从各大、中城市普遍存在的交通拥挤与堵塞问题着手,首先介绍了国内外单向交通设置的基本情况,论述了设置单向交通的基本原理;其次,从宏观角度对单向交通这种交通管制方式的设置条件、设置模式以及设置的重要意义进行了概括和总结;最后,针对我国混合交通的特性,阐述了单向交通与公共交通及自行车交通的关系。     

交通控制设施的可视性与交通安全

重视交通控制设施建设是构建现代立体化交通网络与保障道路交通安全的重要措施,也对人民群众生命安全、各行业经济发展及和谐社会建设等产生了促进作用。文章简单分析交通控制设施的可视性,为实现交通安全的目标提出一些具体可操作的新建议。     

交通仿真技术在交通事故研究中的应用

交通事故研究对于个人和整个社会都具有重要意义。简述了交通问题的研究方法,并以仿真软件TSIS中的FRESIM模型,分析研究高速公路中的事故黑点对交通特性及环境的影响。另外,通过采用不同的管理措施,进行事故间接经济损失分析。     

佛山市交通规划中的交通分配预测

专适于城市道路网络的交通均衡分配模型(stochastic user equilibrium，SUE)考虑了城市道路网中交叉口处的分流向延误，更接近于城市道路网络的实际交通情况，优于常规的交通分配模型。将根据SUE模型编制的分配程序TRANS应用于佛山市交通规划中的交通分配预测中，得到了更加真实可靠的分配结果．验证了该模型和程序的可靠性和实用性。     

应用交通仿真软件PARAMICS验证交通分配模型

为了考察交通分配模型能够在多大程度上反映现实的交通状况，需要对交通分配模型进行验证，本文阐述了利用微观交通仿软件PARAMICS对交通分配模型进行验证的研究思路。通过建模工具Modeller提供的图形界面，研究者不但能够非常直观地观察交通分配模型的效果，而且可以利用其分析工具Analyser对结果全面分析。因此RARAMICS是一个验证交通分配模型性能优良的平台。     

交通影响分析中的交通量预测模型研究

交通量预测是交通影响分析中的基础性工作之一。从面向应用的角度出发，给出了一种用于交通影响分析（TIA）的交通量预测模型。该模型基于回归分析、时间价值原理与重力分布原理预测交通量建立。实例应用表明模型是实用的。较之传统经验方法，模型能够有效定量预测新建公共建筑交通影响分析中的交通产生量。     

公交站点交通拥挤的车流波动理论分析

公交站点是交通拥挤的常发地点。文章应用车流波动理论分析了公交站点的交通拥挤状况，分别对有公交专用道路和无公交专用道路两种情况下的交通拥挤进行了分析，并应用TSIS交通微观仿真软件对北京市西大望路上八王坟公交站点的交通状况进行了仿真研究，验证了文章的结论。