城市道路交通流实时数据质量控制技术

随着城市交通系统越趋复杂．交通数据量越趋庞大．传统的历史数据修正方法和交通流理论修正方法在数据质量控制上渐显不足,以致隐含在交通流数据中的真实规律得不到体现？文章总结归纳国内外相关领域的研究成果,结合广州市在建和已建智能交通系统中数据质量控制技术现状,提出一种基于数据类型、缺遗原由等特征的城市道路交通流实时数据质量控制技术,并且通过实际工程应用案例验证了该项技术能有效解决交通数据处理的;住确性、可靠性和实时性问题。     

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型，提出了交通流参数的线性神经网络方法，且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究。     

交通流数据质量检验方法

交通流数据目前对于交通相关研究具有很重要的参考和使用价值。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性,并为数据的管理和应用提供可靠的数据基础。交通流数据常见问题分为数据缺失、数据无效和数据时间点问题三类,针对这些问题,本文提出了一种交通流数据检验与修复方法。以北京市交通流数据为例,对本方法进行了分析与验证。结果表明此方法具有很好的实际应用效果。     

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型,提出了交通流参数的线性神经网络方法,且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究.     

道路交通流检测器数据预处理技术研究

检测器采集的交通流信息往往具有一定的误差，数据预处理就是对数据进行初步加工，提高数据质量的过程。本文着重讲述了交通流检测数据预处理的基本过程，并提出了一些新的处理方法。     

基于小波变换的交通流数据集成灵敏度分析

道路上的交通流数据通常是以20-30秒间隔采集并传递到交通管理中心的，为了使这些数据能够广泛地运用于各种交通用途，必须采用合理高效的集成方法对其进行处理。传统的数据集成方法基于数理统计的理论，该方法不能有效地去除数据中的噪音。近年来迅速发展的基于小波变换的交通流数据集成方法克服了这一缺点，通过对交通流数据的频率特性进行详细分析能够使集成更加高效，准确满足不同的交通用途对集成的需求。但该方法尚未作进一步的灵敏度分析，本文通过对数据集成中小波函数和数据样本量这两个重要参数的分析，从理论的角度探讨了这两个参数变化对数据集成的影响。然后以北京市三环上的交通流数据为例，计算得到了数据集成建议采用的小波族和小波阶数，以及合理的最小样本量。该结论对数据集成在将来的实际应用具有指导意义。     

交通流可预测性分析

交通流的可预测性是进行短期交通流预测的基础。本文首先判别了短期交通流的混沌特性，求解出表征交通流“蝴蝶效应”的最大Lyapunov特征指数，在此基础上按照交通流动力系统运动轨道的演化特点求解出最大可预测时间，但是交通流系统是开放的复杂巨系统，最大可预测时间涉及到的影响因素很多，论文分析了交通流历史数据样本的大小和数据中含有的噪声对交通流可预测性的影响和随着预测步长的增加，交通流可预测性的衰减特征，得出交通流可预测性是一个综合指标，不能仅仅以最大Lyapunov指数的倒数来确定，应综合分析考虑。论文得到的结果在实际的交通流数据中得到了验证。     

ITS实时检测交通数据的质量控制及实例分析

结合国内外实时检测交通数据的质量控制的大量研究,归纳了ITS检测的实时数据错误的类型,引入了ITS数据质量控制的概念及关键技术,并结合实例对ITS数据质量控制关键技术的算法进行了探讨和研究.为保证高质量的实时检测交通信息提供了一个可行的解决思路.     

ITS实时检测交通数据的质量控制技术探讨

实时检测的交通数据的质量对先进的交通信息系统和ITS来说至关重要.但由于各种原因,检测到的部分交通数据不能得到有效的利用.文章结合国内外相关领域的大量研究,归纳了ITS检测的实时数据错误的类型,引入了ITS数据质量控制的概念及关键技术,并对ITS数据质量控制关键技术的算法进行了总结、探讨和研究.为保证高质量的实时检测交通信息提供了一个可行的解决思路.     

多变量聚类分析的高速公路交通流状态实时评估

针对交通状态单变量判断传统方法的不足,本文建立了基于多变量聚类分析的高速公路交通流状态实时评估方法.结合实际交通流数据,利用模糊聚类、K均值聚类等算法对速度、流量等向量进行聚类分析,给出适合当前高速公路特点的交通状况划分方法和关键参数.本文方法能够实时、准确、全面地反映交通流的运行情况,为制定高效的交通管理控制方案及合理的出行方案提供数据基础.     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

基于基尼系数的高速公路网流量不均衡性研究

要:受路网结构及沿线经济发展水平等影响,高速公路呈现出流量分布的不均衡性,本研究提出利用基尼系数量化路网流量分布不均衡性,这对全面掌控交通流量分布规律和提高路网的运营效率具有重要意义.首先,本文构建多车型下的高速公路网交通流量分配模型,以计算路径选择概率和断面交通量;其次,综合考虑路网拓扑结构、出行路径选择行为和交通流量等,建立考虑流量分布的高速公路网络特性模型,以反映节点或路段在路网中的重要性;再次,采用基尼系数评估高速公路网流量分布不均衡性;最后,结合山东省区域高速公路网和收费数据进行实例分析.结果表明,采用基尼系数分析高速公路网流量分布不均衡性的方法灵活,能够量化不同空间维度的流量分布不均衡性.     

�������Ԥ��ģ�͵Ķ�ʱ��ͨ��Ԥ��

在现代智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.为了提高短时交通流预测的准确性,本文提出了一种基于组合预测模型的短时交通流预测方法.一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的匹配值;然后,将二者获得的信息进行融合,采用多种不同的组合方式来实现短时交通流预测.以厦门市莲花路口断面的交通流量为例,通过对仿真图像和数据的分析,得出各种组合方法的预测平均绝对相对误差均小于10%,能够较好地满足交通诱导系统的需求.     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

Traffic Flow Data Recovery Algorithm Based on Gray Residual GM(1, N) Model

Because of the basic data support and continuous motive force for the intelligent transportation systems (ITS), the quality of the raw traffic data detected from traffic sensors directly affect the follow-up benefits of the entire system. In view of the widespread failure problems of collected traffic data, the paper takes the traffic flow data of intersection detector as the research object. A traffic flow data recovery algorithm based gray residual GM(1, N) model is proposed to effectively improve the quality of traffic flow data. First, the grey relational analysis is conducted on the traffic flow of four links at an intersection. Then a grey model GM(1, N) is developed for the estimated recovery of failure data. The residual modification is used to improve the accuracy of the repaired data. The results indicate that the proposed traffic flow data recovery algorithm is feasible. It is able to solve the post-processing difficulties due to data failure and it serves as a good method for failure data recovery in other areas as well.     

解决路网检测器布局问题的数形结合方法

为了获取各路段的交通流量,本文提出一种解决任意路网中检测器布局优化 问题的数形结合方法.首先基于交通网络的拓扑结构与代数关联矩阵间的联系定义平衡 矩阵和基本平衡矩阵;然后根据基本平衡矩阵的特点,找到n -1阶数（比网络节点数少 1）可逆矩阵M ,该矩阵所对应的路段集合就构成路网的一个支撑树(不需要安装检测器 的路段集合);最后根据流量守恒原理进行矩阵运算,全面、准确、快速地推算出未安装检 测器路段的交通流量.该方法揭示了路网中各路段流量间的数形联系,并避免了单独利用 代数或图论方法的操作复杂性,以及获取交通信息不及时性.通过具体算例验证了此方法 的可行性和有效性.     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

有限理性下考虑出发时间选择的网络交通流演化

假设出行者出发时间与路径选择随历史出行信息的更新而不断调整,研究网络交通流逐日动态演化规律.考虑出行者有限理性,基于累积前景理论,建立了出行者出发时间选择、时间间隔权重更新、路径选择及路径行程时间分布更新模型.通过数值实验表明:出行者对历史理解行程时间依赖程度对每个出发时段的稳定的流量分布无显著影响,但是对路径流量演化有显著影响;当出行者对历史理解行程时间的依赖程度大于等于0.90时,考虑出发时间选择的路网流量演化最终能达到稳定状态;从系统的整体效率来看,当出行者对历史理解行程时间的依赖程度在[0.90,0.95]时,有限理性下的交通分配结果优于完全理性.     

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络 (Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.