基于可视化技术的交叉口短时交通流预测研究

为通过视觉图形实现交通流时序特征可视化,精准掌握交通大数据驱动下交叉口交通主体的移动趋势,构建交叉口短时交通流可视化预测系统。通过Python中的Matplotlib实现交叉口交通流时序可视化,利用ARIMA模型进行短时交通流预测,并以OpenITS合肥市示范区黄山路-科学大道交叉口数据进行实例验证。结果表明,该系统可实时、在线实现不同时段交通流分布规律可视化,并能有效提取交通流时序特征,ARIMA(1,1,0)模型的3个评价指标的预测误差均小于10%,具有较高的预测精度。     

非常态交通状态下居民出行关注点挖掘分析

在非常态交通状态下，及时准确地挖掘居民出行过程中的关注点，满足居民出行需求是提高客运服务质量的关键，更是对客运服务系统的一种考验。以“疫情”期间与公路客运相关的舆情数据为基础，进行居民出行需求及其关注点挖掘分析。首先，利用深度学习Doc2Vec算法将文本数据进行向量化处理；其次，对一个时段内所获得的向量化处理后的数据进行聚类分析，基于文本主题模型(LDA)对聚类结果的每一簇进行深度分析，提取旅客出行需求；最后，通过对实际数据处理结果的分析，验证了所提方法可准确地挖掘出非常态下旅客出行过程中的关注点，其结果可以作为交通运营服务评价和交通管理决策的重要依据。     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.     

交通分布建模理论综述

在道路规划和设计过程中,交通量的预测一般都采用四阶段法。作为四阶段法的第二个阶段,如何准确地建立交通的分布模型一直是一个难点。由于每个交通出行都是个体行为,而四阶段法作为集计模型,需要将个体的出行行为转化成宏观层面的交通分布,因此,在交通分布层面应反应出个体出行是检验交通分布模型是否合理的标准。基于熵的最大值原理,该文对交通分布建模方法及理论进行了综述。     

“四阶段法”在广州开发区公共交通需求预测中的应用研究

采用基于VB编程的"四阶段法"对广州开发区公共交通需求进行了预测.交通生成预测采用生成率法进行交通发生和吸引量的预测;而交通分布预测则采取增长率法中的弗雷特法;对于交通方式划分根据宏观与微观相结合的思路,采用单约束重力模型来进行开发区未来各规划年交通方式结构的预测;利用前面3个预测数据得出公共交通出行预测.公交出行OD矩阵的得出是广州开发区公交线网规划的依据.利用计算机语言VB开发了相应的计算程序,对相应的预测阶段进行具体的计算.     

基于神经网络的交通方式选择模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。     

重力分布模型在TransCAD中的应用研究

在“四步法”交通需求预测中．交通分布模型用于预测起讫点之间的交通出行空间布置状况．重力模型是其中比较完善和成熟的。TransCAD是国际流行的交通地理信息系统软件，其交通分布预测功能以直观和准确见长。章从讨论TransCAD重力模型的工作机理入手，剖析了交通分布预测应该解决的关键参数，给出了利用TransCAD重力模型进行交通分布预测的操作规程。结合应用实例，探讨了TransCAD重力模型的标定流程和操作方法。     

黄石市居民出行特征分析及客运交通发展战略研究

根据黄石市2000年居民出行调查的有关数据，分析黄石市居民出行基本特征：出行次数，出行目的构成，出行方式构成，不同出行方式的平均出行时耗，出行时辰分布。并在此基础上，结合黄石市客运交通现状及城市总体规划，从道德网通行能力，公共客运交通优先，快速交通系统，客运交通管理，政府的公共客运交通政策，公共客运交通发展规模及公共客运交通行业服务标准等方面，提出了黄石市客运交通发展战略和保障措施。     

基于多源数据的夜间出行需求空间效应及其异质性分析

为了揭示多维因素对出租车夜间出行需求的空间影响机制与局部关联特征，基于多源数据，利用空间计量模型和多尺度地理加权回归（MGWR）模型分别从全局和局部视角研究多维因素对夜间出行需求影响的空间效应及其异质性。首先，利用出租车GPS数据在分析夜间出行时空分布特征的基础上，明确夜间场景下的研究区域及时段划分；其次，从建成环境、人口分布、路网结构3个维度提出夜间出行需求影响因素指标体系，并基于POI数据、手机信令数据和路网数据进行指标量化。在交通小区尺度下分时段构建空间杜宾模型，从全局视角探讨不同时段下主要影响因素对夜间出行需求的空间效应；通过构造距离负指数衰减形式的空间权重矩阵，量化分析关键影响因素的空间溢出效应随地理距离变动的过程。最后，借助MGWR模型从局部视角分析主要影响因素对夜间出行需求影响的空间异质特征。研究结果表明：各解释变量对夜间出行需求的直接效应大多在0.05水平下显著，而溢出效应差异明显；美食与停车设施密度影响最为显著，两者的溢出效应在不同时段分别表现为负向和正向影响，即美食设施呈现出虹吸现象，停车设施具有诱发作用；停车和美食设施对夜间出行需求的空间溢出效应随距离变化均具有非线性衰减特征，分别呈现先增强后减弱的倒“U”形过程和负向先减弱后增强的过程，并在地理距离分别为1 500 m和1 000 m时，空间溢出效应达到最强；MGWR模型拟合效果优于经典GWR模型，局部回归系数的空间分布模式表明关键影响因素对夜间出行需求空间作用的异质特征显著。研究结论从夜间设施影响范围及强度的空间差异等方面为夜间交通需求的科学预测提供理论依据，进而为夜间商业及交通配套设施的合理配置提供方法支撑。     

Outsourced probe data effectiveness on signalized arterials*

ABSTRACT

This paper presents results of an I-95 Corridor Coalition sponsored project to assess the ability of outsourced vehicle probe data to provide accurate travel time on signalized roadways for the purposes of real-time operations as well as performance measures. The quality of outsourced probe data on freeways has led many departments of transportation to consider such data for arterial performance monitoring. From April 2013 through June of 2014, the University of Maryland Center for Advanced Transportation Technology gathered travel times from several arterial corridors within the mid-Atlantic region using Bluetooth traffic monitoring (BTM) equipment, and compared these travel times with the data reported to the I95 Vehicle Probe Project (VPP) from an outsourced probe data vendor. The analysis consisted of several methodologies: (1) a traditional analysis that used precision and bias speed metrics; (2) a slowdown analysis that quantified the percentage of significant traffic disruptions accurately captured in the VPP data; (3) a sampled distribution method that uses overlay methods to enhance and analyze recurring congestion patterns. (4) Last, the BTM and VPP data from each 24-hour period of data collection were reviewed by the research team to assess the extent to which VPP captured the nature of the traffic flow. Based on the analysis, probe data is recommended only on arterial roadways with signal densities (measured in signals per mile) up to one, and it should be tested and used with caution for signal densities between one and two, and is not recommended when signal density exceeds two.     

出行需求分析的新方法:活动模型的应用研究

结合我国交通规划实际情况,提出新型的基于活动的出行需求分析方法,通过大量的调查数据和严密的分析,研究了数据转换的过程及方法,用以分析活动与出行的关系,并以此作为活动模型与出行模型之间的桥梁。详细阐述了数据选择和整理方法、有效性检查规则;应用居民出行调查数据,分析活动及出行特征作为模拟的基础,并提出基于交叉分类的出行量预测方法;然后制定活动-出行行为的详细模拟流程,研究各特性变量的模拟方法;给出模型的验证及确认方法,并编写计算机程序实现模拟流程。该方法已应用于辽宁某市城市居民的活动与出行特征分析,验证结果显示该方法具有较强的实用性,为活动模型的研究提供了参考。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据，基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素，选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据，选取3 000组实际运行数据完成公交行程时间预测模型的训练，另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间，预测值平均相对误差为3.23%，绝对误差集中在8 s左右，明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型，可认为选择RFID电子车牌数据作为组合模型的输入，能够明显改善模型预测精度；组合模型预测值的残差分布更为集中、鲁棒性较好，泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标，结果进一步表明，组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

多元交通资料融合进行旅行时间预测——以台中港路为例

利用倒传递类神经网路,单以资料本身进行路段旅行时间预测,避免建立高复杂度的模式以及环境所产生的干扰下,建立不失精准度的预测模式。研究过程中发现：若仅考量路段中的车辆侦测器资料用以预测旅行时间,其预测精准度较劣於融合车辆侦测器资料及公车旅行时间资料之精准度,且发现预测精准度於尖峰时段较准确,故可推论使用一种以上的多元探测器所得之交通参数资料且於车流量较大之路段皆可提高路段旅行时间预测之精准度。     

中国城市群交通系统发展特征研究

针对中国城市化进程不断加速的趋势,面向十二五期间中国城市群发展对交通发展的影响和要求,运用系统分析、交通规划、城市规划、需求分析以及适应性的理论和方法,从城市群交通需求特征、网络结构以及交通模式3个方面全面分析中国城市群交通系统发展特征,提出了适应中国城市群交通发展的总体思路和发展对策。研究结果表明:中国城市群交通系统仍需不断完善,应重点关注城市群城际通道优化、城市出入口衔接、综合枢纽建设以及一体化管理体制的推进。研究结果能够为科学制定中国城市群交通发展规划及相关政策奠定基础。     

车载路径与导航系统实例研究

提出了车载路径与导航系统的框架,给出了该系统在长春试验的详细报告。在本次试验中,课题组验证了该系统的几个关键部分的可用性,如行程时间预测,最优路径规划和引导,GPS/DR/MM组合定位和诱导方式等。试验结果是有益的效果与问题并存。最后,分析了这些问题的原因与解决方法以及车载路径与导航系统在中国的发展前景。     

居民全日出行方式选择动态模型研究

为改进现有交通方式选择模型,提高交通方式预测模型精度,基于出行链建立了居民全日出行方式选择动态模型。从居民出行方式选择机理分析入手,确立出行方式选择动态影响因素,在多项Logit模型（MNL模型）的基础上建立了方式选择动态模型。模型中增加了2类动态影响因素,即先前出行方式选择结果对后面出行方式选择的影响和主链的出行方式选择结果对子链出行方式选择的影响。最后以安徽省淮北市为例对模型进行了实例分析。结果表明：所建立的动态模型的优度比和预测准确率较基于单次出行效用的MNL模型有较大提高,变量在模型中的意义符合中国国情,模型可服务于城市交通规划和交通政策制定。     

公交到站时间预测研究现状与发展趋势

实时的公交到站时间预测是智能公交的重要组成部分,准确的预测有利于帮助居民进行出行规划和减少等待时间.通过研究公交到站时间预测的原理和方法,系统总结了基于GPS、APC等数据的统计学方法和分析模型.对历史平均法、神经网络、卡尔曼滤波、支持向量机和基于概率的预测模型等几种典型方法的预测原理进行了介绍,从预测精度、实时性、计算复杂性等几个方面对模型的优缺点进行了比较.分析了公交到站时间预测发展趋势,提出了该领域需要进一步研究的问题.      

交通出行统一帐号的电子支付MaaS运营探索

交通出行已经定位为民生实事,要求2019年全国260个地级以上城市交通出行城际无障碍互联互通,同时交通出行在不断创新的服务推动下已经悄然升级到MaaS一体化智慧出行新时代,电子支付已经成为交通出行MaaS服务的强力推手,必须对各类电子支付实现集约化运营。提出了基于统一帐号的金融级安全+电信级通信能力的交通出行聚合支付体系架构,基于该体系架构交通运营机构可利用自身优势资源,向用户提供多种账户,多种接入方式的出行全业务聚合支付服务,在完成交通运输部城市交通出行互联互通的同时构建了基于资金信息流的出行“数据链”,向云计算和大数据的智慧服务和运营体系推进。