���ڳ���ʶ�����ݵij��е�·����ʱ��ֲ����ɼ����Ʒ����о�

利用北京市道路交叉口的车牌识别数据,应用假设检验的方法研究城市快速路及主干道的旅行时间及其可靠性的分布与估计方法.首先使用四分位数据筛选法对原始数据进行了筛选,获得分析所用数据集.其次对旅行时间的分布进行了研究,提出了与旅行时间有关的分布假设并进行了相应的检验分析,随后研究了旅行时间分布与路段道路运行状况的关系.基于对北京市的数据分析可以看出,道路拥堵时旅行时间分布多接近Weibull分布,通畅时接近对数正态分布.最后,本文进一步探讨直接利用正态分布进行数据拟合以及参数估计的可行性.案例分析显示,使用正态分布估计旅行时间平均值误差较小,但对旅行时间可靠性的估计则误差较大.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

���е�··������ʱ������Է���

了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明：（1）平均路段旅行时间能够判断上述三个状态;（2）在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;（3）路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间.     

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.      

��������ͨ��Ϣ�ɼ��봦��ؼ���������Ӧ���о�

为了推动浮动车交通信息采集与处理技术的深入研究、沟通交流和推广应用，本文在概括总结国内外研究及应用现状的基础上，重点描述了基于浮动车运行数据进行实时旅行时间和平均速度估计及预测、拥堵状态判断的核心流程，介绍了国家智能交通系统工程技术研究中心自主研发的创新性的关键技术，其中主要包括浮动车地图匹配算法和路段旅行时间估计算法等，展望了浮动车交通信息采集与处理技术的应用前景。     

基于GPS的路段旅行时间和速度估计算法研究

GPS已经广泛应用于交通领域。本文探讨了利用GPS车辆定位信息,进行路段旅行时间和路段平均速度估计的相关算法。重点讨论了在GPS返回数据的不同情况下,进行旅行时间的推算,以及平均速度的估计。通过路上试验,说明该算法能够得到路段合理的旅行时间和平均速度,能够描述路网的运行状态。     

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型，提出一种新的随机约束岭估计，得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计（Yalian，2008）和另一随机混合估计（富月，2003）的充要条件。理论结果与数值实验都表明：新的估计在均方误差矩阵意义下的性能是优良的。     

移动检测技术的研究

移动检测技术是智能交通系统中实时获取交通信息的重要手段之一．介绍了移动检测技术的概念及优缺点，对当前移动检测技术中的关键问题：如检测车辆占车流的百分比，利用移动检测技术估计和预测的交通指标以及估计、预测方法作了详细介绍，指出如何确定检测车在车流中所占百分比，利用该技术对旅行速度、旅行时间进行估计和预测，以及基于链路的估计、预测方法优于基于路段的估计、预测方法、     

���ڸ����������ij���·�����㷽��

城市道路交通运行状况信息（路况信息）的准确、实时的获取和处理是交通诱导、交通控制等应用的基础。而路况信息一般用路段平均通过时间和平均速度来表示。本文在分别对基于平均速度和基于平均通过时间的算法误差分析的基础上，提出了基于浮动车技术的城市路况计算方法。并利用广州市出租车综合管理系统提供的浮动车数据，结合车牌计时和跟车测试等实验对该方法的有效性进行了验证。实验结果表明本文所提出的方法是有效且实用的。     

����̽�⳵���ݵ�·�ν�ͨ�����о�

现有探测车系统的探测车数量不足,尚无法满足实时采集交通状况的需求.因此,现阶段探测车历史数据是了解城市道路的交通状况变化（Time of day variability）的重要依据.基于日本名古屋探测车实证试验获得的探测车历史数据,研究了某一干线路段的平均速度的变化特性（Time of day variability）,并分析了平均速度的变动是否能够正确地反映路段交通状况的变化特性.结果表明,获取城市道路的路段交通状态不能仅依靠平均路段旅行时间、平均速度等旅行时间指标,还需要探测车数据量等流量指标：在高峰时段,应以平均速度等旅行时间指标作为拥挤程度变化趋势的依据,而在非高峰时段,应以探测车数据量等流量指标作为估计交通状况变化趋势的依据.     

北京市南中轴路快速公交运营效果分析

在介绍北京市南中轴路快速公交概况的基础上,从常规公交线路调整和交叉口信号优先两方面阐述了南中轴路快速公交实施的保障措施,并且从道路交通系统、公交服务水平和乘客满意度三方面具体分析了BRT的运营效果.同时,通过对比BRT与轨道交通,得出了BRT较明显的优势.最后,针对规划和运营中存在的问题提出了相应的改进建议措施,如组织编组运营、加快高峰时间的车辆周转、加开大站快车、加开区间车和尽快投入超大容量车型等措施,并对建设与运营提出了一些思考.     

快速公交预感应信号优先协调控制策略

提出了一种考虑交叉口协调控制的预感应公交信号优先策略,包括两个部分:信号配时优化和协调控制.假设公交车行驶时间已知的情况下,该策略通过按绿信比分配理想时间差和基于公交车站点时空距离转换的改进数解法来实现交叉口的配时优化和协调控制.为了获得该策略的实施效果,以常州市通江南路两相邻交叉口的单个方向为例,设计了四种信号控制情景(无优先、传统优先、预感应优先和预感应协调优先),并利用微观仿真软件VISSIM进行仿真分析.结果表明,四种情景中预感应协调优先策略大大减小了公交在交叉口的延误,提升了公交服务的可靠性,并且对社会车流的干扰最小.     

基于数据融合的公交客流规模测算方法

公交客流规模测算往往存在调查成本受限和准确度要求较高的矛盾.提出基于公交IC卡历史数据与人工补充调查数据的数据融合测算方法,以准确推算公交客流规模.首先根据公交线路的基本属性,采用聚类分析方法划分线路类型,从每一类中选择具有代表性的线路.基于IC卡数据分析公交客流时变特征,运用有序样本聚类Fisher算法将线路小时刷卡量进行聚类分析.划分刷卡量相似时段,进而采用优化方法确定调查抽样率,确定相应的调查车辆进行人工补充调查,最终经过数据融合计算获得公交客流规模.基于上海市某辖区IC卡数据进行案例分析,测算得到三类公交线路的日均客流量.     

基于电子支付数据的公交车厢满载率实时估算方法

针对公交监测和调度中要求实时掌握车厢满载率，以及“一票制”无法获取乘客下车信息等问题，构建基于数据驱动的组合模型，在乘客上车时即推断其出行OD站点，进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心，针对K近邻推断率过低等问题，研究在更大空间维度分析乘客出行规律并推断下车站点的方法，有效提升历史数据的利用率和下车站点的推断率；此外，针对偶发型乘客缺少历史规律数据的情况，充分利用站点下车客流量先验概率随机分配，实现电子支付乘客OD的全样本推断。利用跟车调查法对不同线路、不同班次的车厢拥挤度进行验证。结果表明，模型计算结果与实际结果相符，能够反映出不同线路、不同站段之间的车厢拥挤水平变化。     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。     

基于智能公交的城市道路服务水平实时评价与预测

研究了城市道路服务水平评价与预测所需参数的实时处理算法和采集方式.利用城区道路上的公交车为数据动态采集单元,智能采集公交车实时运行状态数据信息,计算公交车车头时距、分析车流速度,对滤波调整预测速度与实际速度进行对比分析,建立以行车速度、行程时间、拥挤程度为评价指标的城市道路四级服务水平实时评价与预测系统.该系统能为公交车运行及其交通出行者提供管理、信息服务,适时引导交通流量合理分布,高效地利用道路网络,减少城市交通拥堵,提高交通运输效率,为城市交通规划提供依据,对推动城市畅通工程及城市交通智能化的发展,有一定参考作用.     

基于公交IC 卡数据的上车站点推算研究

为了分析城市公交乘客的出行特征,本文利用公交IC 卡及GPS数据对公交IC 卡乘客上车站点推算进行研究.针对安装车载GPS设备的车辆,运用GPS数据与IC 卡数据融合算法进行推算;对于无车载GPS设备的情况,为适应一票制IC 卡数据挖掘,对贝叶斯决策树算法进行改进,允许节点跳跃,推算上车站点,并且利用Markov 链特性降低算法的运算复杂度.同时,本文以北京公交数据为例,对提出的两种方法进行验证.结果表明,利用本文提出的方法推算上车站点,3 站之内误差的准确率达到90%以上,算法在兼顾算法精度的同时合理地控制了运算复杂度,可以实际运用于城市公交系统.