基于神经网络及关联性修正的交通异常预测研究

为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法.基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度.应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46%,皮尔逊检验值均大于1.642,预测的结果的可信度大于80% 的置信水平.      

基于小波变换的城市道路交通事件检测

利用出租车浮动车数据对城市道路行程车速的表达能力,针对出租车空车和重车2种数据运用小波变换技术分析了城市道路交通状态突变点,据此进行了城市道路交通事件的检测。区别于以往小波变换技术,首先运用于数据降噪,再将处理数据运用交通事件检测算法判断,直接采用小波变换技术实现了对城市道路间断流的交通事件的检测。并利用实际采集数据对提出的交通事件检测算法进行了验证,结果表明算法能够对交通事件进行更综合的检测,检测准确度得到了提高,能够为城市交通信息发布和交通诱导提供更加可靠的信息。     

基于小波变换的ITS数据集成方法研究

为了提高实时的ITS数据对交通规划的实用性,需要对原始的ITS数据进行合理的集成,以满足不同类型用户的需求。首先对运用统计分析和小波变换两种方法进行ITS数据集成的原理做了分析和评述,然后重点建立了基于小波变换理论的ITS数据集成方法,该方法将一段时间内的ITS数据视为随时间变化的随机信号,利用小波变换将ITS数据分解为低频成分和高频成分来进一步处理,最后应用MATLAB软件结合实际数据进行了编程实现,并给出了不同分解层次下的建议集成度。     

基于浮动车车速数据的交通状态实时判别系统和方法

提出一种交通状态判别方法,使之符合交通状态变化连续性。基于浮动车数据特性分析,考虑交通阻抗及临界跳变现象的影响,通过预判别及二次修正,优化了交通状态判别结果。该方法能有效滤除交通状态参数在阈值附近频繁变化产生的交通状态非正常跳变,同时可以修正异常数据导致的交通状态阶跃,从而优化了交通状态判别结果。构建并实现了基于该方法的实证系统,通过多种指标的验证,表明该方法提高了交通状态发布的准确度。     

基于小波包变换的交通事件检测

简介小波包变换的基本原理。采用小波包变换的方法进行交通事件检测，并给出了利用小波包变换进行交通事件检测方法的步骤。经与实际数据分析、比较，表明小波包变换用于交通流数据分析有其优越之处。     

基于小波分析和神经网络的交通事件自动检测

提出了利用小波分析和神经网络进行交通事件自动检测的方法，其基本思想是通过小波变换对原始采样信号进行奇异点检测，然后通过神经网络对小波变换的结果进行分类，最后给出交通事件的信息。通过MATLAB仿真实验，证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。     

基于OD数据校验的交通流量检测数据修正方法

运行稳定,检测精度高的交通信息检测设备是智能交通的需求。针对高速公路车检器流量检测数据精度不高的问题,以OD数据得到的断面流量数据为基础,提出了修正车检器分车型流量检测数据的方法以及评估车检器稳定性的方法。研究过程主要运用数据预处理、数理统计等数据挖掘的关键技术对车检器流量检测数据进行挖掘分析,得出车检器分车型的修正系数,将还原后的流量检测数据与修正系数相比较对流量检测数据进行修正,将修正后的数据与实际的断面流量数据相比较得出车检器的稳定性,最后通过实例测试进行了修正结果的误差验证,测试结果表明,小型车和总流量的误差均在±4%之内,且90%的数据在±2%之内,方法对小型车及总流量的检测数据修正效果良好;中型车误差80%在±5%之内且大部分为负值,说明修正结果较实际断面流量普遍偏小;大型车误差在10%之内且为正值,说明误差较大且修正结果较实际断面流量偏大。大、中型车车流量误差偏大可能是由于车检器将一部分中型车判定为大型车所致。     

基于出租车跟踪的市区路网交通状态估计方法

为了获取市区路网的交通状态,提出了一种基于出租车跟踪的市区路网交通状态估计方法。该方法采用GPS定位设备获取出租车的行驶数据,然后结合数字地图数据对其中的位置数据进行修正,并采用A^＊启发式搜索算法对出租车进行跟踪,最终通过计算出租车跟踪路径在所覆盖路段上的置信参数来实现对市区路网交通状态的估计。基于上海市的出租车GPS调度数据和市区路网数字地图数据的应用实例验证了这一方法的可用性。     

城市道路交通实时状况监测系统数据库设计

针对我国目前城市道路交通实时状况监测系统数据库未能较好地满足对数据处理的需要,在全面分析道路交通实时状况监测系统对数据需求的基础上,对数据类型进行了划分归类、对数据处理流程进行了分析,设计了数据库的概念结构并介绍了逻辑结构设计的方法和物理设计的注意事项,为设计开发或改进现有城市道路交通实时状况监测系统数据库提供理论参考。     

基于短时交通预测的公路交通异常判别方法

普通公路由于受到检测设施布设稀疏的制约,若沿用传统的交通事件自动识别方法,其判别率将低于高速公路或城市道路,而误判率也将高于高速公路或城市道路。为了便于公路管理者对普通公路发生交通异常时及时处理,以短时交通预测为基础,将交通异常的定义作为为判别标准,提出了1种新的交通异常判别方法,该方法能够排除由常发性交通拥挤和幽灵瓶颈现象引起的异常误判。试验表明,基于短时交通预测的公路异常判别方法精度误差在0.2以内,能够较好的实现对交通异常的判别。      

许可相位下饱和流率修正系数研究

为了分析信号相位设置对交叉口交通设计的影响,揭示许可相位条件下交通流的运行规律,以许可相位条件下左转车流对饱和流率的修正系数为研究对象,将许可相位条件下的车道分为3类:左转专用车道、直左共用车道和一般直行车道。采用微观交通仿真软件为研究工具,对各种交通条件下的交通运行特征进行了仿真分析,在大量仿真实验数据的基础上,采用回归分析的方法,得到了许可相位条件下左转车流对饱和流率的修正系数的计算模型。该模型无需事先输入信号配时参数,适宜于交通设计阶段进行信号配时时饱和流率的估算。最后通过若干组数据验证了该模型的有效性。。     

数据融合技术及其在交通领域中的应用

本文通过对数据融合基础理论的总结与剖析，提出了数据融合技术在交通运输中的应用领域以及交通数据融合的数据处理过程，并以车辆行驶轨迹跟踪作为实例讨论了数据融合技术在交通领域中的具体应用。     

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...     

基于多时间尺度一步外推的短时交通参数多步预测方法

为了进一步提高短时交通参数多步预测的效果,以自适应指数平滑法、BP神经网络法和小波分析理论作为基础模型,利用前一时刻预测误差确定基础模型在组合模型中所占权重,提出了一种交通参数一步预测组合模型;通过分析交通参数合成和分解机理,在分别提出多时间尺度交通参数合成方法和交通参数分解方法的基础上,设计了一种基于多时间尺度一步外推的短时交通参数多步预测方法,采用某大城市感应线圈1 min时间尺度的交通参数数据进行了验证和对比分析.验证结果表明,交通参数一步预测组合模型的预测效果明显优于任一基础模型,且该方法的多步预测效果明显优于循环一步外推短时交通参数多步预测方法.     

面向实时交通状态参数估计的浮动车车速置信优化算法

针对浮动车数据稳定性问题,在浮动车及其数据特性分析的基础上,设计了考虑车速置信权重的交通状态参数算法。以车速、样本数和时间为衡量基准得到置信权重,据此计算交通状态参数。在出现异常数据时进行去噪处理;在数据量不足或数据连续性不好的情况下融合历史数据及临近时段数据,以反映真实交通状态。通过编程仿真和实地实验,对优化算法进行数值分析和测试,证明该算法可有效消除异常数据波动和数据量不足的影响,对交通状态参数估计具有较高的准确度和平稳性。     

基于小波提升框架的交通目标检测与跟踪

交通图像分析是智能交通领域的关键技术之一。为实现复杂交通场景中的多目标检测与跟踪,设计了一种结合小波提升框架和KLT特征点跟踪的多运动目标检测与跟踪算法。对序列图像中相邻两帧图像的融合图像进行小波提升变换,求取水平和垂直方向上的小波能量,通过合理阈值二值化小波能量矩阵,再利用贴标签方法检测出运动目标;利用KLT特征点集合代表目标,通过跟踪后的特征点集合与目标检测区域的相互关联,实现多目标的跟踪。实验结果表明了所提算法的有效性。     

修正四阶段法在城市交通抗灾规划中的应用

根据地震环境下不同恢复阶段的社会经济活动及交通系统特性,对传统交通预测四阶段法———出行产生、出行分布、方式划分、交通分配的宏观模型进行了修正,讨论了不同模型的参数变化趋势,建议了参数的调整原则及方法,进而以修正四阶段法为基础进行震后交通需求预测。该方法简便易行,预测得到道路通行能力、流量、负荷度和平均运行时间等多个指标,为城市交通系统防灾规划提供决策依据。最后,结合我国东南沿海某城市的工程实践,有针对性的进行了应用和验证。     

交通信息提取计算理论及其技术框架与发展策略

在概要介绍信息提取计算技术(Granular Computing)的发展概况、有关概念、基本理念和技术要点的基础上,分析信息提取计算技术对于交通数据处理的适用性,将信息提取计算技术引入交通数据处理领域,从理论方法、支撑环境和应用技术三个方面,提出了交通信息提取计算技术的概念模型和技术框架,并在理论方法上进行了较大拓展,融入了传统数学方法、知识发现型方法和非量化方法。最后,分析并提出了交通信息提取计算技术的总体发展思路和推进策略。     

信号交叉口起动波模型修正

通过研究交通波理论中的起动波模型,发现传统起动波模型理论计算值与实际观测值偏差较大,认为导致传统起动波模型产生偏差的原因在于推导过程中采用了格林希尔治模型,因此论文采用格林伯模型对起动波模型进行了修正。修正后的起动波模型经交通调查数据检验,理论计算值与实际观测值近似相等,误差均不超过5%。修正后的起动波模型,可应用于信号交叉口车队起动过程分析和信号配时效果评价。     

基于小波变换的关联交叉口群关键路径识别方法

为提升关联交叉口群信号控制的性能,针对关联交叉口群各交叉口关联性强的特点,采用小波变换对关联交叉口群各进、出口的交通检测流量数据进行分解、降噪、重构,并利用系统聚类方法识别关联交叉口群的关键路径;最后应用南京市广州路某交叉口群的实测数据对模型的可靠性进行了检验。结果表明：该模型识别的交叉口群关键路径与实际情况相符;该关键路径识别方法受外界干扰小,适用于各种交通状态,拥有较高的运算效率和可靠性,可作为关联交叉口群信号控制优化的基础。