基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

北京市主干路基本路段交通流特性及状态分析

基于实测数据和交通流模型,对北京市的主干路基本路段的交通流进行了分析,发现主干路交通流呈现出不同的相位特征,应用“三相交通流理论”,在城市主干路基本路段的流量一密度平面中将交通流划分自由流、同步流和堵塞流3个相位,并具体讨论各个相位的交通流特性及交通流的状态转变,确定了各个相位的关键阈值,标定每个相位的区域范围,同时定义了城市主干路基本路段交通拥挤的范围,并用分类与回归树（CART）方法对结果进行了验证。     

城市快速路交通流状态跃迁的实证分析

根据北京市二环路的实测数据分析了在高交通需求条件下的城市环路交通流特性,研究了交通流在临界密度附近的稳定性和车道间车流的同态性,即速度跃迁概率和车道间交通参数的偏差,结合三相位交通流理论中的同步流概念,将交通流状态划分为4个相位：自由流、高速同步流、低速同步流和堵塞,并通过实测数据分析了交通流在4种状态间的时间和空间演变规律。结果表明：分析得到的交通流状态和状态间时空变化规律,对交通流的短期预测、控制和诱导具有应用价值,同时也为分析交通拥堵机理、建立合理的交通流模型提供了理论基础。     

降雪天气下高速公路交通流状态划分

为了给降雪天气下高速公路交通管理者提供合理、准确的交通状态信息,提出了一种可用于高速公路降雪天气下交通状态划分方法。考虑到高速公路交通状态分类存在模糊性的特点,以速度、密度作为样本数据的特征属性,提出了改进的模糊C均值聚类(FCM)的交通状态分类方法。针对传统算法要求事先确定交通状态划分的数目c存在的缺陷,利用自适应函数求得聚类数c。以乌鲁木齐市机场高速公路为实例进行分析,获得降雪天气下交通流状态的划分结果。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

二分K-FCM结合算法在交通运行状态判别中的应用

正确判别交通运行状态是交通运营管理的理论依据。以高速公路交通状态判别为研究对象,综合考虑交通流三参数(流量、速度、占有率)的基础上,应用模糊C均值(FCM)与二分K均值结合算法对交通运行状态进行判别。首先,对交通数据集分布特征及交通运行状态特征进行分析,确定以V05~V85为最小欧氏距离判别的数据范围。其次,为解决算法收敛较慢及任意初始化质心对聚类结果的不良影响,对传统模糊C均值聚类算法进行了改进,将运行二分K均值算法的聚类结果矩阵作为FCM的初始聚类中心。经检验,改进的FCM可以有效减少算法迭代次数,得到的目标路段交通状态判别矩阵能较精准地划分高速公路不同的交通状态。     

交通流理论中几个概念的重新定义

交通流理论模型很多，但能够解决实际问题的却很少。多年来，此类问题一直困扰着交通界。章认为传统交通流理论中某些概念定义有缺陷，建模方法不严谨。从而导致了各研究方向的研究成果之间相互难以验证、引证；有的研究成果甚至出现了不能应用的尴尬局面。章应用流体力学的研究方法，分析了几个有缺陷的概念，如动量等，并提出了新的定义和概念，如稠密流和稀薄流、自由流密度等。这将有助于重新审视交通流的建模方法，使交通流理论更加系统、完整和科学。     

基于Vissim的3相交通流理论应用

交通流状态演变机理的研究是交通流理论中重要的一部分.以不同交通负荷下的城市快速路路段来研究城市快速路路段交通流状态演变的机理.由于无法进行大规模交通调查,所以利用Vissim仿真软件,仿真不同交通流量下路段交通流特性的变化情况.统计分析仿真数据,研究了不同交通状态下交通流的特性,并对各个交通状态转变的阈值作了界定,标定了每一种交通状态的密度取值范围.结果表明,在不同的交通负荷下交通流呈现不同的状态,路段上的交通流状态呈现为自由流相、同步流相和宽幅运动阻塞流相3种状态.      

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通系统中,交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法将外场设备采集到的实时交通流数据与既有的交通状态分类标准特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术和交通工程技术,对环形线圈监测系统采集的交通流基础特征数据进行挖掘,实现了一种交通状态分类方法,并对交通管理控制系统中实时交通状态的判断识别提供可靠的参照标准。     

城市道路冰雪路面交通流状态特性研究

在采集冰雪期北方城市主干路交通流数据基础上,采用多元统计中的因子分析法对冰雪期不同路面状态上的交通流状态进行研究,并对因子得分进行聚类分析,将交通流状态分为三类,根据这三类交通流状态在各种路面状态下出现的频率,再次聚类,得到不同路面状态下关于交通流状态的分类。这一结果为中国北方城市冬季交通诱导系统中交通流状态的识别提供了一定的理论基础和依据。     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要，研究了基于荷载参数特征的交通流状态划分方法。首先，基于实测交通流数据，按照车道属性统计分析得到交通流的单位小时特征参数样本，选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征；其次，改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性，即通过引入特征熵值来表征各特征参数对聚类效果的重要性，同时计算样本点与周围样本点的接近程度来赋予样本点权值，以削弱样本离散性对聚类质量的不利影响；最后，通过聚类算法得到11种具有不同参数特征的交通流荷载，分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上，对交通流状态划分具有良好的适用性；通过算法得到的不同类别的交通流荷载的特征参数差异性明显，其占有率也大不相同，同一类别的交通流荷载各样本特征参数聚拢效果良好；同车道内不同类别的交通流荷载的拉索等效应力差别较大，其变异系数均在0.2以上，尤其在考虑了不同交通流荷载模型的占有率后，这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有效、准确的，对相关大跨桥梁结构安全及耐久性评估有一定的参考价值。     

基于关键本征模态函数的道路交通信号控制时段划分方法

交通信号控制是缓解城市交通拥堵的重要手段，时段划分是信号灯控交叉口多时段控制的基础，合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口，传统时段划分方法主要借助于路口历史交通流量数据，依据人工经验或者简单聚类算法，直接进行时段划分，未能充分考虑交通流的时序性和随机性问题，不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响，本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据，提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系，优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分，使用关键成分代替流量数据进行有序聚类，完成时段划分。通过寻找不同分割个数下最小损失值突变点，获取最佳分割数，并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析，VISSIM仿真结果表明:①相比于现状，提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%，缩短排队长度18.67%和12.02%；②非工作日车均延误减少6.80%，停车延误减少5.87%，工作日车均延误和停车延误变化不大。      

快速路交通流时间序列聚类预测方法与模型

针对快速路路段日交通流曲线的相似特性,提出根据天气好、坏,工作日、非工作日作为特性向量,设计一种时间序列聚类算法对不同时间尺度下快速路交通流进行预测.结果显示:此聚类算法与预测模型充分利用了历史数据,30 min时间尺度下预测精度较高,平均绝对相对误差最低为3.34%.     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警，基于车辆OBD驾驶行为数据及信息熵理论，提出了城市道路交通安全风险预估方法。首先，分析异常驾驶行为高发位置与道路交通事故发生位置的关联性；其次，构建以道路交通安全熵为一级指标，急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系，提出了基于改进熵权法的道路交通安全熵计算方法；然后，基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法，并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性；通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法，可弥补log对数函数无法计算零值指标熵值的缺陷，避免指标权重为负、指标熵值与权重反映信息不一致的现象；两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出，道路交通安全熵与交通事故表征的道路交通安全状态趋势一致；道路交通安全风险等级可划分为高、低风险2级，道路交通安全熵优化阈值为0.042，最后，风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

动态聚类的城市道路交通状态判别分析

运用遗传算法确定最佳道路交通状态划分类型数,在此基础上引入模糊C均值聚类方法对道路交通状态进行了评价研究,分析得出了不同交通状态下的阈值。应用结果表明,该方法可实现对道路交通状态的评价,并能反映道路交通状态的变化。     

改进灰色聚类法在城市交通安全水平评价中的应用

在借鉴国内外城市交通安全评价指标及方法的基础上,结合我周实际情况,构建了城市交通安全水平评价指标体系,并参考城市道路交通管理评价指标体系,确定安全评价指标分级及标准。在此基础上,采用改进灰色聚类法对城市交通安全水平进行综合评价,根据聚类白化数确定三类灰类白化函数计算灰类白化值。以江苏省相关城市为实例,对城市交通安全水平进行了综合评价。     

区域交通流特征提取与交通状态评估方法研究

随着城市各种交通控制系统(UTC)的广泛应用,交通控制中心能够采集大量的交通流数据。通过对这些数据的分析来评价区域的交通运行质量和路口状况,从而有助于改进交通控制方案,这是一项新的研究内容。本文通过对区域内路口大量的检测器数据的分析,利用K均值聚类和EM算法相结合的方法,提取出表征路口交通流运行状况的特征向量。然后,给出典型交通区域内路口交通流运行的平衡因子,建立评价区域内路口相似性的相似性矩阵。利用北京市两个典型交通区域的实际交通流数据进行验证,结果表明该评估模型能够很好的反映北京市交通状况,并具有较好的可移植性。     

一种用于高速公路通行情况分析的收费数据挖掘方法

为更好地对高速公路通行情况进行分析,利用高速公路海量收费数据,提出了一种用于高速公路通行情况分析的数据挖掘方法。首先,在海量的贵州省高速公路收费数据中,筛选出指定进站名称及出站名称的数据并删除部分字段,仅保留与研究相关的内容,利用车辆进入收费站的时间和驶出收费站的时间计算出其在该路段上行驶的总时长,将行驶时长字段加入原数据。然后,采用孤立点检测算法清洗该数据,剔除其中异常值。完成上述预处理过程后,使用快速峰值聚类算法对行驶时长进行聚类分析,首先计算每条数据之间的距离,将距离矩阵作为该算法的输入并输出聚类结果;对比所采用的算法与K-Means算法对于行驶时长这一指标的聚类效果,可明显地看出该算法的聚类结果更接近于实际情况;然后将春节期间与2月第4周的收费数据进行聚类,通过对比可明显得出节假日期间各个车型通行比例的变化;将上述结果结合不同车型在不同时段的平均通行时间进行分析。研究结果表明：所提出的方法可有效地将在某段高速公路通行的车辆进行分类,并且分类结果与真实运行过程中车辆在高速公路上的通行情况一致,可为高速公路的运营管理以及维护方向提供合理的科学依据和数据支持。     

非常态下城市道路交通检测器布局优化方法

为了使城市道路上布设的交通检测器能够实时、准确地提供路网动态交通流信息,并最大程度地节约经济成本,通过仿真对交通异常事件下城市道路交通流量和车辆延误进行了估计,并利用模糊聚类分析法、回归分析法和车辆延误估计模型,研究了路网在非常态下的检测器空间位置以及空间密度的布局优化方法;通过一个算例,对提出的检测器布局优化方法进行了验证分析,并得出了算例中检测器布局的优化方案。结果表明:所提出的检测器布局优化方法是可行的。