基于决策融合的城市道路交通事件自动检测算法研究

为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块：①感应线圈数据算法模块：选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块：使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。     

基于联合卡尔曼滤波器的交通信息融合算法研究

基于现有的研究方法,提出了一种基于联合卡尔曼滤波器的交通信息融合算法。首先利用浮动车的覆盖率和浮动车的历史平均行程时间来修正浮动车的平均行程时间估计值,用于浮动车覆盖率不满足最小覆盖率时的路段平均行程时间估计;利用路段上浮动车的覆盖率来确定联合卡尔曼滤波器的融合系数;利用联合卡尔曼滤波器对固定型检测器的平均行程时间估计和浮动车的平均行程时间估计进行信息融合,得到路段的平均行程时间估计。该融合方法计算量小,融合时间快,有利于实际应用。试验结果表明,该方法提高了区间平均行程时间估计的精度。     

基于多源数据的城市道路网络行程时间预测模型

针对基于单一数据源、利用卡尔曼滤波理论建立行程时间预测模型存在的不足,采用多源数据进行行程时间预测以提高精度。浮动车、固定检测器是常用的交通信息采集方法,在信息种类、数据精度等方面存在一定的互补性。因此,选择2种检测器的实时交通数据作为模型输入参数。利用卡尔曼滤波理论,以流量、占有率、行程时间作为输入量构成参数矩阵,建立城市道路网络行程时间预测模型。并通过Vissim仿真实验验证了模型的有效性。结果表明:基于多源数据的行程时间预测模型平均绝对相对误差为5.45%,其精度比单独采用固定检测器检测数据预测提高了14.4%,比单独采用浮动车数据预测提高了7.5%。      

基于浮动车定位数据的高速公路区间平均速度估计

通过对浮动车定位数据情况的分析,可知大部分速度估计算法仅适用于采样时间间隔不大于行程时间的情况,为在相同浮动车比例以及采样时间间隔的条件下,提高数据利用率,以提高速度估计结果的路网覆盖率,提出两种速度估计算法:车辆跟踪法、速度-距离积分法,并给出路段区间平均速度自适应估计模型.使用真实交通流OD 数据进行仿真,结果表明...     

城市路网中浮动车数据和线圈数据的融合

交通信息是 ATMS 的基础和核心,从实时交通数据中准确估计交通参数、判断和预测交通状态是 ATMS 的重要内容.文中在信息融合理论的基础上,介绍了交通数据融合的基本内容.分析了浮动车数据和线圈数据的特点后得出:在城市路网环境中,虽然浮动车采集和线圈采集方式各有优劣,但他们在时间和空间上具有很强的互补和冗余.为充分利用已获取的交通信息,应实现这两类数据的融合,并对浮动车数据和线圈数据的一般融合模型和基本融合方法进行了论述,明确了交通融合问题的2种研究方法,即通过仿真手段得到的数据和现场采集数据作为融合的数据源来验证融合模型.     

基于车联网的城市路网实时行程时间预测

近年来,车联网技术快速发展,其不仅具备车辆对车辆和车辆对路侧的联网通讯功能,而且还能提供交通信息的实时交换功能。在车联网条件下,假设所有车辆均为浮动车,则基于浮动车和交通检测器信息可构建城市路网的行程时间预测模型。该模型针对路网行程时间进行预测,并对浮动车实时和历史数据进行比较和分析。分析结果表明:使用浮动车实时数据预测的行程时间误差最小,但变异系数很高;而使用融合模型,则误差和变异系数都较低。     

基于影响因素分类的路段行程时间融合研究

对基于固定检测信息和浮动车GPS信息的路段行程时间估计方法进行介绍和分析,明确了对基于以上两种检测信息进行路段行程时间估计方法有重要影响的因素,并设计试验对影响因素进行量化分析。在影响因素量化分析基础上,讨论两种估计方法的适用条件。对影响因素进行组合分类,并在分类的基础上对两种估计方法采用加权融合进行处理,分析了最优权重的分配原则。最后,用试验数据对融合方法进行验证,结果令人满意。     

基于GPS浮动车的自然路段行程时间估计方法

针对目前基于GPS浮动车交通信息采集技术的研究大多只是涉及宏观方案,细节研究较少,导致产生所得交通信息质量不高的问题,考虑数据用户需求以及路网空间数据的特点设计了自然路段划分方法,同时结合动态GPS数据与路网空问数据的特点提出了路段行程时间估计算法.利用编程语言完成了算法实现,并且利用实测数据进行了算法验证.结果表明,自然路段行程时间估计算法不仅运行高效、稳定,同时获取的路段行程时间数据精度较高.     

基于浮动车的交通信息采集系统研究

阐述了基于浮动车数据的实时交通参数如平均速度、行程时间、OD矩阵等的估计方法，并利用Vissim仿真软件进行了验证。实验结果表明，笔者提出的交通参数估计方法具有较高的精度。     

考虑不同出口转向的城市道路行程时间估计

为了有效利用城市道路行程时间数据,提高道路交通状态预测精度,提出了一种考虑交叉口不同出口转向的行程时间估算方法。针对现有行程时间计算模型存在忽略交叉口不同出口转向交通运行状况不均衡性的现象,提出了交叉口上下游出口转向的概念,通过融合定点检测器和探测车数据,在原有累积直方图模型的基础上建立了交叉口不同出口转向的行程时间累积直方图模型。最后以香江路为例进行数据分析,验证了模型的有效性和准确性。研究结果表明:新模型得到的行程时间计算值与视频检测设备获取的实测值相比误差在10%左右,且相对纯探测车方法预测精度更高,说明考虑不同出口转向的城市道路行程时间估计模型可行。     

基于探测车数据的路段行程时间估计

利用探测车数据进行路段行程时间估计面临着两类误差：采样误差和非采样误差,从而导致估计结果精度不高和可靠性差。在回顾已有估计方法的基础上,有针对性地引入了自适应式卡尔曼滤波,建立了相应的状态方程和观测方程,利用相似时间特征的历史数据标定了状态转移系数,并对滤波进行了求解。以实际数据对估计方法进行了验证,平均相对误差为13.13%。研究表明,自适应式卡尔曼滤波能够应用到基于探测车数据的路段行程时间估计中来,并具有估计精度高、收敛速度快、参数少、对初值不敏感等优点。     

Fusion de données pour l'estimation des temps de parcours via la théorie de l'évidence

The emergence of new information technologies and the transformation that has occurred in traffic management have both increased drivers' already considerable need for road traffic information. The travel time is one of the forms in which this information is presented, and a number of systems are based on its dissemination. In this context, this indicator is used as a measure of the impedance (or cost) of routes on the network and/or a congestion indicator. This raises the problem of estimating travel times with an acceptable degree of accuracy, which is a particularly difficult task in urban areas as a result of difficultes of a theoretical, technical and methodological nature. Thus, in order to find out the traffic conditions that prevail on an urban road, the traffic sensors that are usually used to measure traffic conditions are ineffective under certain circumstances. New measurement devices (cameras, GPS or cellphone tracking, etc.) mean that other sources of data are increasingly used in order to supplement the information provided by conventional measurement techniques and improve the accuracy of travel) time estimates. As a result, travel time estimation becomes a typical data fusion problem. This study deals with a multisource estimate of journey times and attempts to provide a comprehensive framework for the utilization of multiple data and demonstrate the feasibility of a travel time estimation system based on the fusion of data of several different types. In this case two types of data are involved, data from conventional induction loop sensors (essentially flow and occupancy measurements) and data from probe vehicles. The selected modelling framework is the Dempster-Shafer Evidence Theory, which has the advantage of being able to take account of both the imprecision and uncertainty of the data. The implementation of this methodology has demonstrated that, in each case, better results are achieved with fusion than with methods based on a single source of data and that the quality of the information, as measured by correctly classified rates, improves as the degree of precision required of the estimate is increased.     

基于少量探测车的城市路段平均行程时间估计

与传统的固定式采集系统(感应线圈等)比较,探测车系统具有直接采集行程时间、时空覆盖范围广等优点.研究少量探测车情况下的路段行程时间估计问题对降低探测车系统的运营费用具有重要意义.在发现停车组和非停车组的行程时间均值、非停车组所占百分比等3个参数之间关联关系的基础上,提出了在极小样本情况下估计城市路段平均行程时间的方法.基于微观交通仿真的比较分析显示,该方法优于通过样本均值估计平均路段行程时间的方法,特别是当交通状况处于拥挤情况下其优势更为明显.     

固定检测器和移动检测器的交通信息融合方法

固定检测器和移动检测器在检测参数、数据精度、覆盖范围、采集成本等方面存在较大差异,具有很强的互补性.分析了固定检测器与移动检测器进行信息融合的必要性,提出了交通信息融合的总体框架.在分别阐述了基于固定检测器和基于移动检测器的区间平均速度估计方法基础上,采用BP神经网络对区间平均速度进行信息融合.以上海市南北高架道路为对象,利用Vissim仿真软件对基于BP神经网络的交通信息融合方法进行了实例分析,结果表明,该方法可以明显提高区间平均速度的精度.     

1种基于浮动车数据的多车车速融合算法

在浮动车处理技术中,多浮动车样本车速的融合是整个计算的最后1个环节,算法的好坏直接影响到动态交通信息的准确性。从多权重系数和多种路况状态的角度构建了1种新的基于浮动车数据的多车车速融合算法,该算法从浮动车行驶特征等角度,综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速,提高了实时路况的准确性,并且可根据实际交通环境快速调整相关参数。最后通过实证分析对其准确性进行了评估验证,结果表明能有效提高动态交通信息的准确性,具有良好的实用性。     

基于ADAS联网时空数据的路段交通参数估算模型

交通参数实时获取是道路交通管控的重要基础。针对固定检测器观测范围受限和浮动车数量需求大的问题，研究了1种利用车载ADAS联网数据进行路段交通参数估算的方法。通过分析车载ADAS感知的前向目标参数与交通参数的关系，结合广义交通量定义，并考虑多车道条件下ADAS车辆及其邻近前车的相对运动变化特性，建立了1种非稳态交通条件下的交通参数估算模型。在仿真实验环境下获得定参数据集和验证数据集，完成对模型的参数标定和验证，并探讨时空分辨率和ADAS车辆渗透率对模型估算精度的影响规律。基于实验数据分析，结果表明，时间分辨率降低5 min，所提模型估算误差平均减小3.4%，降低时间分辨率可以提升所提模型的估算精度；空间分辨率降低500 m，流量和密度的估算误差平均减小1.68%，却可能导致速度估算误差平均增加5.19%；ADAS车辆渗透率的增长可以增强估算交通参数和观测交通参数在路段时空区域的契合程度。在ADAS逐渐装车应用的背景下，所提的交通参数估算模型可快速、精准获取路段连续时空范围内的交通量信息。      

基于单线圈的车速检测算法研究

简述了基于环形线圈车速检测的基本原理、目前利用单线圈检测量进行车速估计的方法。在此基础上，提出了一种利用单线圈进行车速实时检测的算法，并设计了一套基于单线圈的车速检测系统，通过采集系统在实验中的数据，运用Matlab6．5对该检测算法进行了仿真分析。结果表明，算法基本符合设计要求。     

Probe vehicle lane identification for queue length estimation at intersections

Vehicles instrumented with Global Positioning Systems, also known as GPS probe vehicles, have become increasingly popular for collecting traffic flow data. Previous studies have explored the probe vehicle data for estimating speeds and travel time; however, there is very limited research on predicting queue dynamics from such data. In this research, a methodology was developed for identifying the lane position of the GPS-instrumented vehicles when they are standing in the queue at signalized intersections with multiple lanes, particularly in the case of unequal queue. Various supervised and unsupervised clustering methods were tested on data generated from a microsimulation model. Among the tested methods, the Optimal Bayes Rule that utilizes probability density functions estimated using bivariate statistical mixture models was found to be effective in identifying the lanes. The methodology for lane identification was tested for queue length estimation. This research confirms that the lane identification is an important step required prior to the queue length estimation. The accuracies of the models for lane identification and queue length estimation were evaluated at varying levels of demand and probe vehicle market penetrations. In general, as the market penetration increases, the accuracy improves as expected. The result shows that 40% market penetration rate is adequate to reach about 90% accuracy.