基于收费数据的高速公路车辆运行速度算法

为精准统计高速公路车辆平均运行速度,依托联网收费数据,分析影响平均速度统计结果的多源干扰因素,提出2种处理干扰因素的研究思路,估计每种思路的统计误差,通过在服务区开展调查获取驶入概率、间隔行驶里程、停驶时间及其占总行程时间的比例,引入变异系数对比停驶时间和间隔行驶里程的波动情况,明确在总行程时间中剔除服务区停驶时间的研究思路的局限性,基于间隔行驶里程分布区间中位值,通过样本量加权计算车辆驶入服务区的间隔行驶里程,结合陕西省2019年6月客货车辆平均行程的交通量分布情况,最后提出以206 km为间隔行驶里程、省内出行车流、ETC客车和货车作为统计约束条件,在联网收费数据中寻找不驶入服务区的短途行驶车辆作为最优样本来完成平均运行速度统计方法改进,通过陕西省数据验证统计方法的可行性。研究结论可为路网运行状态分析、路段车辆安全风险评估与监测提供有力的技术支撑。     

检测数据缺失条件下的交通流估计方法研究

城市路网中部分交通量检测器失效会导致路段的交通流观测数据缺失,从而影响路段实时交通拥堵状况的辨识和分析.基于路网交通流数据的时空分布特性和道路交通流特征,研究了一种改进重构算法,对缺失的交通量数据进行估计.构建了交通量时空数据的三维张量模型;综合考虑道路交通流分布与环境特性,提出了基于T ucker重构模型的目标优化函数,进而求解得到检测器失效路段的交通量估计值;对改进重构算法、T ucker重构算法和时空插值算法在不同交通量数据缺失情况下的估计效果进行了比较.实验结果表明,在6条路段组成的实验路网中,早高峰交叉口进口道实时观测交通量随机缺失50% 或其中3条道路完全缺失的情况下,估计结果的平均绝对误差(MA E)分别为13.9614和14.2763,均方根误差(RMSE)分别为18.7648和18.7070.相较于Tucker重构算法,MA E分别下降了32.29% 和44.26%,RMSE分别下降了31.73% 和48.57%.      

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。     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计，提高估计精度，研究了基于时空特征序列匹配的交通流状态估计模型。通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态；分析影响城市道路运行条件的各项因素，引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征，提取3个维度8个特征1个附加维度组成交通流时空特征，构建城市道路交通流DNA特征序列对交通流状态进行描述；将各个特征的值归一化处理，利用WH-KNN匹配方法，得到全路网中与待估计路段最近的交通流状态。实验选取武汉市中环快速路编号为10468、10483以及8816的路段1周数据，假定路段数据缺失，通过所述方法进行交通流状态估计，将估计结果与原始数据结果进行对比。研究表明，模型不仅能够得到无检测数据路段的交通流状态，其状态估计结果的准确率保持在88%以上，且误判结果在1个运行指数等级之内。      

交通事件检测算法的参数敏感度研究

在交通事件发生条件下,对交通流占有率、车辆占有率、速度3个特性参数进行分析,研究交通参数对于交通事件检测算法的敏感程度。通过TSIS交通仿真软件获得交通流的实时数据,最终得到交通事件检测算法中交通流参数的选择方法。     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

基于环形线圈的城市道路路段交通异常自动检测方法研究

本结合城市道路交通流是间断流的特性，综合交通异常累积占有率检测算法和历史数据比较算法，给出城市道路路段的交通异常检测算法。     

一类动态交通分配中的输出流模型及其数值解法

已知路段输入流,基于Greenshields提出的速度-密度关系模型以及Jayakrishnan et.al提出的改进的Greenshields 速度-密度关系模型所描述的路段交通流特征,分别给出了关于路段输出流的常微分方程模型.针对无法得到该模型的解析解,利用龙格-库塔-芬尔格算法给出初始条件下的数值解.在已知输出流的条件下,每个时刻的路段交通流的行程时间也相应给出.仿真结果表明,针对两类不同速度-密度关系所建立的输出流模型,所得到每个时刻的输出流基本相似,但路段行程时间存在明显差异.与交通流调查数据比较,基于改进的Greenshields速度-密度关系的输出流模型的行程时间更接近真实情况.     

基于收费数据的交通运行参数估计方法

为更精准利用收费OD数据获取路网时空交通运行参数,提出一种机器学习预测服务区驶入与收费OD数据增量迭代相结合的计算交通运行状态的方法.首先利用机器学习方法开展服务区驶入预测,通过调查获取23 515份问卷数据,利用随机森林模型、支持向量机、朴素贝叶斯模型3种机器学习方法开展训练和预测精度敏感性分析,结果表明进入服务区最...     

基于二次函数型路段行程时间模型描述的交通输出流特性

根据动态交通分配模型中广泛使用的路段行程时间与路段车流量具有二次函数关系的模型，在已知路段输入流的条件下，给出了路段输出流的一般表达式和路段行程时间的递归表达式.在路段车流满足先进先出的条件下，结合任意时刻的车流量表达式和线性路段行程时间模型得出输出流与输入流的关系式，导出此时刻的路段车流量表达式，从而给出了更明确的关于路段行程时间的表达式;同时结合道路交通流调查数据，对一些实例进行了数值仿真，所得结果与实际相符.     

路侧停车行为对车流行程时间的影响

为实施精准化、动态化路侧停车管理策略,协调道路行车与停车之间的关系,剖析了路侧停车行为对交通流的干扰机理.选取北京市4处典型路侧停车带,基于路侧停车订单和实地调研数据,对停车设施利用特征、停车时长分布特征、停放车辆数目分布和驶入车辆数目分布等典型的停车行为特征进行了量化,建立了道路周边用地性质与停车行为的映射关系;并根据以上特征规律建立路侧停车带设置于机非混行路段的仿真模型,分析最高允许停放时长、路段交通量和停车需求量等关键因素对路段机动车行程时间的影响规律,定量描述了各因素不同区间值对行程时间波动程度与波动范围的影响.选取新街下坡路侧停车带为例,以控制车流行程时间延误为目标,综合考虑各时段的交通流特征、停车设施利用效率和停车需求量等要素,从停车泊位数目设置、停车需求控制和停车时长角度提出了相关的优化措施.结果表明,限制停车时长为1h能有效降低道路交通影响,道路机动车交通量低于440 veh/h或停车需求下降30% 时,行程时间的波动程度和波动范围趋于稳定,交通影响的改善效果达到瓶颈期.      

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

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。     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段，其交通流数据难以获取，不利于开展精准路网管理，为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法。基于有检测器路段的海量交通流数据，分析局部路网空间结构特征与路段交通流量之间的相关性；根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重，并使用多元线性回归算法进一步挖掘局部路网空间结构特征对交通流分配权重的影响；结合空间特征影响度系数、无检测器路段所在的局部路网的空间结构特征及相邻路段的交通流，对无检测器路段进行交通流预测。实验结果表明，路段道路类型、相邻路段数量及相邻路段道路类型这3类局部路网空间结构特征与路段交通流量相关性显著，采用基于空间特征影响度系数对局部路网中只有单个相邻上游和具有多个相邻上游的无检测器路段进行预测，发现其平均误差分别在8%和22%左右。      

限速条件下驾驶员行车速度选择问题研究

超速行车是影响交通安全的重要因素，不仅导致交通事故次数、事故严重性的增加，还加重交通噪声和空气污染。对驾驶员在有速度限制的道路上行车时其速度选择问题进行研究，结果表明，驾驶员对自身行车速度的判断是以所在路段的速度限制为依据的。即使在限速条件下，仍有61％的驾驶员超速行车。驾驶员行车速度的选择普遍受同向行驶其他车辆的影响。最后为有效控制行车速度提出新思路。     

粤港澳大湾区主要过江通道交通流特性分析

近年来，交通出行需求迅猛增长，单纯依靠扩大路网建设规模不能有效解决交通供需不平衡、交通拥堵日益严重等问题，所以，如何在现有道路条件下实现高速公路高效运营和管理就成为一个亟待解决的问题。准确掌握高速公路交通状态是对其进行科学管理和决策的关键前提，也是进行路网诱导和交通控制的基本条件，兼具理论价值和实践意义。为揭示交通流参数间的相互关系及其时空演变规律，依托海量工程数据提出一种全面的、可定量评价交通流特性的指标体系和计算方法，并以粤港澳大湾区主要过江通道为例对路段交通流特性进行了深入解析。实证分析表明：高速公路交通流具有相似性、周期性、时段流量分布不均衡等时间特征，且工作日的流量高峰期往往持续时间更长，流量的时间不均衡性更强。高速公路车辆行程速度则具有以日为周期、每日速度时变曲线波形相似、流量高峰期的车流速度波动性强、客车的行程速度普遍高于货车等特点。     

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.     

基于元胞自动机模型的路侧停车行为对交通流的影响研究

针对路侧停车带来的进出停车位排队延误、低速巡游降低通行效率、过量停车加剧交通负荷等问题,研究了路侧停车对路段动态交通流的影响分析方法。基于视频识别算法,提取路侧停车车辆在驶入车位过程中的运行轨迹和速度波动数据,解析路侧停车过程中的驶入行为特性,并按照行为差异将停车车辆停车全过程细分为进入路段、寻找车位、找到车位、驶入车位、静止停放、驶离车位、汇入路段和错失车位8类状态;分别依据停车车辆和通行车辆的实际驾驶行为,从跟驰特征、速度矫正、换道规则和位置更新等方面对路侧停车元胞自动机模型进行了改进;在选择目标车位时综合考虑了步行至目的地时间和驶入车位耗时2个要素。与常规通行车辆相比,深入分析了停车车辆提前换道和停车完后汇入路段行为对后车的影响。基于实际交通流数据对仿真模型进行参数标定,经验证,模型拟合度为77.6%;仿真分析了在差异化的停车需求强度下,巡游速度对道路通行能力和延误时间的影响规律。结果表明:固定的巡游速度和停车需求强度下,道路延误时间随道路交通量先增加后减少;在低停车需求强度下,巡游速度对道路通行能力影响微弱,在高停车需求强度下,当巡游速度从30 km/h降低至20 km/h,外侧车道饱和流量降低500 veh/h,最高延误时间增加105 s。      

基于ETC交易数据的高速公路行程速度提取模型

为了提高高速公路运行状态的监测水平,基于ETC交易数据预处理,根据计算周期内路段ETC数据量的大小,搭建了不同样本量水平条件下行程速度的提取模型.利用包含对象路段的多个OD对ETC交易数据提取路段的行程速度,提出基于OD对速度折减系数和可信度权值的速度修正方法,解决了小样本条件下速度提取可信度较低的问题.以北京市高速公路路段数据进行了现场验证.结果表明,模型的平均绝对误差为4.5 km/h左右,平均相对误差为6.5%左右;高峰和非高峰时期的误差均方差分别为2.38 km/h和3.39 km/h,说明高峰时期的速度提取稳定性优于非高峰时期.仅利用ETC数据不能完整反映车辆的行驶状态,未来可融合其他数据源,进一步提高高速公路运行状态提取的准确性和可靠度.