基于手机信令数据的通勤与交通运行关系模型

通勤是导致城市早晚高峰交通拥堵的主要原因.为探究通勤与交通运行的关系及其机理,分析了北京市通勤、非通勤出行距离、出行结构等基本特征,识别了通勤出行与路网速度分时间段的特征关系,基于此构建了通勤出行对交通运行贡献度六段模型,并通过逐段拟合标定模型参数.由模型分析可知:路网速度与通勤出行高度线性相关,且在早高峰形成及晚高峰消散阶段随通勤出行变化最为显著;晚高峰阶段路网速度是通勤、非通勤出行的混合熵函数;晚高峰较早高峰更拥堵、周五晚高峰拥堵水平加剧,均是由于晚高峰较早高峰、周五晚高峰较其他工作日晚高峰出行混合熵增加,进而导致整个交通系统熵增所致.因此,除了错峰通勤等措施外,减少非通勤弹性出行也是缓解早晚高峰拥堵的重要手段.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.     

基于手机信令定位数据的居民出行时空 分布特征提取方法

为了得到可靠的居民出行时空分布特征,并为城市交通规划提供准确的出行现状数据,基 于手机信令定位数据设计了提取居民出行时空分布特征的方法。通过对重复冗余的手机数据进行 处理、运用地理信息系统将手机数据映射至所研究的交通区域、划分交通小区、定义出行识别、 建立OD矩阵及绘制出行期望线等出行数据挖掘,得到了居民的出行时空分布特征。为了验证设 计方法的可行性,以北京市的手机信令定位数据为例,提取出北京市居民的出行时空分布特征, 并将所得的结果与北京市第4 次综合交通调查的数据进行对比得出：两者的出行时间分布特征平 均偏差为0.78%,早晚高峰进出城方向比例的偏差为0.1,全市的出行发生量与吸引量的平均偏差 均小于3%。     

基于手机信令数据的城市通勤出行特征研究

通勤交通出行特征是研究城市交通规划的重要数据基础,如何有效提取通勤出行特征成为研究城市居民通勤出行的关键。文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征研究的可行性。     

���ھ��������TIAʱ��ѡȡʵ���о�

适宜的时段选取能促进交通影响评价(TIA)的有效性. 本文利用聚类分析方法,将建筑项目进行分类,根据各类之间的相似性,确定同类项目的出行高峰时段,并最终确定项目研究时段的选取范围. 同时,基于北京市一些典型居住项目的出行调查数据,按照项目的早、晚高峰进行聚类,最终以区位因素确定了居住项目的早、晚高峰分类结果;结合分类结果、项目实际调查数据以及北京市外部路网的高峰时段分布情况,本文给出了北京市各类型居住项目交通影响评价中研究时段的选取范围.     

关联路网拓扑特性的车辆出行行为画像分析研究

基于交通时空大数据的微观出行行为分析可以为精细化、个性化的交通管控措施制定提供支持,车牌识别数据作为一种精度高、准确性高、采样率全的时空大数据,近年来受到广泛关注。但是现有基于车牌识别数据的出行行为分析文献在进行行为分析的过程中较少考虑路网特征,即没有将出行者的行为与路网特性结合起来分析,这导致挖掘得到的出行模式与路网本身的关联不高。本文首先对车牌识别数据和路网拓扑数据进行数据融合,基于此融合数据,根据机动化出行者的出行行为特性使用聚类算法进行车辆画像,将路网上的车辆划分为临时办事车辆、频繁过境车辆、家庭不常用车辆、通勤车辆、网约出租车辆五类车辆。同时,结合复杂网络方法和聚类算法对交叉口进行画像分析,挖掘出交通管理者需要重点关注的交叉口。在此基础上,结合车辆出行行为和路网拓扑信息深入挖掘出行车辆的出行模式,构建车辆画像-交叉口画像-过车频次矩阵、车辆画像-交叉口画像-过车占比矩阵,进而对车辆出行时空特性进行深入挖掘,为交通管控措施的制定提供支持。     

基于通勤大数据的出行空间分布模型测评与改进

通勤出行是城市交通早晚高峰的主要构成部分,理解和预测通勤出行空间分布一直是城市交通研究的主要方向之一。基于互联网位置服务所识别的城市通勤大数据,以工程领域广泛应用的重力模型为例,研究和评价出行空间分布模型对通勤出行样本量的敏感性以及在不同空间尺度上对实际通勤出行空间分布的重现能力,并剖析了传统出行空间分布模型所引起的“碎片化”结果及其成因。克服传统方法仅考虑群体统计特征的缺陷,引入反映个体通勤出行延续性的因子,提出了新的通勤空间分布模型及求解算法。新的模型和算法能够更好地适应通勤大数据背景下巨量分析单元的情形,基于实际数据验证了其对通勤出行空间分布的重现能力优于传统出行空间分布模型。     

基于多源数据的通勤高峰期出行方式分担率预测方法研究

鉴于大城市普遍存在交通拥堵问题,而通勤高峰期间尤为突出,科学合理开展城市交通规划是应对交通拥堵问题有效途径。传统出行方式分担率预测模型是基于人工调查数据,数据获取成本高且样本量有限,难以准确预测其分担率。采用路网数据、公交线网数据、公交站点数据、户籍数据、工作地数据等多源数据,依据交通工具的服务范围和公交站点的吸引范围,根据最短路径算法以及公共交通选择算法,对通勤高峰期居民的出行方式进行预测,从而得出不同出行方式的分担率,获取交通通勤出行分布规律。通过以重庆市主城区为例,进行城市交通通勤典型数据分析,验证了该方法的可靠性及准确性。     

基于高速公路收费数据的车辆分类研究——以重庆市为例

为细化分析高速公路车辆出行特征,提升高速公路管控效率及精细化服务水平,提出"先定义后聚类"的高速公路出行车辆群体分类模型。基于重庆市某高速公路特定通道收费数据,以小客车为研究对象,首先,在分析车辆整体特征的基础上,提取并定义研究时段内单次出行或仅在周末出行的车辆;然后,以自然周为周期,从出行强度、出行时间维度、出行空间维度3方面构建剩余车辆出行量化指标;最后,利用K-means++算法对车辆聚类,综合地域实际背景将出行车辆分为6类,其中70%为"单次出行"或"零星出行"车辆,"通勤"及"营运"车辆只占车辆总数的0.82%,且"通勤"车辆多在20km以内的OD上出行。研究表明,所提出的模型能将高速公路出行车辆有效分类,且各类群体的出行时空分布存在较明显差异,可为针对性的交通需求管理提供合理依据。     

城市交通拥堵缓解对车辆减排的效益研究

城市交通拥堵缓解会释放潜在的交通需求,车辆减排的净效益与交通拥挤程 度密切相关.本文利用弹性系数的概念,提出一种考虑潜在交通需求的城市交通拥堵缓解 对车辆减排的效益研究方法.研究表明,车辆减排的净效益取决于潜在交通需求与单车减 排效率间的平衡;对不同的污染物,车辆减排的净效益呈现不同的特征.此外,本文探究了 私车牌照拍卖政策及快速机动化背景对拥堵缓解后车辆减排的效益影响.最后,定性分析 了城市交通拥堵缓解策略对车辆减排的影响.研究成果对评估城市交通拥堵缓解的车辆 减排净效益具有重要的理论及实际意义.     

城市交通运行状况对机动车碳排放的影响研究

为定量分析不同城市交通运行状况对机动车碳排放的影响，利用高德平台提供的拥堵延时指数(Congestion Delay Index, CDI)数据，在分析我国交通拥堵城市时空分布特征以及CDI特征的基础上，通过构建基于速度的CO2排放因子，利用VISSIM模拟不同交通运行状况时的交通量， 实现不同交通运行状况下机动车碳排放的估算。结果显示：交通拥堵城市分布具有空间依赖性和聚集性，在长三角经济区和珠三角经济区形成两个高聚集中心；CDI具有明显的周期性(7 d)波动规律，且受天气和人类活动等的影响较大，疫情打破了此规律；城市交通运行状况(CDI)对机动车CO2排放有较大的影响，当交通处于轻度拥堵时(CDI为1.582)，交通高峰期我国城市机动车年排放的CO2总量约为0.77亿 t，是畅通状态下的4.51倍；当交通保持基本畅通时(CDI为1.35)，交通高峰期我国城市机动车CO2年排放总量可减少0.29亿 t；当交通达到中度拥堵时(CDI为1.909)，交 通高峰期我国城市机动车CO2的年排放增加0.22亿 t；当处于交通严重拥堵时(CDI达2.394)，交通高峰期我国城市机动车CO2的年排放总量可达1.33亿 t。改善城市交通运行状况，可大幅度降低机动车的CO2排放量。     

高清视频检测和识别技术研究及其在城市交通中的应用

在智能交通的城市公安交通之中,对车辆检测、车辆行为分析和跟踪、车牌识别和交通事件检测都提出了更加明确的需求,利用计算机视觉分析等先进的信息技术实现高效、安全的智能交通已成为交通治安治理的主要发展方向之一。     

基于分类车头时距的城市道路大型车影响分析

为量化大型车对城市道路交通运行的影响，提出基于大量车牌识别(License Plate Recognition, LPR)数据研究路段、交叉口左转、交叉口直行这3类车头时距，分析大型车影响的方 法。首先，将LPR数据按采集位置划分，提出差异化数据预处理流程，得到用于考察不同车道条 件下4类过车组合的车头时距集合；然后，以高斯混合模型(Gaussian Mixed Model, GMM)、对数正 态混合模型及高斯/对数正态混合模型这3类共13个子模型分别对上述所有集合建模，以最大期 望算法求解参数；之后，以Kolmogorov-Smirnov检验排除不满足要求的模型，综合赤池信息准则 与最小描述长度准则对剩余模型择优；最后，基于最优模型参数定量评价大型车对不同类型车道 的影响。以某城市区域多个卡口与电子警察设备采集的大量LPR数据验证方法有效性。结果表 明：路段与交叉口、交叉口各功能车道的车头时距不符合同一分布，宜区分建模；3个密度分支的 GMM拟合各类车头时距集合均有最佳表现，其他模型在不同阶段体现出不适应性；各种车道条 件下，大型车对相关过车组合的车头时距均值及标准差均有不同程度的影响，且该影响按照路 段、交叉口左转、交叉口直行的顺序依次递减。拟合结果可供大型车影响评价借鉴。     

不同交通流运行状态下的行程时间可靠性分析

行程时间可靠性可以直观反映道路交通流的运行状况,为管理者和出行者提供决策依据。本文以车牌识别系统数据为行程时间数据来源,每10 min作为一个出发时段,研究行程时间可靠性在全天的分布情况。提出了从运行效率和运行稳定性两个层面定义行程时间可靠性的内涵,并通过相关性分析,将现有常用行程时间可靠性指标分成了两类。提出了基于行程时间的交通拥挤判别方法,依照拥挤情况对交通流运行状态进行了分类,分析了行程时间可靠性随交通流运行状态的变化趋势:从效率层面讲,行程时间可靠性与交通拥挤情况的变化趋势完全一致;从稳定性层面讲,稳定交通拥挤时段行程时间可靠性较高,而交通流转变时段行程时间可靠性较差。     

应用车辆牌照自动识别系统自动检测行程延误的算法研究

为实现行程延误信息的实时自动采集,并提高信息采集的准确性,本文提出了应用车辆牌照自动识别系统实时自动采集行程延误的思想,并设计了面向路网的行程延误算法．该方法可以为交通管理与控制、路线诱导及交通规划等方面的研究提供重要的基础数据,具有广泛的应用前景．     

基于物元法的交通政策评价方法与城市交通拥堵

近年来,交通拥堵已成为城市交通系统无法回避的问题。尾号限行作为一种政策性管理措施,能够在短期内大幅削减车辆出行,从而缓解城市道路过于拥堵的现象。但如果长期实行将会对社会经济、产业经济、居民生活产生一系列的影响。从尾号限行政策出发,分析交通政策对交通拥堵改善以及社会经济发展的作用,提出基于物元法的交通政策评价方法,为管理者制定有效的综合管理政策提供新思路。     

基于汽车底部阴影特征的快速车牌定位算法研究与仿真

提出了一种结合车底部阴影的梯度特征寻找并确定可能存在车牌区域,然后利用车牌先验知识排除不含车牌的错误区域,再根据我国车牌类型特征与比例特征初步分割出小范围车牌区域,并利用Soble算子进行边缘检测,最后结合数学形态学进行快速精确定位。实验结果表明,该方法能够快速,实时有效的检测出车牌所在位置。