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Edgeworth级数的行程时间可靠性的计算与实证

通过引入行程时间可靠性概念,研究因受交通事故、交通供需矛盾等因素的影响,而导致路网行程时间随机波动的现象。为了研究路段中行程时间的分布规律,基于连续3个月的历史行程时间数据,实证分析了几个典型时间窗的行程时间分布形态,对高峰时段的数据拟合正态分布,平峰时段的数据拟合对数正态分布。同时,对大多数不服从常用理论分布函数的路段行程时间,使用Edgeworth渐进级数来近似其概率密度函数和分布函数,进而构建出相应的路段行程时间可靠性的计算模型。最后,结合高峰时段实证数据计算路段行程时间可靠性,并将其与基于正态分布计算出来的行程时间可靠性进行比较,实证结果表明基于Edgeworth级数估计的行程时间可靠性明显优于正态分布,且该方法具有较好的移植性。     

浮动车数据路网时空分布特征研究

以出租车作为浮动车数据采集源,针对浮动车数据路网分布的不均衡性,提出覆盖强度和覆盖率2个指标,通过大量样本分析浮动车数据路网分布的时变特征,以及在不同区域、不同通道上的分布特征.结果表明:浮动车数据的路网覆盖强度和覆盖率在一天中具有持久而稳定的高峰时段,在一周的工作日内能够保持稳定;高等级道路在各个时段总是具有更高的覆盖强度和覆盖率,根据浮动车数据计算的路段行程车速与人工实测数据吻合较好;在非高峰时段、非中心区域,以及低等级道路上,浮动车数据的覆盖强度和覆盖率相对不足.     

基于马尔科夫链的公交站间行程时间预测算法

公交站间行程时间具有明显的时段分布特征,且公交车辆是典型的时空过程对象,其运行具有状态转移性。为了准确预测公交站间行程时间,在应用马尔科夫链预测公交站间行程时间基础上提出其改进算法。通过大量公交GPS数据构造不同时段下具体线路站间行程时间的马尔科夫状态转移矩阵,并对站间行程时间进行状态推导,采用移动误差补偿法对马尔科夫预测值进行动态修正,改进原有的马尔科夫预测算法。以广州市BRT线路B1的实际运行数据对算法进行了验证,结果表明,移动误差补偿改进算法优于基本马尔科夫算法及 BP模型,同时该改进算法还具有实现过程较简单。      

Driving Cycle Construction and Accuracy Analysis Based on Combined Clustering Technique

基于通过实车试验采集的城市典型道路行驶工况数据,首先用主成分分析法对选取的12个表征道路运行特性的特征参数进行减缩,接着利用SOFM神经网络算法和K均值聚类法相结合的组合聚类技术对所有运动学片段的前3个主成分得分进行分类,再根据各类别的时间比例从各类别中选取合适片段,最终拟合出代表性工况.通过对各工况加速度分布的K-S检验和采用ADVISOR软件进行的发动机载荷谱和燃油消耗量仿真分析,表明和K均值聚类法相比,组合聚类法的行驶工况拟合精度更高,更能综合反映城市交通真实状况.     

海南高速公路沥青路面路表温度分布规律与预估模型

为准确掌握海南地区高速公路沥青路面路表温度变化特点及规律,提出一种基于路面状态的路表温度分布规律的分析与建模方法。以海南新型交通气象站1年多的路面状态和交通气象要素的跟踪观测数据为基础,根据数据特点,制定交通气象监测数据分析流程,分析路表温度与不同季节、不同路面状态、不同时段的影响关系;在此基础上,采用统计分析方法,建立了观测点所在路段路表温度与大气温度的预估模型,并在不同路面状态下检验模型效果。分析结果表明:路表温度与大气温度具有很好的相关性,且在不同季节、不同时段下的分布特性不同,拟合的预估模型具有较好的准确性和工程适用性。     

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数（乘客需求或行程时间）的相似性，忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷，利用多源公交数据，提出一种新的基于最小化车队运营时间成本的时段划分方法。首先，利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模，进而利用滑动时间窗模型，计算全天各时间窗所需的理论最小车队规模。然后，以时段划分方案的时间分割点为决策变量，以最小化全天累计车队运营时间成本为目标建立优化模型，采用遗传算法对运营时段划分方案进行寻优。最后，以广州市87路公交线路实际数据为例进行验证，并对模型参数进行敏感性分析。研究结果表明：与传统方法相比，所提方法能更好地实现运力与运量相匹配，并有效降低车时成本；与以往基于断面客流和基于行程时间的划分方案相比，所提方案的车时成本分别降低25 veh·h和45.33 veh·h。     

小汽车与公交车行程速度特性多维度对比分析

基于北京市城市道路上小汽车与公交车的实测行程速度数据,对不同空间和时间维度下小汽车与公交车的速度特性进行了对比分析,从而为交通运行管理提供数据支持和参考.提出了定量表征小汽车与公交车速度变化趋势一致性的关联度指标,并对其计算方法进行了比选和论证.同时借助表征小汽车与公交车各自速度离散性的方差指标,以及表征二者速度大小差异性的绝对速度差指标,从不同道路类型、不同时段,以及有无公交专用道3个角度对小汽车与公交车各自的速度离散性、二者的速度差异性及关联性进行了对比分析.结果表明,快速路上小汽车与公交车的关联度最弱,q值为0.100;高峰时段的关联度较平峰时段强,q值分别为0.031和0.051;无公交专用道主干路上的关联度较有公交专用道主干路强,q值分别为0.101和0.083.基于大量数据论证得到的研究结论不仅具有普遍意义,而且量化了小汽车与公交车的速度特性.      

降雨对新疆高速公路交通流特征的影响

以新疆乌鲁木齐市机场高速公路采集的数据为基础,在分析新疆降雨特点的前提下,运用非线性回归的方法,对比分析了不同降雨强度在不同车道上的交通流特征的规律。研究表明:随着降雨强度的增加,速度、流量减少的程度越大;同强度降雨对高速车道的影响比低速车道的大,但呈现的规律表现基本一致。在此基础上,对实采数据拟合,得到了速度与密度、密度与流量、流量与速度的关系图。     

基于路段的路径行驶时间分布研究

行程时间可靠性是指通过一天中某一时间段的路径行程时间的一致性.这项研究为出行者提供最佳出发时间,使他们在最大可能性下准点到达目的地.本研究基于自动车辆识别技术收集数据,可直接获取道路网络的行驶时间数据,样本数据全面、充足.为了向出行者提供可靠的出行信息,数据的处理和分析可以通过直方图,PDF和CDF来展示行驶时间的分布情况.本研究基于路段行驶时间的分布,计算路径行驶时间的分布.考虑到复杂且难以直接获取路径行驶时间概率密度分布图,本文采用蒙特卡罗模拟方法从路段行驶时间分布产生可信的路径分布,并将模拟结果与检测到的实际数据进行比较,以验证方法的准确性和可靠性.