数据挖掘的模糊统计法及其在交通流中的应用

交通流变化是复杂的,对其定量研究必须采用数据挖掘技术。注意到交通流既存在由于随机性带来的统计不确定性。也存在着由于人们对于交通状态描述时无法避免的概念含混性带来的模糊不确定性。因而必须用模糊概率描写交通状态。为此,给出交通流数据挖掘的模糊泊松分布和模糊二项分布模型。模糊概率用于交通流数据与建模分析,可用于对模糊交通状态之间的模糊转移概率计算、道路通行能力的模糊预测等。     

高速公路交通流建模综述

交通流建模是智能交通自动控制、分析、设计、仿真和决策的前提 ,历来是交通工程界的一个重要的研究课题 ,分三条主线 (宏观交通流模型、微观交通流模型、其它交通流模型 )对交通流建模的发展做了详细介绍 ,并在文末提出了对交通流建模今后发展的展望     

快速路可变限速与匝道控制协同优化策略

可变限速控制和匝道控制是快速路交通控制的主要手段,本文对两者的协同优化策略进行了研究.借助智能车路协同系统强大的信息感知能力,通过引入微观交通流信息,对经典METANET模型进行了改造,构建了可变限速控制影响下的微观METANET模型,实现了一种新的可变限速控制策略,同时,采用ALINEA算法,对入口匝道进行了优化控制,实现了两者的协同优化.最后,基于实际道路和交通流数据搭建了仿真平台,对微观METANET模型和协同优化策略的有效性进行了验证.仿真结果表明,微观METANET模型具有良好的交通流预测效果,协同优化策略能有效地改善快速路交通流状态.     

短期交通流预测效果的模糊综合评判

短期交通流预测是智能交通诱导和交通管理控制的基础，预测效果的好坏直接关系到诱导信息和控制决策的正确性．运用标准离差法确定评价指标的权重，并依据最大隶属度原则建立了二级模糊综合评判模型，评判结果可用于判断各种短期交通流预测模型的预测性能，给智能预测系统中的模型选择提供了依据．     

基于元胞自动机的交通流状态研究

为方便交通部门能够更直接地掌握道路交通流状态,对交通流进行管理、调节和诱导,从而提高路网交通效率,本文主要围绕交通流状态统计、交通流状态仿真和不同交通状态的决策方案三个方面进行研究。研究基于物理公式和格林希尔治模型理论构建交通流流量与车辆平均速度的基础模型,根据不同道路的最大流量判断道路交通状态;利用matlab将道路简化为元胞自动机的运动过程进行分析;并根据交通流状态分析结果提出合理的决策方案。     

两近距离城市交叉口交通信号的研究

两近距离城市道路交叉口属于交通控制中的特殊情况。利用交通流理论中提出的车速与密度关系，采用交通流宏观动态模型中的密度动态模型和流量动态模型，推导出两近距离城市道路交叉口交通信号相位应满足的约束条件，并通过实例论证出在这种约束条件下对交通信号进行配时是正确的且是行之有效的。     

一个新的基于LWR模型的中观交通流运动学模型

从控制体积的离散思想出发,利用有限元的加权余量方法,提出了一个新的中观交通流建模方法。并利用此思想建立了基于速度-密度关系宏观交通流LWR模型的中观交通流模型。研究了该中观模型的数值解法并且基于多分辨率仿真系统平台通过C＋＋实现了该算法,通过仿真案例对模型的物理特性、实际效果进行了评价,仿真结果表明：该中观模型的结果符合经典的流量、密度与速度曲线规律与实际场景应用情况。     

基于时空模型的交通流故障数据修正方法

为了提高交通流数据的准确性,从时间相关性、空间相关性和历史相关性三方面分析了交通流大数据的特点,建立了基础交通流时空模型。为保证数据处理的精度和速度,进行了时空模型的简化和标定。将时空模型简化,抽象为双层规划模型,上层模型通过控制时空相关参数的数量实现运算速度的优化,下层模型通过控制误差实现计算精度的优化。应用数据驱动法进行双层规划模型的求解,完成时空模型的标定。在时空模型的基础上,提出了交通流故障数据修正方法。以北京市某路段为例,对交通流故障数据修正方法进行有效性和可行性验证。验证结果表明:基于历史趋势、空间相关与时间序列的交通流故障数据修正方法的精度分别为79.65%、85.16%、89.84%,基于时空模型的交通流故障数据修正方法的精度为90.91%,具有较高的精度,而且可准确描述交通流大数据的特点。     

基于认知差异的交通流动力学建模及仿真

车路通讯技术的发展为驾驶员提供当前和预测的交通状态信息创造了条件.本文考虑驾驶员的预测性及驾驶员群体对交通信息认知的异质性,建立了新的宏观交通流动力学模型.基于线性稳定性理论,获得了新模型的稳定性条件;通过仿真算例,分析了模型参数对交通流稳定性的影响.结果表明,驾驶员的预测时间、记忆时间、最优记忆流量差权重系数、驾驶员类型比例和记忆时间差异对交通流稳定性存在显著影响;而增大预测时间步长、记忆时间步长、权重系数和认知强度系数都可以有效增强交通流的稳定性;但交通信息认知差异增大却会破坏交通流稳定性.     

基于动态模糊控制和模糊决策的交通分配方法

为提高整个路网的运行效率,建立了一个非线性规划模型,进一步得出相应的非线性模糊规划模型,根据相邻交叉口交通流大小和方向的不同,通过动态模糊控制手段,采用弹性信号周期和最大隶属度原则,合理地动态分配交叉口信号相位。驾驶人通过对路径察觉,获得最小察觉阻抗路径,并与智能交通系统提供的各路径阻抗进行对比,选择最大满意度的路径。分析结果表明:动态模糊控制和模糊决策法与最短路径法的交通流分配结果基本一致,模糊最优控制使得信号交叉口的控制效用提高50%以上,且动态模糊控制和模糊决策法更能反映人的行为,是一种有效的交通控制方法。     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

基于社会力的信号交叉口施工区交通流建模

由于施工区的存在,城市道路信号交叉口通行能力下降,车流运行混乱.本文为 了从微观层面研究信号交叉口施工区交通流运行特性,以初始社会力模型为基础,首次提 出一种新的适用于交叉口交通流的社会力模型;通过对影响岛式施工区通行能力的因素 进行分析,设计出一套数据采集方案;利用实测数据并结合遗传算法对提出的模型进行标 定,使用统计学指标对标定结果展开评价.结果表明,提出的新模型仿真得到的交通量与 实测值平均绝对相对误差仅为0.028,能为信号交叉口施工区交通流模拟提供参考.     

基于混合近端策略优化的交叉口信号相位与配时优化方法

交通信号优化控制是从供给侧缓解城市交通拥堵的重要手段,随着交通大数据技术的发展,利用深度强化学习进行信号控制成为重点研究方向。现有控制框架大多属于离散相位选择控制,相位时间通过决策间隔累积得到,可能与智能体探索更优动作相冲突。为此,本文提出基于混合近端策略优化(Hybrid Proximal Policy Optimization, HPPO)的交叉口信号相位与配时优化方法。首先在考虑相位时间实际应用边界条件约束下,将信号控制动作定义为参数化动作;然后通过提取交通流状态信息并输入到双策略网络,自适应生成下一相位及其相位持续时间,并通过执行动作后的交通状态变化,评估获得奖励值,学习相位和相位时间之间的内在联系。搭建仿真平台,以真实交通流数据为输入对新方法进行测试与算法对比。结果表明：新方法与离散控制相比具有更低的决策频率和更优的控制效果,车辆平均行程时间和车道平均排队长度分别降低了27.65%和23.65%。     

基于遗传算法的城市干道协调控制

探讨了传统解法城市干道协调控制中存在的典型问题，对城市干道协调控制中交通流在协调控制系统内各交叉口的“驶离一到达”模式进行了分析，提出了基于遗传算法的城市干道协调控制相位差优化设计方法。范例分析表明本文的方法求解结果优于传统数解法，能更准确地反映实际的交通运行情况和控制效果。     

确定性空域容量约束下的区域流量管理优化模型

为解决区域内空中交通拥挤问题,以最小化总权重延误和最小化区域外权重延误为优化目标,通过决策偏好参数关联两个优化目标,在确定性扇区容量约束的基础上,增加了流量尾随间隔限制约束和扇区最大允许延误时间约束,构建了满足区域性流量管理实际运行约束条件的基于时间计量的流量管理整数规划模型.选取中南区域的实际空域和航班计划数据,采用CPLEX优化软件求解模型.结果表明:目标函数中的决策偏好参数能调节两个优化目标;新增的约束条件能满足实际运行需求和保证策略的可实施性,即在实施生成的策略时不产生额外的管制员工作负荷.     

城市交通控制中的数据采集研究综述

过去几十年来，城市交通控制技术为适应不断增长的交通需求和日益复杂的管理目标有了长足发展. 作为城市交通控制策略制定和控制算法设计的基础，交通数据决定了城市交通控制的适用性、可靠性和先进性. 数据采集技术的发展为城市交通控制能力的提升带来了机遇和挑战. 本文回顾交通控制系统中数据采集与参数估计的基本方法，分析评述检测数据方法从固定式无标识数据、移动式检测数据到固定式有标识数据的演变，指出它们给交通参数估计带来的变革. 结合20 世纪末出现的移动式检测技术，分析评述了对应的两种交通参数估计方法，即基于概率论的方法和基于交通流激波理论的方法给交通控制带来的影响. 针对近年来出现的固定式有标识检测数据，分析其对城市交通需求估计及交通控制策略参数估计研究带来的新任务. 最后，分析指出我国未来交通控制研究的三个方向：一是城市交通控制系统的信息范围已扩展到区域和路网层级，二是交通参数估计研究的重点随着数据采集方式的演变已转向提高参数估计的实时性与精度等领域，三是交通参数研究理论与实践存在差异，如何结合我国城市交通系统运行中检测环境差异导致数据误差率的变化，交通流到达规律的变化，道路上不同种类交通流间的交叉干扰等实际应用因素，使方法与模型能有效地指导我国复杂的交通控制实践是重要方向.     

基于图卷积网络的路网短时交通流预测研究

智能交通系统是缓解交通拥堵行之有效的手段，精准的交通流预测是其实现的关键所在. 本文考虑路网拓扑结构和交通流时空相关性，提出基于图卷积网络(Graph Convolution Network，GCN)的大规模城市路网短时交通流预测模型，具有较高的预测精度、预测效率和现实解释意义；采用真实大规模城市路网浮动车数据对GCN模型进行测试，结果表明，GCN模型相对于现有模型，在预测性能上有较大提升.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于实时交通数据的路网展示系统的开发研究

深入研究实时交通数据,并将其应用在交通管控系统中,研究开发出实时交通数据路网展示系统,可为交通管理者提供辅助决策的依据,增加道路交通指挥的反应时间,起到提前知晓、提前疏导的作用,同时也为交通参与者提供实时路网信息,为现有的道路导航系统提供道路状态信息。     

基于交通流生存函数的交叉口通行能力计算模型

针对基本通行能力不能全面反映道路交通状况的缺点, 提出了城市道路随机化通行能力概念; 依据评价体系定义交通中断与持续中断, 量化了城市道路交通拥堵程度; 研究了现有通行能力估计方法, 利用乘积限与寿命分布列构造并估计了交通流分布函数; 结合交叉口各入口交通流数据特性改进传统连续交通流参数模型, 提出了基于交通流生存函数的交叉口通行能力计算模型; 将该模型估计结果与道路通行能力手册HCM2010中的模型估计结果和交叉口实测流量进行误差对比。分析结果表明: 生存函数模型计算出的中断、持续中断交叉口通行能力与HCM2010中的模型计算结果误差均值分别为0.162 1与0.116 4, 方差分别为0.029 0与0.015 2, 两者误差波动均较小; 提出的计算模型结果与实测较大流量相对误差分别为9.720%、3.822%和4.936%、4.779%, 统计意义下提出的计算模型相对误差为5.871%, 估计效果稳健; 城市道路交通中断次数、可接受中断概率、交通流、速度与道路通行能力之间存在生存函数乘积限对应关系, 研究交叉口的通行能力为7 632 pcu·h-1, 提出的计算模型估计结果更具有可靠性。可见, 提出的计算模型适用性较好, 特别在不同拥堵程度的城市道路交通区域, 通过可接受中断概率估计通行能力, 可为城市道路交通组织与管理部门提供优化目标、科学决策和易于接受的理论依据。