单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

单线圈模式下交通参数估计研究

介绍了单线圈在交通参数测量中发挥的作用,阐述了单线圈模式下进行交通流参数估算,主要是交通速度估计的意义和目前采用的主要算法.在此基础上,利用交通流仿真软件PARAMICS并应用此软件搭建单线圈路网模型,通过它获得单线圈模式下交通速度估计的仿真数据,并对数据进行了分析.     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

��ͨ�źſ��Ʋ����ķ����Ż������о�

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

航道内实时船舶交通流航行风险主动评估

为主动评估航道内实时交通流航行风险,并对交通事故状态做出预警,利用高斯混合模型和最大期望算法构建了贝叶斯网络。基于长江草鞋峡水道内船舶检测器数据和交通事故数据,学习和训练贝叶斯网络的结构和参数,构建了贝叶斯网络分配器。分别对8组船舶交通流数据建立贝叶斯网络分类模型,结果表明:采用交通事故发生前20~40 min内、且距离事故地点最近的2个船舶检测器的数据构建的模型分类效果最优,正确率为78.13%。最后通过与BP神经网络和K近邻两种估计算法比较,证明了BN模型预测效果更优,是一种较好的实时交通流航行风险评估方法。     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

基于马尔可夫过程的快速路OD矩阵估计方法

为得到城市快速路网络的OD矩阵,引入马尔可夫理论.运用吸收马尔可夫过程对快速路网络进行建模分析,给出相应求解算法推导路段流量,小区OD矩阵表达式,并介绍了运用MATLAB软件进行矩阵求解的方法.最后进行了算例分析,利用VISSIM仿真,通过布设线圈检测器,对OD矩阵估计模型及算法进行精度评价.结果显示,模型可很好地拟合...     

欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

���������ھ�Ľ�ͨ����ģ�Ͳ����궨

为了克服经典速度－密度模型刻画道路交通流动态变化特性的缺陷,将更丰富的路段检测信息运用到交通仿真模型参数的标定过程中.提出在预处理检测器数据后,采用一种基于凝聚层次聚类的局部加权回归算法标定车辆速度.该算法先对训练样本进行聚类,然后用凝聚层次聚类法对每一个约束类生成一棵聚类树;其次用k 最近邻方法将与待估计速度相关的新样本划入适当的类中,最后采用局部加权回归标定车辆速度.利用现场数据对算法进行了大量测试,分别将车流密度,密度与流量作为变量标定车速.结果表明,提出的算法是有效的,适用于基于仿真的动态交通分配系统.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

交通拥挤状态模糊识别方法的设计与应用

交通状态是交通控制、交通诱导等管理措施的基础．在分析交通流运行特性的基础上,提出了交通流状态的拥挤和消散变化过程,并得出交通量和占有率对交通状态变化的敏感特性．建立了以交通量和占有率为输入量的交通状态模糊识别方法,并利用某路段环形线圈检测器的实测数据进行了仿真实验,实验的识别结果与实际交通状态相当吻合,可见该方法具有良好的实用性．     

基于有限理性的交通网络可靠性均衡模型

为探索交通系统不确定性和出行者心理感知差异对出行路径选择行为的影响,将路网可靠性和有限理性融入出行者的路径选择决策中,提出双目标交通网络均衡模型.为应对模型多解问题,建立出行可靠性和有限理性下的贝叶斯随机用户均衡模型,运用贝叶斯统计和双层规划框架估计权重系数,采用变分不等式刻画交通均衡模型;分别设计迭代算法（iterative algorithm,IA）和相继平均算法（method of successive average,MSA）求解贝叶斯权重系数估计和变分不等式交通网络均衡模型.算例表明：随着观测变量和输入变量扰动变小,估计参数的均方根误差逐步减小;IA在运行15 s后均方根误差达到0.05,MSA在1 s内收敛精度达到10-6;变分不等式均衡模型可以同时反映出行者的风险态度和有限理性决策过程.     

基于收费数据的高速公路实时网络状态估计研究

随着高速公路建设速度的加快,引发了诸如交通安全、交通拥堵、环境污染等一系列衍生问题.高速公路实时网络状态的获知就是减少拥堵延迟、保障高速公路快捷通畅的方法之一,但是由于基础数据获取的渠道还比较单一,因此在高速公路网络状态估计方面还缺乏科学的指导.本文利用高速公路进出口收费站数据,通过统计技术得到路网的OD量,在改进中观交通仿真模型的基础上,采用仿真手段将动态OD进行网络加载,从而产生实时的高速公路全路网无缝覆盖的网络状态估计.通过真实的山东省域高速公路全网络进行例证,结果表明,本文方法可以比较准确地估计出实时的网络状态,可以得到网络中任意路段的交通流速度、密度、流量等信息,可以为高速公路管理部门发布动态诱导信息、规划检测器设置等提供参考和帮助.     

基于Van Aerde模型的快速路交通流特征参数辨识？

宏观交通流参数特性是交通流理论中重要研究内容,而快速路做为城市骨干路网,交通流特征参数对于快速路的控制与管理具有重要价值。基于固定检测线圈检测到的交通流数据,对数据进行错误剔除与修复,并集聚提取了快速路流量、速度与占有率值,同时通过实测数据统计分析车辆平均长度,实现占有率与密度之间的转换,进一步采用标准遗传算法与最小二乘法对Van Aerde模型进行了对比标定,辨识了快速路交通流特征变量,为城市快速路的精细化管理提供支持。     

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别，存在只能从单一角度刻画交叉口交通需求的问题. 对此，提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手，构建交叉口有效检测区域的图像化模型；将交叉口交通状态识别转化为图像搜索问题，利用监督哈希算法实现基于部分标签信息的图像搜索，进而得到交叉口的交通状态；最后，利用仿真对该方法进行了验证. 结果表明，所提方法在识别精度和速度上具有可行性和有效性.     

基于车流特征分区算法的地磁传感器单节点车速估计

地磁车辆检测器是近年来兴起的新型交通流信息检测技术,而利用单节点检测数据完成车速估计是该技术研究的重点之一. 本文首先对地磁车辆检测技术予以简要介绍,然后基于对道路车辆车长分布规律的分析,在合理假设的前提下,提出了车流特征分区的车速估计算法. 该算法充分考虑实际应用中各类车型组成情况,应用最大类间方差法实现大型车与小型车的分类,基于城市道路小型车居多且车长分布集中的特点,仅利用小型车通过时间检测数据完成对平均车速的估计. 最后,选取实际路段开展试验,并基于Matlab平台对该算法进行了验证. 结果表明,本文提出的车流特征分区算法稳定性好,平均准确率达到85％以上.