大型综合交通枢纽出租车上下客点规模确定方法研究

以虹桥综合交通枢纽为例,介绍了枢纽交通配套设施中出租车上下客点规模的确定方法。通过对现场调查获取的数据进行分析,得到实际运营中交通枢纽的交通特征及参数,给出枢纽配套设施出租车上下客点规模需求预测方法,为综合交通枢纽陆侧交通的规划、设计和运营管理等工作提供借鉴。     

北京市出租车运营状况分析系统开发

基于出租车运营管理需求分析,明确了城市出租车运营状况的分析内容。综合匹配后浮动车数据、出租车运营信息表和电子地图等建立出租车运营管理专题数据库,在此基础上,设计开发了出租车运营状况分析系统。经测试表明,该系统技术先进、运行可靠,能够全面地分析城市出租车运营状况,可作为城市交通管理的辅助决策工具。     

GPS在智能交通系统中的应用

GPS能够提供高精度的动态实时定位和导航信息,可以有效辅助解决城市交通拥堵、停车混乱等问题。随着现代交通系统不断向着信息化、智能化的方向发展,GPS将发挥更重要的作用。本文综合分析了GPS在智能交通系统中的应用形式,并以出租车GPS轨迹数据为例,进行了实例分析。     

基于出租车跟踪的市区路网交通状态估计方法

为了获取市区路网的交通状态,提出了一种基于出租车跟踪的市区路网交通状态估计方法。该方法采用GPS定位设备获取出租车的行驶数据,然后结合数字地图数据对其中的位置数据进行修正,并采用A^＊启发式搜索算法对出租车进行跟踪,最终通过计算出租车跟踪路径在所覆盖路段上的置信参数来实现对市区路网交通状态的估计。基于上海市的出租车GPS调度数据和市区路网数字地图数据的应用实例验证了这一方法的可用性。     

面向数据驱动建模的行人轨迹自适应压缩与误匹配识别分割

轨迹数据驱动的行人行为分析建模在公共场合异常事件监测、人车冲突风险评估等方面具有重要意义,广布的交通视频监控是行人群轨迹数据的重要来源。行人轨迹具有趋势性和规律性,提取的原始轨迹信息冗余较大,且密集行人群频繁遮挡,不同行人轨迹易发生误匹配,导致数据失真。针对以上问题,根据行人轨迹的局部结构特征和数值特性,设计一种改进的两阶段自适应滑窗轨迹压缩算法ATSSW (Adaptive Two Stage Sliding Window)和基于轨迹局部转向角的误匹配识别和分割方法ABTDS (Angle-based Trajectory Detection and Segmentation),清洗和压缩行人轨迹数据。首先,ATSSW算法考虑轨迹各坐标分量的数值分布特征,将提取到的所有原始轨迹分为漂移和非漂移2类,采取不同的策略分别压缩2类轨迹;然后,ABTDS算法分析压缩后的轨迹局部转角特征,辨识误匹配轨迹样本;最后,ABTDS算法分割误匹配样本,并用分割后的轨迹更新原始轨迹数据集。研究结果表明：ATSSW算法压缩了653条原始行人轨迹,总压缩信息损失1 002.04,总平均轨迹压缩率为6.07%,总平均轨迹压缩保留率为95.35%;原始轨迹集中存在126条误匹配轨迹,ABTDS算法辨识并成功分割了其中的107条,检出率为84.92%;所提算法抑制了原始行人轨迹中漂移点和误匹配现象所致的干扰,减少了原始轨迹数据噪声,可提高轨迹数据驱动的行人行为建模精确度;适当压缩原始轨迹,可减轻轨迹数据存储处理的负担。     

一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.     

基于运营数据的出租车违规行为研究

为解决相关管理部门对出租车经营违规行为监管处于事后获取或采用巡查方式的问题,为管理部门对出租车加强事前预防和管理决策提供有力保障,利用时间序列匹配GPS数据与计价器数据,通过地图匹配方法、Dijkstra算法、计价器获取了不同的里程数据。分析了出租车GPS里程和最短路径、GPS里程与计价器里程、GPS里程计算费用与计价器费用的关系。经过对连续一段时间内数据的统计分析,计算了上述关系的比值。采用D-S证据理论方法,以里程、时间、费用作为约束指标,综合判别了其行为是否违规,并将分析结果直观显示在地图上。利用深圳市2015年9月8日至2015年11月7日16 275辆出租车GPS数据和计价器数据进行了实例验证,经过与管理部门进行核对,发现其查处的违规车辆均在分析结果中有所体现,由此说明该方法切实有效。     

基于模板的交通调查分析系统设计与实现

就交通调查工作方法进行分析,建立了基于模板的交通调查分析系统的框架,并介绍了的实现方法.引入交通调查组织模板的概念,介绍了其功能设计和实现方法,改进了检测数据预处理的算法.系统降低了用户对复杂的交通调查组织的认知要求,简化了操作步骤,提高了数据预处理的可靠性,扩展了系统的应用范围.系统分为交通调查组织模板、数据录入与数据预处理、数据的分析与处理、查询与结果显示、输出和系统维护模块.     

数据融合技术及其在交通领域中的应用

通过对数据融合基础理论的总结与分析,提出了数据融合技术在交通运输领域的应用范围以及交通数据融合的数据处理过程,并以车辆行驶轨迹跟踪为实例讨论了数据融合技术在交通领域中的具体应用.     

基于小波变换的城市道路交通事件检测

利用出租车浮动车数据对城市道路行程车速的表达能力,针对出租车空车和重车2种数据运用小波变换技术分析了城市道路交通状态突变点,据此进行了城市道路交通事件的检测。区别于以往小波变换技术,首先运用于数据降噪,再将处理数据运用交通事件检测算法判断,直接采用小波变换技术实现了对城市道路间断流的交通事件的检测。并利用实际采集数据对提出的交通事件检测算法进行了验证,结果表明算法能够对交通事件进行更综合的检测,检测准确度得到了提高,能够为城市交通信息发布和交通诱导提供更加可靠的信息。     

基于手机信令数据的交通OD提取方法改进

手机信令数据作为一种大数据,在交通OD调查中应用日益广泛。从手机信令数据中提取交通OD量化指标需要经过出行端点识别和出行端点匹配2个步骤。为了克服现有研究中基站覆盖范围假设与实际出入较大的情况,笔者改进了出行端点匹配方法。首先分析了传统交通小区和基于蜂窝小区聚类交通小区2种交通小区划分方法各自的特点和适用条件;对于使用传统方式划分的交通小区,提出了缩小基站可能覆盖范围的方法,使用用户最大可能活动范围,排除用户不可能达到的区域,结果表明该方法可提高部分出行端点匹配精度。对使用蜂窝小区聚类划分的交通小区,将聚类流程进行了简化,去掉了部分不能显著提高精度的流程,结果表明简化后未明显降低匹配精度。     

航拍视频车辆检测目标关联与时空轨迹匹配

高解析度轨迹数据蕴含丰富车辆行驶与交通流时空信息.为从航拍视频中提取车辆轨迹,构建了车辆检测目标跨帧关联与轨迹匹配融合方法.采用卷积神经网络YOLOv5构建视频全域车辆目标检测,提出车辆动力学与轨迹置信度约束下跨帧目标关联算法,建立了基于最大相关性的断续轨迹匹配与融合构建算法,实现轨迹车辆唯一编号.将轨迹从图像坐标转换为车道基准下Frenet坐标,构建集合经验模态分解(EEMD)模型进行轨迹数据噪声消除.采用南京市快速路无人机拍摄的2组开源航拍视频,涵盖拥堵与自由流交通状态,对轨迹提取算法进行效果测试.结果表明,在自由流和拥挤条件下轨迹准确率分别为98.86％和98.83％,轨迹召回率为93.00％和86.69％,构建算法的轨迹提取速度为0.07 s/辆/m.该方法处理得到的详细车辆时空轨迹信息能为交通流、交通安全、交通管控研究提供广泛的数据支撑,数据公开于http://seutraffic.com/.     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

北京市道路交通资源占有率分析

为了从宏观上了解城市交通基础设施的利用和使用情况,引入了交通资源占有率的概念表征车辆在全天、全路网上的运行状况。以北京市为研究对象,通过历年的统计数据和交通调查数据,分别从客运交通结构、行车里程、行车时间、交通调查中核查线车型比例等角度对北京市2000年和2005年的公交车、小汽车、出租车等不同交通方式的道路资源占有率进行计算。     

城市轨道交通站点接驳设施规模预测方法

为了对城市轨道交通站点接驳设施规模进行准确预测,从各接驳方式分担的客流量入手对接驳设施规模预测方法展开研究.在分析接驳设施规模影响因素的基础上,对城市轨道交通站点各出入口进出站客流进行观测统计,确定高峰小时集散的总客流量,利用多项logistic回归和Bayes判别分析2种方法分别建立城市轨道交通站点接驳方式分担率预测模型,将模型输出的结果与调查数据进行对比,判定2类模型在不同接驳方式分担率预测上的适用性,进而得到城市轨道交通站点高峰小时各接驳方式分担的客流量.利用数理统计学方法建立城市轨道交通站点周边的常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场规模预测模型,根据调查数据和已有研究成果对模型参数进行标定.应用这组模型对哈尔滨轨道交通1号线中哈达站的接驳设施规模进行预测,验证了模型在实际应用中的可行性.      

基于GPS数据的出租车通勤识别及时空特征分析

为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。     

基于组合模型的车辆出行特征模式划分

精准掌握车辆的出行规律研究智能化城市交通管理及规划的基础工作,而掌握车辆出行规律的前提是探究车辆的出行特征。为研究城市道路交通车辆的出行特征模式,通过对历史RFID轨迹数据挖掘,对私家车、出租车样本轨迹数据进行定性分析,总结车辆运行的分布特征规律。基于数理统计分析,建立了出行频次、在网时间、轨迹重复率、出行时段,活动偏好区域、干线影响区偏好等出行特征指标体系。通过对出行特征指标的定制选取,建立基于密度峰值(CFSFDP)算法与BP神经网络算法的出行特征群体辨识模型。研究了私家车、出租车存在的特征群体,辨识出不同的出行模式,即实现出行特征群体的辨识。选取重庆市主城区域内的RFID数据进行试验分析,分别基于私家车、出租车提取的出行特征指标,进行CFSFDP算法的聚类分析,找到聚类中心,归纳分类数据。再利用分类数据进行BP神经网络训练学习,评价模型试验结果。结果表明:私家车存在3种出行特征群体:商用私家车群体、通勤私家车群体、其他私家车群体,群体识别率为97.2%。出租车具有2种出行特征群体:其他区域偏好出租车群体、干线影响区偏好出租车群体;群体识别率高达99.18%。     

数据融合技术及其在交通领域中的应用

本文通过对数据融合基础理论的总结与剖析，提出了数据融合技术在交通运输中的应用领域以及交通数据融合的数据处理过程，并以车辆行驶轨迹跟踪作为实例讨论了数据融合技术在交通领域中的具体应用。     

乌鲁木齐国际机场枢纽综合交通规划方案简介

乌鲁木齐国际机场计划进行扩容改建,将以航空运输为核心,配套社会客车、出租车、公共巴士、城市轨道交通等多种交通方式进行集散与接驳,成为我国西北地区面向国际与国内的超大型综合交通枢纽。针对乌鲁木齐国际机场枢纽综合交通规划方案,阐述了规划背景,介绍了机场枢纽定位及组成,对旅客集散规模进行了分析,并简要阐述了综合交通规划方案。     

大数据技术在城市智慧交通中的应用研究——以兰州市为例

文章以兰州市为例，对大数据技术在城市智慧交通中的应用展开论述，首先对相关背景进行了简要介绍，然后分析了大数据技术在城市智慧交通中的应用价值，之后分析了大数据技术在城市智慧交通中的应用思路，并重点探讨了大数据技术在城市智慧交通中的应用模式构建，最后提出了外部保障工作的完善措施。