基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于路网二次分层模型的出行路径诱导优化方法

为了提高出行诱导路径搜索的效率和优度,提出了一种基于道路功能以及交通状态划分的路网二次分层模型,模型从道路的功能角度进行路网的初分层,从道路交通状态角度,通过设定的交通状态阂值进行路网的次分层,建立的路网二次分层模型从宏观方面反映路网的结构,从微观方面反映路网运行的交通参数;利用路网二次分层模型所划分的各层路网之间的协同,借助限制区域的A‘算法进行最优路径的“三段巡径”过程。实例表明该算法实用、高效,有助于搜索得到最优出行路径。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.     

基于CDMA网络的城市交通数据采集与处理技术

交通数据采集与处理技术是构建智能交通系统的基础。首先通过分析各类交通数据采集技术,提出了基于CDMA网络实施动态交通数据采集的方法;然后以重庆市主城区为例构建了动态交通数据采集系统;最后结合城市道路交通的特性对数据进行处理,使数据与道路相匹配,并在GIS地图上实现道路交通状态的实时显示。     

�����ƶ���⼼���ij���·��΢�۷�������

针对城市路网中各等级道路功能不合理和交通拥堵问题，提出了一种城市路网研究的方法：利用移动检测技术在道路上采集动态交通数据，通过对采集的数据进行处理，地图匹配，在地图上重现车辆运行轨迹，再结合城市土地利用情况，对城市路网状况进行综合微观分析，探讨了不合理路线的种类和原因，提出针对性的路网改良方案和建议.     

山区公路网关键监测点辨识方法

为了有效识别山区公路网中的关键监测点,合理布设监测设备,以使路网监控成本效益最优化,本文提出了一套山区公路网关键监测点辨识的方法。从路网监控信息采集需求角度出发,将山区公路网关键监测点划分为四种类型：事故黑点关键监测点、基础设施结构安全关键监测点、交通数据采集关键监测点以及气象信息采集关键监测点;引入路网层次划分思想,以道路安全性、功能性、交通流特性以及基础设施特性为划分指标进行路网层次划分,为关键监测点的辨识提供依据;在划分路段单元的基础上,按不同类型关键监测点构建评分指标体系,采用专家打分法和层次分析法对各路段单元进行综合评分排序,并通过设定合理阈值确定路网中的关键监测点。     

区域路网交通信息提取方法

为提取区域路网交通信息,基于物元分析理论提出了道路交通状态的判别方法．将交通状态的判别结果作为决策属性,综合考虑道路等级、时间及交通参数,构造区域路网的交通流特征信息表．用粗糙集方法提取交通流特征．用区域路网交通流特征提取示例验证了提出的方法的有效性．该方法可实际应用于在线交通状态判别和历史数据库的交通信息提取．     

基于数据驱动的区域交通TOD时段识别方法研究

提出了一种基于数据驱动的T OD时段识别方法,对区域不同路口、不同流向、不同时刻的交通流数据,采用多元相关分析、主成分分析等在空间尺度上识别出路网的关键路口和关键交通流向,采用层次聚类在时间尺度上识别出不同的交通状态和各T OD时段。以9个道路交叉口流量数据为应用实例,获取其中6个不同路口方向为关键交通流,并将不同时刻观测值聚类为5种不同的交通状态,进而识别出1 d的8个 T OD时段,每个时段分别代表干线或区域高、中、低等不同流量时期,表明了该方法的有效性。     

基于时空相关性的城市交通路网关键路段识别

关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一.关键路段的识别为交通规划、居民出行等提供了重要的决策支撑,对缓解交通拥堵具有重要的意义.本文对城市路网关键路段的识别进行了研究.首先建立了适用于交通路网的空间邻接矩阵;其次以时空相关函数表达不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为路段重要性的衡量指标,构建了逼近于理想点的路段重要性度量模型,通过排序实现了对关键路段的识别;最后将模型应用于北京市区域路网,结果证明,该方法能够有效地识别路网的关键路段,具有实用性和可行性.     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别，解决单参数无法直接识别道路交通状态问题，本文利用高频浮动车速度数据，使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性，围绕固定时间窗口内车辆的平均车速、对比度和逆方差，采用FCM (Fuzzy c-means)算法进行聚类分析，得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法，分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明，时间窗口越小其保持原有交通状态的可能性越大，时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度，结果表明，随着序列长度的变化，精度显示出先升高后降低的趋势，且固定时间窗口越大，不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别，综合精度分别为92.00%、84.89%、88.48%，同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型，说明道路车速的波动特征可以很好地反映道路交...     

基于轨迹大数据的城市交通感知和路网关键节点识别

结合城市道路网络的拓扑结构特征和交通流特性,建立基于有向加权复杂网络的城市交通网络关键节点识别模型.以兰州市连续7天的出租车GPS数据为基础,分析并可视化呈现兰州市在工作日和非工作日的城市交通流状态,并采用基于DWNodeRank的有向加权复杂网络关键节点识别方法对兰州市路网关键节点进行识别研究.本文研究方法和结果可为交通管理部门的规划、设计和管理提供科学指导.     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明:GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。      

面向单向交通路网的绿波协调设计方法

为提高单向交通路网运行效率，本文提出了一种单向交通路网绿波协调控制方法。首先， 分析不同类型的单行环路特征，考虑行人专用相位，建立单行环路中的路段行驶时间与交叉口信 号配时参数之间的约束关系，推导环路偏移绿信比的计算公式，以所有路段平均偏移绿信比最小 作为优化目标，给出最佳公共信号周期优化算法；然后，分析环路偏移绿信比与各路段偏移绿灯 时间的关系，根据约束关系将各个最小环路的偏移绿信比分配到环路上的单向路段，推导绿波带 宽大小计算方法；随后，以单向交通路网平均带宽占比最大为目标优化交叉口绿信比，给出交叉 口相位差计算方法，实现单向交通路网信号协调控制方案的优化求解；最后，以一个3×3的单向交 通路网为例进行案例分析，结果表明：利用本文方法求得的信号配时方案可以获得明显的绿波效 果，能够使所有交叉口的带宽占比均在70%以上，总体绿波效果优于SYNCHRO方案。针对未饱 和状态下的3种不同流量输入条件，利用VISSIM仿真实验，发现与SYNCHRO方案相比，本文提 出方案的路网直行车辆平均延误时间分别降低了9.0%、16.4%、26.1%，平均停车次数分别降低了 31.2%、48.8%、41.6%，路网的服务水平明显提升，有效验证了本文方法的可行性与优越性。     

大规模道路交通数据网络轻量化可视化方法

为提高网络环境下大规模道路交通数据动态可视化效率,提出一种在网络环境下使用流光线表达交通态势的轻量化可视化方法. 首先,提出顾及道路属性的路网分层组织方法,并绘制在不同视角高度下的道路;然后,提出基于WebGL (Web graghics library)技术线段索引特点的多道路合并方法,并结合视域剔除以及多线程技术对场景进行优化,设计实现了支持道路拥堵状态实时变换的渐变、动态流光线等动画效果;最后,研发了原型系统,并以全国道路网数据为例进行案例实验与分析. 实验结果表明:在网络环境下进行大规模道路交通数据动态可视化,本文方法可视化帧率稳定在40帧/秒以上,相较于百度ECharts GL可视化方法提高了20～30帧/秒.      

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.     

城市交通拥堵分析与诊断

从道路网络结构角度分析了城市交通拥堵问题,并通过对城市路网中快速路、主干道、次干道、支路的层次结构与功能进行分析,建立了交通拥堵的诊断模型。用交通分配法计算了路段最佳匹配通行能力,并给出了路段拥挤度和匹配度的计算方法。