浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.     

���������������Ż������о�

利用安装GPS设备的浮动车采集动态交通信息，具有数据精度高、覆盖范围广、实时性强等优点。阐述了基于浮动车的交通信息采集系统的原理和组成，针对目前浮动车采样周期主要凭主观经验确定的问题，提出了采样周期优化的理论方法：将浮动车瞬时速度当作随机信号，利用傅立叶变换对其进行频域分析，然后依据Shannon采样定理，确定浮动车的优化采样频率。结果表明：本文方法确定的采样周期可以获得较高的数据采集精度，满足实用要求。     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

针对浮动车异常数据的增强型在线异常点检测算法

在智能交通系统(ITS)中,为了从浮动车数据中获取准确动态的交通信息,需要实时识别并剔除异常数据。为了检测异常浮动车数据,本文提出一种独特的增强型在线非监督离群点检测算法(EOSA)。该算法由SS算法和K-means聚类算法组成,其中,SS算法可采用基于离散变量和连续变量的概率模型来计算异常分值,将K-means聚类算法与SS算法相结合可以有效提高检测精度。本文采用了深圳市浮动车数据来验证EOSA算法,试验结果表明,该算法能够成功检测到异常的数据,其中包含车辆停放和停车等待时的异常GPS记录。此外,通过试验比较,本文提出的EOSA算法比现有六种常用算法都具有更高的异常数据检测精度。EOSA算法有望应用于基于浮动车数据的智能交通系统。     

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.     

���ڳ������������㷨�ĵشŴ��������ڵ㳵�ٹ���

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.     

����SVM�ij��п���·�г�ʱ��Ԥ���о�

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求. 本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测. 最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析. 结果表明：与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度.     

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.     

基于相关性分析的浮动车速度建库方法研究

浮动车信息采集得到越来越广泛的应用. 由于交通流数据采集的连续性,形成了海量的数据信息,所以建立一个历史数据库,可以为交通状态预测提供参考数据,同时有利于减少冗余信息. 本文基于交通信息的相关性和相似性特性,提出了根据浮动车采集的历史数据建立历史标准数据库的方法,包括数据存储的时间粒度划分方法和两种用于计算基本数据序列的算法,即直接求和判断法和综合评价判断法. 最后利用北京快速路实测浮动车数据进行了实例计算和分析. 计算结果表明,本文提出的算法是有效的. 由于直接求和判断法具有简单、快速的优势,在实际应用中,建议采用直接求和判断法.     

��������Է����ĸ������ٶȽ��ⷽ���о�

浮动车信息采集得到越来越广泛的应用. 由于交通流数据采集的连续性,形成了海量的数据信息,所以建立一个历史数据库,可以为交通状态预测提供参考数据,同时有利于减少冗余信息. 本文基于交通信息的相关性和相似性特性,提出了根据浮动车采集的历史数据建立历史标准数据库的方法,包括数据存储的时间粒度划分方法和两种用于计算基本数据序列的算法,即直接求和判断法和综合评价判断法. 最后利用北京快速路实测浮动车数据进行了实例计算和分析. 计算结果表明,本文提出的算法是有效的. 由于直接求和判断法具有简单、快速的优势,在实际应用中,建议采用直接求和判断法.     

城市快速路区间旅行时间短期预测新算法

城市道路交通状况的预测,是实现未来路况查询、车辆动态导航等智能交通系统技术的关键。该文在分析浮动车数据的时间相关性的基础上,研究城市快速路的区间旅行时间短期预测算法。首先,采用统计方法和K-NN分类法相结合的新方法对缺失数据进行填充,并利用小波变换对每天的数据进行消噪处理;其次,在分别利用时间序列模型和人工神经网络模型对城市快速路区间旅行时间进行短期预测的基础上,通过模型组合获得预测值;最后,结合北京市区二环的一段快速路区间旅行时间的历史数据和实时数据,对该文所提出的快速路区间旅行时间短期预测算法进行了评价。结果显示,该算法的预测结果的平均绝对误差百分比控制在10.43%以内,具有良好的精度。     

基于模糊综合评判的智能行程时间预测算法

提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评判矩阵,从而求出行程时间的定量值。算例验证了算法的预测精度高,拟合程度好,具有一定的可行性。     

�������˽�ͨ�յ�VMS��Ϣ�������о�

北京奥运期间,通过VMS发布信息进行交通诱导取得了良好的效果,奥运期间发布的路况动态量化信息向出行者提供了路段的实时状态和奥运主要路线的行程时间。本文主要就基于交通流实时检测的奥运交通诱导VMS信息发布问题进行了探讨,首先介绍了奥运交通诱导VMS信息发布的逻辑结构,然后提出了基于采集的基础数据进行诱导信息VMS发布的数据处理流程和数据处理分析的具体方法,并对VMS发布的交通诱导信息的自动生成模型进行了讨论,最后提出了计算路段行程时间和平均速度的断面中心法和路段中心法,并给出了模型和算法在奥运交通诱导VMS发布中的实际应用效果。     

VMS Release of Traffic Guide Information in Beijing Olympics

During the Beijing Olympics, the traffic guidance by VMS achieved excellent effects. The road condition dynamic and quantitative information which was released during the Olympics provided travelers with real-time road conditions and travel time of main Olympic lines. The paper mainly discussed VMS traffic information release based on traffic flow real-time detecting. It introduced the logical structure of the Olympic traffic guidance VMS information release. It posed the data process of VMS release based on the original data collected and discussed certain methods of data process. It also discussed the self-generation model of VMS traffic guidance information. The mid point-centered method and section-centered method were utilized to calculate the travel time and the average speed. Finally, the paper presented the practical effects of the model and algorithm used in the traffic guidance VMS release.     

多车道交织区车辆跟驰行为风险判别与冲突预测

车路协同系统(IVICS)是保障安全高效出行的新兴技术之一,将高精度车辆轨迹数据与机器学习方法相结合,提出一种可应用于 IVICS 的多车道交织区的潜在风险判别与冲突预测方法。首先,基于无人机视频,从广域视角提取交织区交通矢量位置、速度等信息,并划分上下游、交织影响区等多个分区;然后,考虑决策行为(车车边缘距离、接近率)与车辆行为(横纵向速度、加速度、速度角度)构建风险判别模型,以单位面积冲突次数、持续时间、冲突密度等指标评估风险;最后,基于朴素贝叶斯模型与logistic回归模型分别进行交通冲突预测,与实测数据相比,预测准确率分别为74.86%、87.10%,Area Under Curve分别为0.84、0.88,表明logistic回归模型具有更好的预测性能。研究成果有助于交管部门制定与优化交通管控方案,可应用于IVICS动态预警。     

基于多维数据的高速公路服务水平实时判别方法

随着高速公路的不断发展,交通信息逐渐呈现多元化,而将这些信息进行整合并对高速公路服务水平进行实时判别,对于后期的交通控制管理及实时高效提供道路信息至关重要.本文考虑了时间、天气、出行日期等多因素的影响,选用车速、密度作为高速公路服务水平评价指标,结合最小二乘支持向量机与聚类分析相关算法,提出了一种基于多维数据的高速公路服务水平实时判别模型,以实现对高速公路服务水平的参数预测及实时判别.选用河北省237 360组训练样本数据和6 048组预测样本数据验证了该模型的有效性.结果显示,该模型获得了较高的判别精度和较好的预测效果,是一种有效的高速公路服务水平实时判别方法.     

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。     

基于ETC电子收费数据的信息提取技术研究

电子不停车收费系统是智能交通应用系统中取得较大发展的子系统. 系统能实时记录车辆的进、出口收费站的时间、地点等数据. 本文以电子不停车收费的交易数据为基础,通过对原始交易数据的分析,确定了数据的处理流程,在此基础上,提出了路段行程速度计算模型,交通流量分布规律分析方法和高速公路站点OD分布、车型比例分布等指标获取方法. 研究以北京市高速公路电子收费数据为例,进行了案例分析. 结果表明,本研究中提出的数据处理和提取技术能较为准确地获取高速公路运营管理中所需的信息,这些信息为高速公路出行者信息服务、高速公路交通运营和规划等提供有效的信息支撑.     

���������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.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.