基于出行特征的用地类型推断方法研究

提出一种基于卷积神经网络推测城市交通小区内用地特征的算法,同时对交通小区内多种用地类型进行预测.选用公共交通出行数据集和网约车出行数据集,融合多种出行方式的出行特征对交通小区内用地特征刻画.提取交通小区内发生强度,吸引强度和产吸差强度3个指标作为模型输入,训练得到基于区域内出行特征双通道的卷积神经网络模型,采用网格寻优方法确定最优网络结构.选取北京市六环内交通小区作为研究对象,结果表明,本文算法能够同时推断交通小区内居住、工作和休闲用地特征,并获得各用地类型在小区内占比分布.     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预测上表现较好,预测精度达到90.2％,比决策树模型精度提高了12.4％,比自回归模型精度提高了5.6％.     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题，构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型，快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法，以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据，验证模型的有效性和准确性. 结果表明，模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测，取得较好的结果.     

基于手机传感器数据的出行特征提取方法

手机调查方法的已有研究较多集中于基于手机信令数据的宏观出行特征获取,而手机传感器数据在个体出行链微观出行特征提取方面具有优势.针对城市居民多采用组合交通方式出行的特征,研发智能手机应用软件,实现GPS数据(位置坐标与速度)、加速度计、服务基站、WiFi等传感器数据采集.运用小波分析、神经网络等数据挖掘技术分析不同交通方式出行数据差异,探索多种数据挖掘算法用于个体出行参数提取的可行性及效果.结合实际案例,总结应用手机传感器数据进行出行特征精细化提取的难点和技术关键.最后,探讨精细化个体出行数据在交通模型和理论优化方面的应用.     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明:卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。      

交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性．最后,文章讨论了下一步的研究方向．     

���ڷǼ���ѡ��ģ�͵ij����о���������ݷ���

传统的四步骤模型中的出行生成模型是预测研究范围内每个交通小区的出行发生次数和出行吸引次数，直接将居民的出行次数简单的按交通小区进行集计处理，并没有充分考虑每个人的出行次数，难以反映个人和家庭的社会经济等因素对居民个人出行次数的影响。本文根据2003年吉林省长春市居民出行调查数据，利用非集计模型建立居民个人的出行次数选择模型，并应用相关统计软件对模型进行标定，进而分析居民个人的出行次数，从而求得居民个人出行次数的期望值，初步尝试探索非集计模型和四步骤模型的综合应用问题。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清，背景复杂多变，难以捕获到有效特征，导致算法识别误报率和漏报率较高；此外，深度卷积神经网络结构复杂，参数繁多，难以缩短其计算时间至1 ms内，这成为实时火灾预警的一大难题. 为了解决上述问题，提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配；同时，为了避免由于训练样本不足引起的过拟合，原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本，并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%，且计算时间减少到0.26 ms.      

基于多源数据的南昌市岗位类型与出行特征研究

就业岗位是交通需求建模的基础数据,包括不同类型岗位的空间分布及其出行特征.将手机信令大数据与"三调"用地数据、交通模型、"七普"数据、年鉴数据等进行融合分析,实现信令大数据中职住数据、出行数据的精细化扩样及其与地块性质的关联,并进一步对各类就业岗位的出行特征进行研究,包括岗位密度、交通吸引率、通勤距离、通勤速度、交通强...     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

走廊层面交通小区划分方法的优化

基于公交客运走廊划分的交通小区，可为走廊公交线网优化提供更为符合公交乘客出行特征的需求分析和预测基础.本研究针对公交客运走廊特点，将走廊划分为直接影响区和间接影响区，提出分层次的交通小区划分理论.针对走廊不同影响区在需求预测和分析中对结果精度要求的不同，基于大数据选取更加适合公交走廊交通小区划分的聚类指标，提出直接影响区细分和间接影响区合并的划分方法，并通过引入聚类因子初步确定聚类数目和交通小区中心对传统聚类方法进行改进，克服了传统聚类方法随机选取聚类数目和中心而影响聚类精度的不足.最后，基于多源异构大数据对广渠路走廊进行实例验证，结果表明，本研究提出的分层次小区划分方法较传统方法在适用于公交客运走廊需求分析和预测划分精度方面更优.     

基于整体规划框架的区域综合货运规划建模方法研究

区域一体化快速发展背景下，如何系统谋划区域综合交通运输规划，使经济、土地/空间及交通与环境协调发展，是实现区域可持续发展亟需深入研究的课题。因此，本文统筹考虑经济、 土地/空间及交通和环境要素的动态交互关系，提出大区域综合货运整体规划模型的设计与开发方法。利用PECAS(Production, Exchange and Consumption Allocation System)理论框架分析生产者、消费者、交换商品、土地(空间)和运输方式之间的交互关系，并通过PECAS的集计经济流表设计模型结构，构建相应的宏观经济预测、社会经济活动空间分配、空间开发以及交通运输需求预测这4个模块，模拟区域社会经济活动增长及其空间分布与土地/空间开发及综合交通需求时变等特征之间的互动耦合关系。在社会经济发展目标、土地空间和环境等约束条件下，通过构建空间经济模型和综合交通一体化网络分配模型，实现面向多货品和多方式的综合货运整体规划建模方法，以辅助区域产业布局、土地利用与综合交通系统的整体规划。本文以长江经济带为研究案例，基于相关数据构建相应的大区域综合货运整体规划模型，分析评估2012—2035年模型预测结果。结果显示，预测得到的综合交通年平均日货运量拟合优度超过85%，分担率误差低于1%， 验证了本文建模方法的有效性。     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响，考虑交通小区间的空间相关性，分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型，并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计，结果表明：交通小区间的空间相关性显著存在；以不考虑空间相关性的模型作为对比，基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优；在控制家庭层面社会经济变量后，居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应，表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响,考虑交通小区间的空间相关性,分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型,并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计,结果表明：交通小区间的空间相关性显著存在;以不考虑空间相关性的模型作为对比,基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优;在控制家庭层面社会经济变量后,居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应,表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

新城区CBD区域停车需求预测方法

在总结现有停车需求预测模型及新城区CBD区域停车特征的基础上,分析了现有模型对新城区CBD区域停车需求预测的适应性。针对现有模型在停车预测时存在的不足之处,综合考虑新城区CBD区域用地特征及交通特性,根据出行吸引强度及交通方式划分,构建适用于新城区CBD区域的停车需求预测模型,并结合济南西客站片区CBD区域进行实例验证。结果表明了该预测方法的可行性及结果的合理性。     

面向新城的土地利用-交通整体规划建模方法

在城市高质量发展的背景下，大量城市新城的规划缺乏新城与主城协同的土地利用与交通系统的一体化规划，造成众多的不协调问题，如新城与主城间交通走廊拥堵和“鬼城”等。因 此，本文基于新城、主城的土地利用与交通系统的交互关系，提出面向新城规划的城市土地利用- 交通整体规划模型建模方法。通过为主城与新城分别构建相应的宏观经济预测模块、社会经济活动空间分配模块和空间开发模块，客观地模拟主城与新城各种社会经济活动的空间分布、相应土地及空间开发、交通基础设施建设和交通需求时变等特征，同时兼顾新城与主城开发过程中的社会经济发展目标及土地空间制约条件，针对新城与主城两者之间的交互关系(如客货运输)对交通需求进行一体化预测，实现新城与主城、土地利用与交通系统的整体规划与协同。本文以武汉市长江新城为研究案例，基于相关数据构建面向新城和主城的 PECAS(Production-ExchangeConsumption-Allocation-System)土地利用与交通整体规划模型，分析并评价了其2015-2035年的土地利用形态及交通系统的平衡性，评价结果验证了本文建模方法的有效性。     

时间维度下上海市共享单车骑行模式研究

基于上海市摩拜单车一个星期的骑行数据，从时间角度深入挖掘骑行数据背后隐藏的行为模式和规律. 统计结果显示，工作日和周末的骑行行为存在显著差异，工作日呈现两个明显骑行高峰时段，周末的骑行分布则比较均匀. 在区分工作日和周末的基础上，根据骑行行为对每日的骑行者进行分类，每组骑行者均表现出独特的骑行开始时间和骑行时长. 基于周中的一天与骑行开始时间，以及周中的一天与骑行时长这两个组合分别计算赫希曼指数 (HHI)，证实共享单车骑行高度的时间规律性；周中的一天与骑行开始时间组合的HHI值具有更大的标准差，显示了共享单车的灵活性. 对共享单车骑行模式的探究，能够在一定程度上促进城市交通系统的持续改善，吸引更多出行者使用绿色交通方式.     

基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度,本文从土地利用与交通基础设施建设两方面出发,分析包括土地利用混合指数,职住混合率熵指数,公共交通站点 500 m覆盖率,路网可达性等17个指标与出行强度的相关关系;基于相关系数和拟合优度分析,提取7个与出行强度强相关指标,基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明,职住混合率熵指数对出行强度的影响最为显著,公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外,给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法,用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.     

基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度，本文从土地利用与交通基础设施建设两方面出发，分析包括土地利用混合指数，职住混合率熵指数，公共交通站点 500 m覆盖率，路网可达性等17个指标与出行强度的相关关系；基于相关系数和拟合优度分析，提取7个与出行强度强相关指标，基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明，职住混合率熵指数对出行强度的影响最为显著，公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外，给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法，用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.