基于渗流理论的城市交通网络瓶颈识别研究

已有的城市交通网络瓶颈识别研究往往关注于路网结构特征或是路段交通流的属性,而较少从整体网络层面研究交通流的组织变化情况。将统计物理学中的渗流理论引入城市交通研究,从整体网络的交通连通性角度出发,探究交通网络中的全局连通交通流崩溃为局部连通交通流的动态组织变化过程。整个过程类似于统计物理的渗流相变过程,因此也被称为交通渗流。基于深圳市的城市交通数据,对实际道路网络进行抽象建模,利用实时浮动车数据构建动态交通流网络研究交通渗流现象。通过对交通渗流的相变临界过程进行探究,识别对于维持交通流全局连通性具有关键作用的交通瓶颈。该研究方法从复杂网络和统计物理学的角度为城市交通研究提供了新视角,并为识别城市交通的瓶颈路段和治理城市交通拥堵提供参考。     

基于车牌识别数据的城市路网运行状态识别方法实践

采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。     

基于卡口车牌识别数据的车辆出行分析

车辆出行是城市道路交通的基本组成单元,掌握城市道路网车辆的出行信息,深入挖掘车辆出行特征与规律,能为城市交通管理提供决策信息.本文基于卡口车牌识别数据,提出了一套车辆出行分析框架.首先对全路网运行的所有车辆的个体出行进行辨识,提取所有车辆出行的路径和行程信息,并从个体和集计层面获取车辆出行的规律特征;利用车辆的多日出行信息和统计特征,提出了车辆职住地识别方法;基于外地车的出行特征,利用 K-means++ 算法对外地车进行分类.在实例分析中,以广州市道路网运行车辆作为研究对象,开展了车辆出行分析,实验结果验证了本文方法的有效性.通过本文方法挖掘的信息对城市道路交通管理具有重要意义.     

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.     

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.     

城市路网模块结构探测及Hub路段诊断算法

为了剖析城市路网拓扑结构的复杂性,识别路网中的关键路段,根据模块结构理论,分析了城市路网的聚类特性,提出了一种适用于城市路网模块结构划分和Hub路段诊断的算法——GN-T算法.该算法通过逐条移除介值最大的路段实现模块结构的划分,从而诊断出路网中的Hub路段.为确定模块结构的最佳划分,提出了一个改进的模块度函数.以武昌区路网为例对该算法进行验证,结果显示:武昌区路网模块度的最大值为0.41,表明该路网具有明显的模块结构特性;利用该算法诊断出的Hub路段与实际情况相符,证明了该算法的有效性和实用性.      

基于可靠度的区域公路网瓶颈路段识别研究

为及时掌握区域公路网运行状况和准确识别瓶颈路段,本文基于可靠度的计算结果,通过点段重要度数据和路网模型分配数据计算,识别出重要路段集,再结合可靠性薄弱数据集,取二者的交集为瓶颈路段。通过算例验证,该方法具有较强的实用性和有效性,也为交通管理者识别和改善路网瓶颈路段通行能力提供依据。     

与交通控制协同的交通流准均衡分配模型研究

本文从路网均衡最优的角度，考虑交叉口交通信号控制对交通流的阻滞延误，建立了以路网总出行时间最小为目标的交通流均衡分配方程。通过引入拥挤度的概念，提出一个准均衡分配算法，算法不苛求能在一个问隔内使混乱交通流趋于平稳，而是在一定交通需求下，根据路段的运行状况（拥挤度），加载或卸载路段交通量，并考虑驾驶员出行特性，优化交叉口最佳信号配时，使交通流在不断反馈与不断调整过程中达到最优。     

基于号牌识别数据的车辆出行特征分析

为给城市交通精细化管理和科学治堵提供信息支撑,对成都市主城区机动车出行特征进行了探讨。选取了2019年9月成都市三环内全域3032套号牌识别系统数据为例进行挖掘分析,对初始数据进行预处理后,通过机动车出行链分离算法提取机动车出行次数、出行时长等出行强度特征信息,并在此基础上,结合月出行次数、日出行总时长以及交通管理实际对通勤形态、营运形态、短期到访、随机形态共四类车辆进行识别,研究其在路网中的出行特征规律。分析结果能客观反映成都市主城区车辆出行现状,辅助城市交通管理决策。     

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为 引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因 此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means 聚类 数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时 空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰 时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环 外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向. 研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并 研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提 出提供辅助决策信息.     

关联路网拓扑特性的车辆出行行为画像分析研究

基于交通时空大数据的微观出行行为分析可以为精细化、个性化的交通管控措施制定提供支持,车牌识别数据作为一种精度高、准确性高、采样率全的时空大数据,近年来受到广泛关注。但是现有基于车牌识别数据的出行行为分析文献在进行行为分析的过程中较少考虑路网特征,即没有将出行者的行为与路网特性结合起来分析,这导致挖掘得到的出行模式与路网本身的关联不高。本文首先对车牌识别数据和路网拓扑数据进行数据融合,基于此融合数据,根据机动化出行者的出行行为特性使用聚类算法进行车辆画像,将路网上的车辆划分为临时办事车辆、频繁过境车辆、家庭不常用车辆、通勤车辆、网约出租车辆五类车辆。同时,结合复杂网络方法和聚类算法对交叉口进行画像分析,挖掘出交通管理者需要重点关注的交叉口。在此基础上,结合车辆出行行为和路网拓扑信息深入挖掘出行车辆的出行模式,构建车辆画像-交叉口画像-过车频次矩阵、车辆画像-交叉口画像-过车占比矩阵,进而对车辆出行时空特性进行深入挖掘,为交通管控措施的制定提供支持。     

基于局部路网交通流重分配的路段关键度计算

以路段失效影响范围界定为研究基础,将路段关键度计算从路段薄弱性和重 要性两方面进行量化：路段薄弱性以路段失效情况下,计算路段失效概率来确定;路段重 要性评价,通过对失效路段后交通网络重构,将局域节点OD对在路段失效影响范围局部 路网结构上重分配,以出行者时间费用变化影响指标F(U fa) ,局部路网路段交通负荷变化 影响指标F(S fa) 两方面作为评价指标来计算路段重要度.该方法符合路段失效后路网的 变化情况,有效避免了目前时变性的OD数据难以获取的问题,解决了现有评价指标选取 时的单一性问题.经过实验证明,该算法能够有效地应用于大规模路网结构路段关键度快 速计算,为关键路段识别、道路封闭影响评价等提供理论依据.     

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。     

基于Vissim仿真的动态交通分配

针对城市交通的理论算法和模型虽然从形式上体现出了动态交通分配的一些特点,但在完整刻画路网交通状态方面还有不足,引进基于Vissim仿真动态交通分配的思想,介绍微观仿真软件Vissim理论基础,并利用Vissim仿真软件对路段进行动态交通流分配仿真,得出仿真软件在动态交通流方面的应用能够实时、准确、有效地仿真出来,为解决目前城市交通日趋严重的拥堵现状提供有效的参考.     

面向城市交通网络的 K 最短路径集合算法

在城市交通网络中,为了优化交通流,需要搜索到符合出行需求 K 最短路径,并 将 OD（Origin-Destination）交通流合理分配到这些路径上.本文主要对搜索符合出行需 求的 K 最短路径搜索算法进行了研究,解决了已有算法仅能搜索出单条满足最短及 K 最 短条件路径的问题.根据 Wardrop 第二原则及路段阻抗函数理论,分析了路径集合搜索方 法对优化城市交通流的必要性,并定义了城市交通网络中 K 最短路径集合的概念及选择 条件,提出了一种面向城市交通网络的具有多项式时间复杂度的 K 最短路径集合搜索算 法.仿真结果表明,本文所提算法可以搜索出满足出行需求的所有 K 最短路径集合,在该 路径集合上进行交通流分配的效果明显优于传统方法.     

基于空间流量度的城市路网关键节点挖掘方法

针对城市路网关键节点识别与管控问题中传统方法欠考虑结构、流量等多元因素影响,并引入了过多权重参数主观性太强等问题,引入了节点的空间流量度和网络结构流量熵两个新概念,构建了有向含权路网模型,提出了基于空间流量度的城市关键节点识别方法.以北京市四环内路网为例,计算了路网度分布以及速度分布,对比了不同方法的有效性.研究结果表明:方法能够同时识别出流量较大和结构重要的节点;此外,模型参数α增加和β降低有利于提高网络连通性能,但α增加和β降低不利于流量的均衡分布;文中方法和结果可为城市交通规划、设计和管理提供参考,对于缓解拥堵、提高鲁棒性具有重要意义.     

基于手机信令的城市机动化方式细分双层模型研究

针对现阶段手机信令数据难以适用城市复杂出行环境，无法有效区分密集路网下机动化出行方式，本文提出一种考虑路径精准拟合与多维时空特征的双层识别模型。在出行路径识别层面，Savitzky-Golay(S-G)滤波能有效平滑信令数据相对实际出行路径的波动，线性插值算法能弥补信令数据时空缺失。在出行方式识别层面，探究了识别路径相似度、出行时间相似度、加速度、小波速度等关键因素，利用K-临近算法识别公交、小汽车。结果表明：本文提出方法能有效细分城市密集路网环境下的公交与小汽车出行，识别准确度分别达到88.29%和82.28%。在不同出行距离、出行时段、拥挤状态、道路等级、道路类型及识别路径相似度等角度，识别效果均优于随机森林等算法。研究支撑了基于信令数据的出行特征精准挖掘，为道路规划建设，公交线网规划等提供重要基础。     

基于网络核密度的网约车上下客热点识别

为分析网约车上下客热点的时空分布特性,利用网约车订单数据,构建基于网络核密度估计的上下客热点识别模型,采用回归模型对热点进行聚类和分级。通过研究区域划定、数据清洗和筛选,引入以路网距离为度量的网络核密度估计方法,基于非均质网络方向延展和网络距离衰减效应,对工作日和非工作日的特征时段内网约车上下客点的核密度值进行估计。采用零膨胀负二项回归模型对核密度值进行聚类,识别出研究区域的热点路段分布及其等级。通过与平面核密度估计结果对比分析,本文提出的网络核密度估计方法体现了上下客热点在路段和交叉口的分布特点,表征了实际的交通需求与路网结构的关系。研究结论为优化城市网约车的运营管理、提高城市居民出行效率提供理论依据。     

基于社团结构发现的公交专用道施划影响分析

城市道路施划公交专用道是保障公交优先的重要举措,但会压缩社会车辆的运行空间,使得高峰期部分社会车辆不得不选择其他道路出行,从而对路网中其他交通流运行造成影响,严重时可能会引发更大范围的拥堵.因此,准确确定施划公交专用道后的交通影响范围是城市交通管理、控制与诱导策略制定的依据.本文结合城市路网的复杂网络结构特性及网络动力学基础,认为影响范围内的路段间存在相似性,可将问题转化为复杂网络的社团结构发现进行研究.以对偶拓扑的方式获取城市路网结构,通过改进的随机行走转移概率推导出网络节点相异度,采用凝聚算法划分出路网社团结构以确定影响范围.最后对北京市京通快速路施划公交专用道的实例进行数值分析和对比研究,证明了本文研究方法的可行性,也可为交通领域相关研究提供新的研究思路及方法.     

基于射频数据的道路交通流路径识别优化模型

针对非RFID(Radio Frequency Identification)覆盖道路交通流路径识别误差较大等问题，本文提出基于FCD(Floating Car Data)校核下RFID道路断面交通流路径识别优化组合模型。首先， 利用平移不变小波变换将RFID初始数据切分为可追溯交通流、非追溯交通流及随机项；然后，根据统计路段中浮动车数量将路段分为Full、Defect、Null这3类，并建立FCD-RFID追溯路径模型识别可追溯交通流路径构成，同时，提出考虑出行时间、道路等级和驾驶偏好因素的综合成本阻抗效用函数，通过路径感知随机用户平衡分配模型估算非追溯交通流与随机项路径；最后，通过路径叠加识别断面交通流最终路径构成。结果表明：相较于单一RFID交通流路径识别，组合模型具有更高精度，MAE(Mean Absolute Error)为 72 辆，较单一 RFID 算法下降 62.5%，MRE(Mean Relative Error)为9.5%，下降72.2%；在非RFID覆盖校核道路中，组合模型MRE为13.3%，较单一 RFID算法下降82.0%，有效验证了本文模型的可行性及适用性。