基于手机信令数据的出行端点识别效果评估

为了研究利用手机信令数据识别个体出行端点的应用效果，开展实地采集手机信令数据的出行试验，且同步采集相应的GPS轨迹数据和出行日志作为算法评估的真实数据，提出出行端点识别的3阶段处理算法. 首先，提出等时距补点算法平衡各信令定位点的时间权重；然后，利用凝聚层次聚类算法将定位点聚类成不同的类簇；最后，针对已有研究中缺乏关注的类簇震荡现象，提出新的震荡修正算法对聚类结果做进一步优化. 案例结果表明:本文提出的方法对出行端点识别的精度、距离误差和时间误差上均有较好的效果，出行端点识别个数的精度在84%以上，端点位置识别距离平均误差在220 m以内，出行端点的离开和到达时间的平均误差分别为7.7 min 和5.3 min；在不同的出行目的的比较中，以工作为目的的端点识别效果最好，以娱乐购物为目的的端点识别效果相对较差.      

基于换乘链断裂点时空信息的公交换乘行为识别

分析了公交智能卡数据挖掘中转乘行为、通勤出行、非通勤出行识别的改进方法, 将关注点从公交换乘过程信息转移到换乘链间隔期的持续时长和空间位移信息, 以换乘链断裂时长和位移2个维度计算公交换乘链断裂点概率, 制作工作日和非工作日断裂点时空变量联合概率分布矩阵, 对比了这2种分布的差异;检验了断裂时长序列和断裂位移序列的稳定性, 标识了2条曲线的突变点和拐点, 用于推断转乘引起的转移距离和转乘时长的阈值参数;对工作日和非工作日差值时长序列曲线进行移动平均滤波处理, 使得曲线的突变与极值之间的关联能够解释转乘、通勤出行和非通勤出行3种行为与通勤和非通勤出行之间的关联;采用北京市整个一周的地面公交和地铁系统样本数据对方法进行验证, 并根据时间序列和位移序列曲线确定样本数据中常见公交换乘行为的阈值参数。分析结果表明:断裂点时空信息对样本数据中的换乘行为能提供更合理的识别分类参数;持卡人在站点间转移的容忍距离约为1.6km;断裂点转乘时长与非通勤出行的断裂时长临界点为22~48min;非通勤出行和通勤出行的时长临界点约为478min, 非通勤出行断裂点最大概率时长为140min;通勤出行的断裂时长接近期望值为601且标准差为44的正态分布;基于新方法得出的参数改善了公交出行活动的识别率, 转乘行为、通勤出行与非通勤出行的识别率分别提高了16.1%、4.2%、6.2%。可见, 换乘链断裂点的时间信息和空间信息不但可作为公交换乘行为识别的依据, 还可能带来更好的识别效果。      

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

一种基于手机定位数据的出行行程识别方法

提出并实现了一种基于手机定位轨迹数据的出行行程识别方法.通过速度对轨迹点进行划分,将低于一定速度阈值以下的轨迹点合并为候选停留位置,再利用距离阈值和时间阈值对候选停留位置进行合并,从而确定出真正的停留点,继而自动统计出行次数和出行时间.该方法解决了手机定位数据的定位漂移和抖动的问题,行程识别精度高,识别结果可为交通规划工作提供相关数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期.     

基于生存分析的小汽车通勤者出发时刻研究

根据生存分析中的加速失效时间模型,对通勤者上班出发时刻选择行为进行研究分析.利用调查数据,建立了小汽车通勤者上班出发时刻选择的Weibull加速失效时间模型,得到了性别、年龄、家庭收入、单位上班时间和出行距离等是影响通勤者上班出发时刻选择的主要因素.结论表明模型的预测误差主要集中在10 min以内,模型的适用性和准确性较好,解决了Cox比例风险模型不能直接预测通勤者出发时刻的问题.     

基于BADA及航空器意图的四维航迹预测

为了提高航空器四维轨迹预测的准确性,提出了基于航空器性能数据以及航空器意图的四维航迹预测方法.通过统计分析航空器实际雷达轨迹数据,根据水平轨迹、高度和速度剖面等构建了航空器意图模型.采用航空器意图模型与航空器动力与运动学模型相结合的方法,考虑气象因素,基于性能数据设计了四维航迹预测模型.以国内某机场进场航班ACA025与CES2161为例进行了模拟,将预计到达时刻与实际到达时刻的误差作为评价指标,结果表明:本文提出的算法可以将通过航路点时刻的误差控制在30 s以内.      

基于GPS 轨迹挖掘的城市空间动态交互特征研究

对城市移动轨迹进行深入挖掘，有助于更加精细地理解城市空间动态交互特征. 以兰州市出租车GPS轨迹为基础，采用栅格方法，分析城市栅格空间的交通出行量. 以栅格为节点，以交通出行量为权重，建立动态有向加权复杂网络. 采用Infomap 算法识别城市社团结构，研究兰州市城市结构的时空演化特征，并对城市社团识别结果进行可视化分析. 研究表明，休息日和工作日城市动态时空交互存在明显差异. 工作日的城市空间交互距离和范围较大，空间交互更加紧密；休息日的空间交互范围相对较小，分裂程度较大. 高峰期和非高峰期城市空间交互也有不同，城市空间交互随时间动态变化. 研究结果可为政府管理城市，商家运营和居民出行提供决策服务.     

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。     

离场航空器四维航迹预测及不确定性分析

为了加速基于轨迹运行概念的实施,提出了基于连续动态模型与离散动态模型的航迹预测方法,并将航空器离场分为起飞与爬升两个阶段,实现离场航空器四维轨迹预测.通过深入分析模型构建、航空器意图、初始状态、性能参数以及环境信息等因素,降低了四维航迹预测的不确定性,提高了预测精度.以国内执飞ZSPD-ZUCK的CQH8867航班为实例进行验证,考虑了起飞质量、爬升顶点信息以及风速风向等对航迹预测的影响,以位置误差与时间误差作为评价指标,研究结果表明:本文提出的算法可以将到达离港点时刻的误差控制在1 min以内,满足空中交通管理的需求.      

有限理性视野下出行者出行方式选择分层Logit模型研究

在传统分层Logit模型的基础上,放松出行者完全理性的假设,基于有限理性满意决策准则,建立了多方式有限理性分层Logit(BRNL)模型,来描述出行者的方式选择行为.模型假设当方式间的成本差在无差异区间内时,出行者依据偏好或随机进行方式选择;否则,出行者将选择出行成本更小的交通方式.此外,提出了一种嵌套的相继平均算法对模型进行求解.最后,通过一个数值算例验证了模型的合理性和算法的有效性.研究结果表明,出行者并不总是选择出行成本最小的交通方式,其选择行为与出行者的理性程度和偏好有关,且理性程度越低,出行者对方式间的成本差越不敏感.     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

低频GPS数据和交叉口延误下的行程时间估计

为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.      

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

共享单车影响下接驳公交线路设计与车辆配置方法

针对轨道交通的“第一/最后一公里”问题,接驳公交和共享单车是通勤用户最常选择的两种公共交通方式。为理解共享单车对接驳公交出行需求和线路设计等规划运营方面的影响,提出供需交互状态下的接驳公交线路设计与车辆配置模型。需求端考虑出行时间和出行费用,基于用户在共享单车和接驳公交之间的模式选择行为,动态计算接驳公交实际出行需求;供应端考虑车辆容量、数量和流平衡约束,以最小化公交运营成本和用户出行成本之和为目标,建立混合整数非线性规划模型,优化接驳公交线路设计及车辆配置。模型采用拉格朗日松弛算法进行求解。该方法应用于北京市回龙观地铁站周边出行小区接驳公交线路设计,公交及单车出行需求采用真实的IC卡数据,以及摩拜单车骑行数据,站点间行驶时长采用高德驾车路径规划API(Application Programming Interface)数据。实验结果表明,车辆总数为10,线路数量为2时,考虑共享单车影响的接驳公交规划模型相较于只考虑单一模式可以有效避免规划需求误差。此时,各站点到地铁站的平均运行时间是15.58 min,乘客平均等待时间是3.35 min;在线路数量为4时,各站点到地铁站的平均运行时间...     

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

考虑交通拥堵及工作量平衡性的一致性车辆路径问题

为研究快递公司在提供一致性配送服务时,交通拥堵以及快递人员工作量平衡性因素对配送路径的影响,在传统车辆路径问题研究的基础上,提出了考虑拥堵和工作量的一致性车辆路径问题,并构建了混合整数规划模型。针对该模型的NP难性质,提出了基于模板路径的两阶段模拟退火算法（template-based simulated annealing heuristic,TSA）。该算法通过构建模板路径求解初始路径方案,再利用模拟退火算法优化路径方案,降低车辆总行驶时间。将该模型和算法应用于3组基准数据（benchmark data set）的数值实验,结果表明:本文模型和算法能有效解决此类问题,交通拥堵使最优配送路径的总行驶时间平均增加18.38%,使快递人员在任意两天到达同一顾客的最早与最晚时刻之差平均增加12.92%;当快递人员配件量的不平衡性平均下降35.82%后,二者仅分别平均增加2.29%和1.68%。      

基于尾号空间分布的小汽车限行方案优化研究

提出根据各尾号小汽车空间分布特征计算尾号出行OD矩阵的方法,基于公平性原则,构建尾号限行方案优化模型.上层模型以工作日(周一~周五)车辆总走行时间最小为目标,以各工作日每辆小汽车早高峰平均走行时间基本相同且每周各尾号限行次数不大于1为约束,给出限号方案;下层模型基于用户均衡原则分配OD交通量.限号方案与分配结果相互作用,达到均衡状态时可得最优限号组合方案.为验证模型,以D市为例进行实证研究,结果表明,与基于经验的限号方案相比,优化方案下路网通行效率可提高5.35%,工作日车辆总走行时间降低0.894×105h,日均单车走行时间减少4.5 min.     

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

城市快速路网行程时间计算与最优路径选择算法

为提高城市快速路网的整体功能和运行效益,利用实时动态交通数据,根据动态交通因素对路段通行时间的影响,将城市快速路网划分为非拥塞和拥塞两种情况,基于安全停车距离和剩余通行能力,分别计算了两种情况的路段通行时间,提出了以行程时间最短为目标的城市快速路网行程时间计算与最优路径选择算法.将该算法应用于西安城市快速路网进行案例分析,结果表明:该算法的最优路径计算结果与实际相符,误差在15%以内;最优路径的距离约为最短路径的1.84倍.