基于时空模型的交通流故障数据修正方法

为了提高交通流数据的准确性,从时间相关性、空间相关性和历史相关性三方面分析了交通流大数据的特点,建立了基础交通流时空模型。为保证数据处理的精度和速度,进行了时空模型的简化和标定。将时空模型简化,抽象为双层规划模型,上层模型通过控制时空相关参数的数量实现运算速度的优化,下层模型通过控制误差实现计算精度的优化。应用数据驱动法进行双层规划模型的求解,完成时空模型的标定。在时空模型的基础上,提出了交通流故障数据修正方法。以北京市某路段为例,对交通流故障数据修正方法进行有效性和可行性验证。验证结果表明:基于历史趋势、空间相关与时间序列的交通流故障数据修正方法的精度分别为79.65%、85.16%、89.84%,基于时空模型的交通流故障数据修正方法的精度为90.91%,具有较高的精度,而且可准确描述交通流大数据的特点。     

���ھ�������ij��н�ͨ·�λ����о�

根据交通流特性的相似性进行交通路段划分对城市交通管理和控制具有重要作用。交通流数据具有时间序列特征,相似性度量问题是时间序列聚类中的最基本的问题之一。本文为交通流数据聚类给出了一种基于灰色关联的相似性度量方法,通过比较试验确定了它具有较高的聚类精度。在每个时段时间序列间的相似性差异、在某一个时段的异常数据等会影响到在整个时间区间的交通流数据聚类,为此本文提出了一种基于时段划分的交通流数据聚类方法。这个方法首先对每个时段数据进行聚类,然后采用最大频繁项集方法得到最终聚类结果（即交通路段划分）,实例证明了方法的有效性。     

基于机器学习的交通流预测方法综述

通过文献梳理、专家访谈和试验场景构建等方法，分析了道路指定断面和区域路网宏观交通流预测的国内外研究现状和发展趋势，归纳了局部断面交通流预测方法，包括传统机器学习、递归神经网络和混合模型，分析了卷积神经网络、图神经网络和融合多因素网络的特点，阐述了方法的原理、优势、局限性和应用场景，总结了现有场景交通数据集类别，从采样周期与采集方式角度归纳了国内外主流交通数据集。分析结果表明：递归神经网络可以有效获取交通数据的历史规律，但存在梯度爆炸、计算复杂度高、长时预测准确度不佳等问题；图神经网络针对路网拓扑连接关系引入了图结构，在考虑路网和交通流数据的时空相关性上具有明显优势；融合多因素网络充分考虑天气、道路、事故等内外部因素的影响，有效提升了交通流预测的实时性和鲁棒性；由于交通数据采集困难、外部因素影响难以量化、机器学习方法可解释性差等原因，交通流预测方法的改进受到了限制；未来应从交通信息有效挖掘和图卷积方法完善两方面入手，拓宽图结构在交通领域的应用和考虑非常态交通场景，进一步揭示交通数据的内在规律，开发更准确、高效的交通流预测方法，推动交通流预测在工业界的落地应用。     

����ʵ�����ݵĿ���·��ͨ������ģ��

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.     

国内外实时交通流数据质量控制比较与分析

交通流数据质量控制可以保证从数据源所获得数据的正确性和完整性，并为数据的管理和应用提供可靠的数据基础，虽然历史数据修正方法和交通流理论修正方法能够用于质量控制，但难以实现推广应用。根本原因在于前者需要大量历史数据，引发了存储上的困难；后者需要针对不同路段进行重复建模，模型通用性差，且准确性难以评价，鉴于此，本文首先研究并设计了基于线性插值法的道路交通流数据质量控制方法，该方法主要以时间点邻近数据为参考，对交通流参数和时间点分别进行判别修正，其优点在于不需要大量的历史数据，且适用性和可操作性强，其次，本文建立了实时交通流数据质量控制平台，针对北京市和美国圣安东尼奥市的数据进行质量控制处理，归纳总结出国内外实时交通流数据在质量控制前后的特征及差异，证明该方法能够有效的解决数据质量问题，最后，本文针对实时交通流数据质量控制方法的选取、交通探测器选择和配置等方面提出了建议。     

基于改进型替代数据法的仿真交通流混沌判定

交通流混沌判定是研究交通流混沌的基础性关键问题.改进型替代数据法能够避免直接判定混沌方法的局限性.交通流仿真软件通过参数的变化容易获得希望得到的交通流状态,可以较全面方便地验证方法的有效性.因此对改进型替代数据法的算法实现进行了改进,利用某交通流仿真软件生成了一些不同情况下的交通流时间序列,应用改进型替代数据法对其进行了混沌判定,并与功率谱方法的判定结果进行了比较.实证结果表明,新的算法实现提高了计算速度,改进型替代数据法是判定交通流混沌的一种有效方法.     

基于小波神经网络的短时交通流预测

针对现阶段城市道路交通短时交通流预测精度不高的局限性,将小波变换引入到城市道路交通预测过程中,提出一种基于小波神经网络的预测方法。运用美国加州高速公路通行能力度量系统数据作为数据来源,应用小波变换和BP神经网络相结合对其进行预测,然后对预测结果数据进行分析,并对短时交通流进行综合评价。实验表明,该方法与传统的BP神经网络相比较,在短时交通流预测方面具有较好的有效性和优越性。     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

数字公路交通数据采集与处理系统功能架构设计及数据处理方法

针对目前我国数字公路系统建设的迫切需求,以固定式车辆检测器为动态交通流信息采集手段,提出了数字公路动态交通信息采集与处理系统功能架构设计的基本原则,设计了数字公路交通信息采集与处理系统功能架构。分析了静态交通与动态交通信息采集与处理功能结构设计的具体细节。在此基础上,论文提出了动态交通流数据有效性检验、缺省数据估计、数据的时间与空问汇集三类数字公路核心与基础数据处理方法。对于有效构建我国数字公路交通数据采集与处理系统具有重要的借鉴和应用意义。     

基于FCM-粗糙集的多扇区交通拥挤识别方法研究

通过分析管制扇区交通时空拥挤特征,基于雷达航迹数据建立了多扇区交通拥挤识别模型.建立当量交通量、接近度、饱和度、交通密度4个多扇区拥挤特征指标,采用FCM(模糊C均值聚类算法)和粗糙集理论,对扇区拥挤程度进行划分和识别,并以中南地区区域管制扇区数据进行了实例验证.实验结果表明,扇区的拥挤态势受扇区多种宏观和微观特征的共同影响,且拥挤识别模型计算可行、识别效率较高.多扇区交通拥挤识别对空域规划、空管辅助决策、空中交通流量管理具有一定的应用价值.     

基于混沌理论对北京二环路进行短时交通流量预测的研究

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.     

���ڻ������۶Ա�������·���ж�ʱ��ͨ����Ԥ����о�

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.     

���ڻ���ʱ�����з������Ķ�ʱ��ͨ��Ԥ���о�

交通流预测分析已成为智能交通的核心研究内容之一。依据混沌时间序列分析方法,建立了短时交通流的预测模型。在对实测的交通流数据进行相空间重构的基础上,综合考虑欧氏距离和均等系数,提出了最邻近点的两步优化选择方法,并采用了局部多项式拟合方法对所选取的最邻近点进行逼近以求得预测公式。本文将此方法运用于东莞东江大道流量预测,比较预测流量和实测流量,得出最大相对误差为0.445％,最小相对误差为0.038％,且单步预测时间仅为38.52秒。结果表明,该预测模型具有较高的精度,同时也能够满足实时性的要求。     

Short-Time Traffic Flow Prediction Based on Chaos Time Series Theory

Traffic flow prediction has become a kernel study in intelligent transportation system. A prediction model of short-time traffic flow is presented based on chaotic time series analysis method. After the phase space reconstruction using traffic flow data, a two-step optimized selection method is proposed, which considers Euclidean distance and equal coefficient between neighboring point and predicted point. Then the prediction model is educed with the local polynomial method to approximate the neighboring points. The model proposed in this paper is applied to predict the real traffic flow in Dongjiang road, Dongguan city in Guangdong province, China. Comparing the predicted traffic flow value with the flow measured in reality, the results show that the maximal relative error is 0.445%, whereas, the minimal one is 0.038%. Moreover, the single-step forward prediction only requires 38.52 seconds. As a result, it is proved that the method can significantly improve the prediction accuracy and meet the requirement of the real-time prediction.     

���п��ٵ�·��ͨ���ܶȵĹ���

密度是判别交通流状态的一个重要参数,但是在实际中取得交通流密度却相当困难。本文提出了一种利用定点检测器数据（流量和时间平均速度）来获取交通流密度的方法。该方法首先利用了交通工程学的知识,将时间平均速度转化为空间平均速度,然后根据交通流理论中的流密速关系,求解交通流密度,并指出空间平均速度的变异系数对密度的影响很小。该方法直接利用定点检测器数据,对于布设较多检测器的城市快速道路具有很高的可操作性和适应性。     

基于有限元分析的交通流理论与技术研究

针对交通流模型的数值求解和大量数据处理问题,以有限元法为基础,从流体与交通流的比拟中,分析了交通流的可压缩性和粘性.将交通流参数与流体参数进行了对比.从交通流是无旋流动的机理出发,引入了交通流的势函数,建立了交通压力的数学模型.基于流体有限元的思想对交通流进行了研究.在一定速度条件下,用ANSYS-FLOTRAN仿真了车道变换时的车流变化情况.通过软件后处理模块,对结果进行了讨论,结果显示：ANSYS-FLOTRAN可以较好的模拟交通流状况.