城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。     

基于集成学习算法的航路网络航段交通拥挤识别方法研究

基于航路网络ADS-B航迹数据定义航路网络航段交通流量、航段交通密度、航段交通饱和度、航段交通接近率4 项交通拥挤状态评价指标；采用模糊C均值聚类算法和航段历史交通拥挤状态评价指标参数划分航段交通拥挤状态等级；结合集成学习算法构建航路网络航段交通拥挤状态识别模型，实现航段交通拥挤状态的识别. 实证分析表明：航路网络交通拥挤状态集成学习识别模型对实验航路网络航段交通拥挤状态识别准确率达到98.34%，采用决策树基学习器优于k 近邻基学习器，且增加的集成学习基学习器数量可提升模型的识别精度；集成学习识别模型的识别性能优于BP神经网络模型，识别方法符合实际且具有应用价值.     

基于灰色聚类的交叉航路拥挤识别方法

为了减轻空管人员对交叉航路拥挤态势的认知负荷,针对现有空中交通拥挤识别方法的局限,根据交通拥挤的形成过程,提出了基于飞入、飞出交通量的交叉航路拥挤定义;在此基础上,提出了交叉航路拥挤度量指标,即滞留度指标、汇聚度指标和当量交通量指标,建立了交叉航路汇聚度模型,以及基于灰色聚类的交叉航路拥挤识别方法.交叉航路仿真运行数据的验证结果表明:交叉航路拥挤态势是其宏观动态特征和微观复杂特征相互作用的结果,本文方法识别的准确率达到90%,且计算过程简单可行.      

基于交通特征的空域建模方法及扇区仿真分析

空中交通是一个复杂系统,其复杂性体现在空域结构、航空器、管制员和管制设备等多个方面。本文提出一种基于空中交通特征的空域凸胞模型,它可以更准确、全面地描述空中交通情况。首先,作者基于空域复杂性量化空中交通特征,之后将复杂网络的概念应用于空中交通系统中,并采用基于加权复杂网络特征的K-Means聚类算法建立空域凸胞模型,最后,将该模型应用于北京管制区,从扇区管制的安全性和管制员工作负荷的均衡性两方面提出扇区安全概率、平均飞机数等指标,分别基于交通高峰期的数据和全天的交通数据验证扇区划分方法的优点和有效性。     

城市道路交通拥挤识别方法研究

界定了交通拥挤的概念及属性,总结了交通拥挤的识别方法和流程,介绍了识别交通拥挤的主要算法和模型。     

基于机场子区划分的机场网络交通拥挤传播预测

为了预测机场进离场交通的拥挤态势,本文从机场网络的角度进行研究.首先针对交通拥挤形成的动态过程,建立了基于出入流率的交通拥挤的定义及其度量;接着,引入多维标度法对机场之间的交通相关性进行定量分析,划分机场子区,以降低网络分析的复杂度及解空间维数;然后,构建了基于Elman神经网络实现机场子区内多个相关机场的交通拥挤传播预测方法;最后,基于美国机场的实际航班数据对机场网络拥挤传播预测方法进行验证.验证结果表明,预测结果的平均绝对百分比误差和平均绝对偏差较小,明显优于对比算法.     

空域扇区概率交通需求预测模型

为预测空域扇区在未来一定时段内的交通需求及其变化规律,基于简化的空域运行网络结构,从不确定性角度分析了航空器飞行时间对空域扇区交通需求预测的影响,针对航空器进入、离开扇区和在扇区内飞行过程的随机性,给出了相应概率分布函数.在此基础上,建立了空域扇区概率交通需求预测模型,设计了启发式算法.对实际航班数据的仿真结果表明:本文模型和算法预测时段10:00~11:00扇区发生拥挤,比传统的确定性方法预测的拥挤时段减少了30 min,避免了在时段9:30~10:00采取不必要的流量管理措施,降低了该时段管制员的工作负荷.     

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

基于视频图像分析的地铁列车车辆拥挤度识别方法研究

准确掌握地铁车辆内拥挤程度是提高城市轨道交通服务质量的手段之一。本文在对地铁车辆监控视频图像提取与分析的基础上,提出了一种基于卷积神经网络的车辆拥挤度识别方法。该方法使用车辆监控视频建立了车厢乘客数据集,通过提取视频图像检测区域以及人群特征检测来实现地铁列车车辆拥挤度识别。实验结果表明,所提出的方法检测速度快,能够满足实际应用中实时性要求,三级拥挤度分类识别实验准确度为98%,四级拥挤度分类识别实验准确度为87%,其检测结果可辅助城市轨道交通管理者快速掌握线网实时客流拥挤情况。     

轨道交通网络级联失效影响范围研究

轨道交通系统因多因素干扰引发客流集中、车站拥挤，并相继传播至周边车站，形成级联失效. 把握拥挤在轨道交通网络的传播范围，是减少交通突发事件影响的基础. 基于轨道交通拥挤传播机理分析，将物理结构、网络初始交通状态、客流量融合进耦合映像格子模型 (Coupled Map Lattice，CML)中，通过历史客流数据量化参数，构建轨道交通拥挤传播模型，展开3 种不同情景下拥挤传播过程分析. 实例验证结果表明，轨道交通车站的初始状态、耦合系数对拥挤传播影响显著，网络结构对拥挤传播范围的影响并不明显. 根据网络结构、初始值和耦合系数，可以掌握拥挤传播规模，识别拥挤车站的影响范围，有助于提高轨道交通系统的可靠性.     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

拥堵指数自适应调节的交通运行状态识别方法及应用研究

拥堵指数是客观评价城市交通运行状态的有效指标。针对当前拥堵指数模型中对交通畅行速度时空特性考虑不足的问题，本文在车辆定位与路网时空匹配数据的基础上，引入概率密度分段原理对车辆速度进行距离和时间分段，建立了具有自适应调节能力的拥堵指数模型，用于城市交通运行状态的分类与识别。以厦门市节假日浮动车辆定位数据为例，仿真分析了拥堵指数模型在复杂道路和城市交通中的适用性，并揭示了城市交通运行状态的变化规律。分析结果表明：拥堵指数模型能有效区分道路的空闲和繁忙时段，并依据对应时段的畅行速度进行自适应调节；针对复杂互通立交和专用共线道路，拥堵指数计算结果相较传统方法平均提升了 6.5%和3.2%；厦门市交通为单一晚高峰拥堵形态，平均拥堵指数介于 1.0~3.0 之间，拥堵时间为16:10- 21:00，空间分布集中在厦门市进出岛方向的主干道枢纽位置，以及厦门岛内东西走向主干道。该项研究对于快速建立不同城市及具有特殊时段需求的交通运行识别方法起到积极作用。     

交通事件下快速路拥堵蔓延消散时空范围模型

研究了交通事件下拥堵蔓延消散的时空范围分析方法与模型,交通事件引发的拥堵会以某一初始蔓延速度向上游蔓延,直至达到最大蔓延边界后开始消散.通过对事件下拥堵蔓延速度的影响因素进行量化分析,建立了时变的拥堵蔓延速度模型;然后通过收集处理数据,进行参数估计;最后利用实际数据,进行了模型的实例应用,对不同情况下的交通拥堵蔓延消散规律进行了研究.该模型可预测交通事件下的交通拥堵边界和持续时间,便于交管部门制定缓堵策略.     

城市道路拥堵状态下驾驶人换道特性研究

交通拥堵状态下车辆行驶速度低于驾驶人期望车速,引发驾驶人变换车道以获得更好的行车空间,由此导致不同程度的交通冲突。首先分析交通拥堵对驾驶人换道行为的影响,依据导致的交通冲突数和冲突程度将换道驾驶行为分为三种类型。基于大量实测数据,分别研究小型客车、大型客车、小型货车在交通拥堵状态下的车道变换特性,构建三种类型换道比例与交通拥堵压力系数的关系模型。结果表明,交通拥堵对三种类型车辆的换道行为均产生显著影响;相比小型客车和大型客车,小型货车不同类型换道比例分布更加离散。     

城市快速路交通拥堵持续时间分布特性研究

依托上海市南北高架西侧的交通流数据,引入生存分析方法,建立基于风险的交通拥堵持续时间模型。其根据大量交通拥堵样本的时间属性,采用Kaplan-M eyer非参数回归模型定量估计拥堵持续时间,并按星期数、高峰时段、数据年限、样本位置和天气划分五类影响因素,从生存函数和危险函数两个方面,分析拥堵持续时间的时空分布特性。结果表明上海市南北高架西侧的交通拥堵持续时间70％能在1小时内消散,在不同类别的影响因素下分布特性存在明显差异。     

数据驱动的偶发拥堵时空建模及传播分析

为研究实际的道路交通路网中偶发拥堵的传播和演化特性,充分发挥海量交通流数据的潜在价值,克服现有基于模拟仿真的拥堵分析方法因理论假设和参数设置所导致的 “失真”问题,本文在交通流实测数据的基础上,建立改进的 PLS-STAR模型对偶发拥堵的时空传播结构进行描述,并提出偶发拥堵的直接和间接时空传播效应两种概念对拥堵的时空传播影响进行刻画,从而构造了一种数据驱动的偶发拥堵时空传播效应评估方法.通过北京路网的案例研究发现,路网服务水平的降低,更大程度来源于拥堵传播的间接影响而非直接取决于突发的交通量增加,因此,通过控制拥堵传播来提升城市路网的服务水平仍具有巨大潜力.     

基于浮动车数据的交通拥堵时间维度特征

以北京市浮动车数据为基础,对比2个工作日上午时段的交通拥堵时间百分比、持续时间特征指标,引入残存函数描述路段拥堵持续时间分布概率,采用曲线拟合后得到Log-Logistic模型可以更好地描述拥堵持续时间残存函数曲线,并对比不同路段的拥堵持续时间分布差异;此外,通过对比分析拥堵时段内速度的区间分布,得到拥堵前后时段交通状态的演变关系．通过对实际数据的具体分析直观说明交通拥堵时间维度的特征,以期为交通拥堵评估与预测奠定基础．     

城市交通拥堵分析与诊断

从道路网络结构角度分析了城市交通拥堵问题,并通过对城市路网中快速路、主干道、次干道、支路的层次结构与功能进行分析,建立了交通拥堵的诊断模型。用交通分配法计算了路段最佳匹配通行能力,并给出了路段拥挤度和匹配度的计算方法。