基于梯度推进决策树的日维度交通指数预测模型

城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达 90%以上,与其他 4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值.     

基于车牌识别数据的错峰上下班措施效果评估 ——以广州市为例

错峰上下班是缓解交通拥堵的政策之一.不少城市实施了错峰上下班政策,但对其效果缺乏量化评估.基于海量的车牌识别数据,提出错峰上下班主要影响对象——个体机动化通勤车辆的识别方法,进一步阐述其出行时耗的计算方法.以广州市为例,通过比较该方法与交通拥堵延时指数的计算结果,对该方法的有效性进行验证.结果表明,该政策改善了早高峰的交通拥堵,同时加剧了晚高峰的交通拥堵.该技术方法可应用于城市交通管理政策的效果评估,定量化辅助管理决策.     

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象，在考虑降雨数据的基础上，设计一个基于非最小路段的行程时间计算方法，建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后，以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明，加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析，发现在满足数据精度的前提下，本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

基于CRITIC-TOPSIS法的城市交通拥堵演变趋向指数研究

为更加全面地评价城市道路交通拥堵,重新界定交通拥堵内涵,阐述交通拥堵状态与交通拥堵趋势之间的逻辑关系,提出交通拥堵演变趋向指数(ETI)概念.运用聚类分析法构建并筛选拥堵趋势评估指标——行程时间比变化率、饱和度变化率、拥堵里程比变化率及拥堵持续时间变化率,基于CRITIC法和TOPSIS法构建交通拥堵演变趋向指数模型,对城市主干路交通拥堵趋势进行评价,并将此方法应用于哈尔滨市三条主干路中进行交通趋势评价.该指数模型的建立可为城市道路交通拥堵提供更加完善的评价模型,也可为居民出行、提高交通管理水平提供参考.     

基于LVQ神经网络的交通拥堵预测研究

面对大量的交通参数数据,如何快速建立高效的分类预测模型以尽快地对拥堵状态进行判别是一个重要的问题。本文利用检测器提供的车速、流量和占有率等相关参数信息,提出了基于学习向量量化（LVQ）神经网络的交通拥堵预测模型．通过使用Matlab7．3数学软件的神经网络工具箱对该神经网络不断地训练,最终可以对道路正常状态和拥堵状态进行分类,通过交通流参数数据的输入预测出路段交通拥堵状况．最后,给出算例进行网络训练和测试,训练结果表明,运用该算法进行交通拥堵预测取得了良好的效果,具有一定的现实意义．     

城市短期交通流量预测方法的探讨

根据实际观测得到的交通流量数据,运用灰色预测模型、神经网络以及最小二乘拟合等三种交通流量预测模型．对上海市延安东路隧道浦西段入口处短期车流量进行短期的预测。计算结果表明,神经网络模型的精度最高。最后提出一种根据短期交通流量预测结果的人工智能解决交通拥堵的方案。     

基于智能公交的城市道路服务水平实时评价与预测

研究了城市道路服务水平评价与预测所需参数的实时处理算法和采集方式.利用城区道路上的公交车为数据动态采集单元,智能采集公交车实时运行状态数据信息,计算公交车车头时距、分析车流速度,对滤波调整预测速度与实际速度进行对比分析,建立以行车速度、行程时间、拥挤程度为评价指标的城市道路四级服务水平实时评价与预测系统.该系统能为公交车运行及其交通出行者提供管理、信息服务,适时引导交通流量合理分布,高效地利用道路网络,减少城市交通拥堵,提高交通运输效率,为城市交通规划提供依据,对推动城市畅通工程及城市交通智能化的发展,有一定参考作用.     

城市主干路交通量预测研究

为研究预测城市主干路交通量,首先通过建立灰色模型、指数平滑模型、平均增长率模型较好地预测了影响城市道路交通量的人口、经济、机动车保有量等指标,进一步以回归预测模型为某城市主干路交通量的基本预测模型,通过将多种预测方法有机地结合起来,从而合理地预测了某城市主干路的交通量增长趋势。     

降雨对城市道路行程速度的影响

以北京市实时天气数据和基于浮动车的城市道路行程速度、交通运行指数数据为基础,对比分析降雨天气和正常天气的行程速度、指数、降雨量等数据指标.然后从降雨强度、时间段、拥堵等级等角度展开对城市道路运行参数的分析,建立降雨天气速度预测修正模型,并进行模型验证.研究得出,在夜间降雨强度达到中雨及以上时,快速路、主干路、次支路的速度下降百分比分别为：8.8%、4.8%、5.9%,分别得出高峰和平峰时降雨强度与行程速度下降之间的关系;得出在全路网不同拥堵等级下降雨强度与行程速度下降之间的关系.最后对速度预测模型进行实测验证.结果表明,该模型可以对降雨天气条件下的行程速度进行有效预测,预测的平均误差在5%以内.     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.     

道路交通噪声评价及预测新方法

在分析既有环境噪声评价方法的基础上,根据交通噪声非稳态性的特点,提出了交通噪声综合影响指数的概念。基于概率论和交通流理论,考虑到影响道路交通噪声的主要因素是车流量、车型和车流速度等,建立了用交通噪声综合影响指数来评价道路交通噪声的预测理论模型。以某城市道路交通噪声在一天内24h的A声级变化为实例,计算了其交通噪声综合影响指数为79．7dB。计算结果表明,可以用交通噪声综合影响指数合理地评价道路交通噪声污染对人体健康和社会经济发展的影响。     

城市建设项目交通影响后评价模型

基于后评价原理、建立了城市建设项目交通影响后评价模型,采用权重判断法筛选评价指标,根据单准则AHP构权法确定各指标权重,通过计算偏差率,将各指标归一化。在确定的三级评价指标体系中,一级指标分别为交通需求预测后评价指标、交通改善措施后评价指标、交通可持续性后评价指标;二级指标分别为背景交通需求预测指标、项目交通需求预测指标、区域交通需求预测指标、公共交通需求预测指标、静态交通需求预测指标、土地利用改善指标、交通组织改善措施指标、交通适应性指标、经济影响指标、环境影响指标与社会影响指标。评价结果表明:成都市博远花园住宅项目后评价最大隶属度为0.527 7,评价等级为部分成功,评价结果符合实际。可见,评价指标和模型有效。     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

智能网联环境下基于混合深度学习的交通流预测模型

为适应未来智能网联环境下精细化交通流预测需求，提出一种基于混合深度学习 (Hybrid Deep Learning, HDL)的车道级交通流速度预测模型. 模型以智能网联系统强大的数据采集和计算能力为基础，采用集成经验模态分解算法将原始速度序列分解为多个固有模态函数分量和残差分量，并将所得分量重构为模型输入；利用双向长短期记忆神经网络和注意力机制，构建深度学习模型框架；为检验模型预测精度和可靠性，选择北京市二环路多个连续车道断面速度数据进行算法验证. 结果表明，HDL模型在不同车道均有理想的预测结果，单步和多步预测精度均显著优于对比模型.     

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。     

考虑多特征的高速公路交通流预测模型

为准确预测高速公路交通流，缓解高速公路交通拥堵现象，本文提出一种考虑多特征的高速公路交通流预测模型。首先将高速公路当前道路与上下游的交通流、天气等数据转化为一个二维矩阵，并利用滑动窗口模型获得输入样本的最佳长度；然后将样本数据输入集成深度学习模型训练并提取交通流数据的特征，随后输出预测结果；最后，将某高速公路交通流数据用于工作日和节假日两组实验。结果表明：集成深度学习模型比单一模型预测高速公路交通流的效果要好，工作日的高速公路交通流预测精度远高于节假日，本文模型将平均绝对误差由 6.40辆·(20 min)-1 降到5.450辆·(20 min)-1，说明考虑多种因素可以提升高速公路交通流预测精度。     

公路交通安全评价方法与体系

交通事故是人、车、路和环境动态系统失调的结果.根据我国的交通特点、地形特征和交通动态系统中人、车、路及环境的交通特性,着重从“路”方面,研究提出与我国交通特色相适应的公路交通安全评价方法,事故相对多发路段判别方法、双车道公路交通安全性预测模型、双车道公路交叉口交通安全性预测模型和高速公路交通安全性预测模型,以及建立公路交通安全评价指标体系的三个层次.     

基于Robertson 模型的异质交通流车队离散研究

为充分描述异质交通流条件下的车队离散规律,为信号协调控制提供理论基础,结 合异质交通流条件下的车流特征和Robertson 模型计算速度快的优点,对多股交通流分别建 模,并在此基础上构建异质交通流车队流量离散模型.通过实际调查数据,分析下游交叉口到 达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型和Robertson 模型与实际 数据进行比较分析.结果表明,与Robertson 模型相比,本文模型能够更好地描述异质交通流条 件下的车队离散规律,平均预测均方误差减少了8.29%.     

Comparison of several traffic forecasting methods based on travel time index data on weekends

Traffic forecasting provides the estimation of future traffic state to help traffic control,travel guide,etc. This paper compared several widely used traffic forecasting methods,and analyzed each one's performance in detail to make conclusions,which could redound to researchers choosing an appropriate traffic forecasting method in their own works. Compared with conventional works,this paper creatively assessed the performance of traffic forecasting methods based on travel time index (TTI) data prediction,wh...