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。     

一种路网交通流参数的融合预测方法

提出了数据驱动与中观交通仿真融合的交通流预测框架.该框架将数据驱动 方法在路网局部断面和路段的高精度预测能力与中观交通仿真的路网范围预测能力结 合起来,通过可信度高的路网局部断面和路段预测值,在线修正中观交通仿真模型的参 数,使得中观交通仿真模型能够逼近、反映交通流运动趋势,提高路网范围交通状态预测 精度.通过结合路段旅行时间预测与中观交通仿真的实例分析证明,断面和路段预测和中 观交通仿真结合发挥了两者各自的优势,预测结果优于单一的中观交通仿真方法.     

交通拥挤状态模糊识别方法的设计与应用

交通状态是交通控制、交通诱导等管理措施的基础．在分析交通流运行特性的基础上,提出了交通流状态的拥挤和消散变化过程,并得出交通量和占有率对交通状态变化的敏感特性．建立了以交通量和占有率为输入量的交通状态模糊识别方法,并利用某路段环形线圈检测器的实测数据进行了仿真实验,实验的识别结果与实际交通状态相当吻合,可见该方法具有良好的实用性．     

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。     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同．本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数．根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据．进行了对个别路段的状态评估．实证分析结果表明：在交通流状态判别过程中,密度是最关键的参数：基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据．     

���ģ��ͨ��Ԥ�ⷽ���о�

随着交通信息化的快速发展,可供分析的交通流数据量越来越大,如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容.为解决大规模交通流数据预测问题,本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法,并与基于序贯最小优化方法的支持向量机结合,进行大规模交通流预测.实例分析结果表明,本文提出的聚类方法比现有抽样方法的抽样质量有所提高,基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度.因此,本文提出的方法对于大规模交通流预测是有效的.     

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．     

区域路网交通信息提取方法

为提取区域路网交通信息,基于物元分析理论提出了道路交通状态的判别方法．将交通状态的判别结果作为决策属性,综合考虑道路等级、时间及交通参数,构造区域路网的交通流特征信息表．用粗糙集方法提取交通流特征．用区域路网交通流特征提取示例验证了提出的方法的有效性．该方法可实际应用于在线交通状态判别和历史数据库的交通信息提取．     

基于多源交通数据融合的短时交通流预测

不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络(GA-WNN)的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。     

自行车-行人共享道条件下自行车交通流特性研究

研究城市路内自行车一行人共享道条件下的自行车交通流特性,对城市慢行交通规划、设计和管理有重要意义。论文首先设计了共享道交通流数据的采集方案,并选择南京市5条典型的自行车一行人共享道路段展开交通调研。其次,对共享道自行车交通流基本参数进行统计分析,包括交通流量、速度、密度及空间占有量等．再次,以实测数据为基础,分别建立共享道条件下自行车交通流基本模型,以及自行车交通流基本参数之间的相互关系曲线．最后,总结分析共享道条件下交通流与传统交通流特性的主要差异性。     

基于声强的交通流数据采集与状态分析

在提取交通声强信号特征的基础上,利用AvantLite动态信号分析系统记录数据,导入基于声强的交通流分析系统,融合路段相邻两点的数据,根据交通量差值比判断该路段的交通状态,为提高交通流检测技术水平提供理论和实践基础。     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

不良交通流状态实时监测支持向量机模型算法研究

交通流安全实时预警是交通主动安全防控的重要前提.采用实际事故发生前的交通流状态作为不良交通流状态判别标准,通过对车道级交通流数据进行参数提取,结合主成分分析法进行参数降维后得到9个主要参数.建立以径向基为核函数的交通流安全实时预警支持向量机模型,采用网格遍历法确定最优的支持向量机模型的惩罚参数C和核函数参数γ,最终构建的支持向量机模型能够成功地识别79.55%事故对应的不良交通流状态,能够有效地对高速公路上的不良交通流状态进行实时监测预警.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

城市交通控制中的数据采集研究综述

过去几十年来，城市交通控制技术为适应不断增长的交通需求和日益复杂的管理目标有了长足发展. 作为城市交通控制策略制定和控制算法设计的基础，交通数据决定了城市交通控制的适用性、可靠性和先进性. 数据采集技术的发展为城市交通控制能力的提升带来了机遇和挑战. 本文回顾交通控制系统中数据采集与参数估计的基本方法，分析评述检测数据方法从固定式无标识数据、移动式检测数据到固定式有标识数据的演变，指出它们给交通参数估计带来的变革. 结合20 世纪末出现的移动式检测技术，分析评述了对应的两种交通参数估计方法，即基于概率论的方法和基于交通流激波理论的方法给交通控制带来的影响. 针对近年来出现的固定式有标识检测数据，分析其对城市交通需求估计及交通控制策略参数估计研究带来的新任务. 最后，分析指出我国未来交通控制研究的三个方向：一是城市交通控制系统的信息范围已扩展到区域和路网层级，二是交通参数估计研究的重点随着数据采集方式的演变已转向提高参数估计的实时性与精度等领域，三是交通参数研究理论与实践存在差异，如何结合我国城市交通系统运行中检测环境差异导致数据误差率的变化，交通流到达规律的变化，道路上不同种类交通流间的交叉干扰等实际应用因素，使方法与模型能有效地指导我国复杂的交通控制实践是重要方向.     

基于GIS-T的交通信息发布系统设计

基于GIS-T和MTD技术的智能城市交通信息发布系统的原理和运行机制,是将交通信息采集发布、交通流评估模型、交通流预测模型和WebGIS有机地结合在一起,构成一整套完善的城市智能交通信息发布系统,实现交通信息的直观、实时发布,辅助出行者进行出行最优路径选择和出行时间预估,从而达到交通流动态调控的目的。     

基于交通仿真技术的二级公路安全评价方法

二级公路是我国公路系统的重要组成部分。本文根据现场观测结果,以二级公路交通流特性为基础,比较传统安全评价方法,采取基于第85位运行速度差的方法评价二级公路的安全性。考虑二级公路交通组成复杂的特点,运用交通仿真技术建立路网对象,结合现场观测数据完成参数标定,模拟实际交通流运行状况,输出评价指标数据,提出了区别于《公路项目安全性评价指南》所述获取运行速度差的方法。实例研究表明,该方法简单易用、精度较高,且适用范围广。     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。