基于小波分析和拉格朗日的交通异常数据处理

针对交通数据采集过程中存在异常数据的情况,提出了基于小波分析和拉格朗日的交通异常数据处理方法。首先对交通数据序列进行小波分解,去噪;然后通过拉依达准则找出异常数据;最后采用拉格朗日插值法对异常数据进行修正。试验结果显示该方法可以简单、有效地判别和修正异常数据,相较于传统的交通异常数据处理方法具有一定的优势。     

基于模糊的城市快速路交通流状态判别

“交通状态”具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视。因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态。在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则。该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据。     

基于模糊的城市快速路交通流状态判别

"交通状态"具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视.因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态.在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则.该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据.     

不同时间间隔下的道路交通状态判别

为了提高城市道路交通状态评价结果的准确性,确定合适的交通状态评价间隔,以连续通过断面的车辆数作为划分评价时间间隔的依据,基于集对分理论建立了交通状态评价模型。首先为了提高评价模型的运行效率,在总结分析当前研究现状的基础上,提出了以通过路段断面的车辆数来划分评价时间间隔,以车辆的瞬时速度作为交通状态识别的单一指标。其次根据集对分析的原理,以集合A(实测数据)与集合B(判别指标的标准构成)构建了集对H(A,B),从同、异、反3个角度出发,建立了基于五元系数的道路交通状态评价的模型。最后为了验证模型的有效性,以西安市某路段的实测数据为例,分别利用模糊评价法和集对分析法对此路段的交通状态等级进行了判别,证明了该方法的优越性。研究发现:两种方法的评价结果基本相同,但是基于集对分析理论的交通状态评价方法对速度的变化反应更为灵敏,得到的交通状态转变曲线更为平滑,在一定程度上可以更好地反映交通状态转变的过程性和渐变性;评价时间间隔划分得越小,交通状态对速度的变化反应越灵敏;但当评价时间间隔小于1 min时,交通状态评价结果不再受时间间隔的影响。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

基于地图匹配的城市道路实时交通状态模糊综合判别方法

依托于浮动车数据,基于地图匹配对城市道路交通状态模糊综合判别方法进行深入研究.首先根据浮动车数据特点和道路交通信息,基于Mapbasic编程对数据进行地图匹配,并进行MapInfo二次开发,通过相关模型计算指定时段内的道路交通参数.建立模糊综合评价判别模型,对判别结果量化处理,以最大隶属度原则确定道路交通状态.最后,选...     

基于出租车跟踪的市区路网交通状态估计方法

为了获取市区路网的交通状态,提出了一种基于出租车跟踪的市区路网交通状态估计方法。该方法采用GPS定位设备获取出租车的行驶数据,然后结合数字地图数据对其中的位置数据进行修正,并采用A^＊启发式搜索算法对出租车进行跟踪,最终通过计算出租车跟踪路径在所覆盖路段上的置信参数来实现对市区路网交通状态的估计。基于上海市的出租车GPS调度数据和市区路网数字地图数据的应用实例验证了这一方法的可用性。     

适于动态导航系统的城市道路交通状态判别

城市道路交通状态判别是动态导航系统中的关键技术之一,文章从城市道路交通流系统的高度复杂性特点出发,提出了一种基于神经网络的城市道路交通状态判别方法．首先,利用灰关联熵分析方法选取交通状态的关键性特征指标;然后,建立交通状态判别的神经网络模型并利用实测数据对其进行离线训练;最后,应用训练后的神经网络进行城市道路交通状态在线判别．实验表明,用于城市快速路的交通流状态判别方法效果良好。     

基于模糊综合评判的道路交通状态分析模型

结合交通流本身的特点,选择对交通状态变化反应灵敏,容易获取,且准确率较高的参数作为判别道路交通状态的指标。综合考虑各种情况,选取交叉口进口道最大相位饱和度、进口道平均最大排队长度比和路段平均车速为特征参数,设计了一种基于模糊综合评判的道路交通状态分析模型,并用VISSM4.20对以上方法进行了模拟验证。试验结果表明,单个的特征参数得到的交通状态判别结果波动性较大,准确性不足。通过将其进行模糊综合评判后,判别结果有了较好的稳定性和准确度,所提出的算法能够提高交通状态实时判别的效果。     

面向实时交通状态参数估计的浮动车车速置信优化算法

针对浮动车数据稳定性问题,在浮动车及其数据特性分析的基础上,设计了考虑车速置信权重的交通状态参数算法。以车速、样本数和时间为衡量基准得到置信权重,据此计算交通状态参数。在出现异常数据时进行去噪处理;在数据量不足或数据连续性不好的情况下融合历史数据及临近时段数据,以反映真实交通状态。通过编程仿真和实地实验,对优化算法进行数值分析和测试,证明该算法可有效消除异常数据波动和数据量不足的影响,对交通状态参数估计具有较高的准确度和平稳性。     

基于可接受间隙理论的交通冲突判别方法研究

回顾了国内外关于交通冲突技术的研究现状,介绍已有的交通冲突判别方法,总结近年来国内外学者使用交通冲突判别方法的发展过程.以信号交叉口行人与右转车的交通冲突为研究对象,进行相应的数据采集,并利用SIMI软件提取两者的运动状态数据.选取减速度作为判别标准对两者的交通冲突进行判别,利用可接受间隙理论中的临界间隙法确定减速度判别冲突的临界值,最终对采集的数据进行冲突判别,并得到判别结果.     

基于时间卷积自编码网络的实时交通事件自动检测方法

为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。     

基于短时交通预测的公路交通异常判别方法

普通公路由于受到检测设施布设稀疏的制约,若沿用传统的交通事件自动识别方法,其判别率将低于高速公路或城市道路,而误判率也将高于高速公路或城市道路。为了便于公路管理者对普通公路发生交通异常时及时处理,以短时交通预测为基础,将交通异常的定义作为为判别标准,提出了1种新的交通异常判别方法,该方法能够排除由常发性交通拥挤和幽灵瓶颈现象引起的异常误判。试验表明,基于短时交通预测的公路异常判别方法精度误差在0.2以内,能够较好的实现对交通异常的判别。      

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警，基于车辆OBD驾驶行为数据及信息熵理论，提出了城市道路交通安全风险预估方法。首先，分析异常驾驶行为高发位置与道路交通事故发生位置的关联性；其次，构建以道路交通安全熵为一级指标，急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系，提出了基于改进熵权法的道路交通安全熵计算方法；然后，基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法，并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性；通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法，可弥补log对数函数无法计算零值指标熵值的缺陷，避免指标权重为负、指标熵值与权重反映信息不一致的现象；两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出，道路交通安全熵与交通事故表征的道路交通安全状态趋势一致；道路交通安全风险等级可划分为高、低风险2级，道路交通安全熵优化阈值为0.042，最后，风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

基于交通精细化设计理念的城市道路交通改善研究

在城市建成区,通过大规模的土木工程手段来解决交通拥堵问题受到土地利用、经济投入等诸多因素的制约。而通过一系列的交通精细化设计,比如:区域交通组织、交叉口优化设计、行人过街优化设计和可操作性的交通管理措施等,对改善城市交通状况,特别是缓解城市中心区交通拥堵,具有投入少、效果显著的特点。该文重点介绍交通精细化设计理念及相关优化设计方法,可供同行借鉴。     

The influence of alternative data smoothing prediction techniques on the performance of a two-stage short-term urban travel time prediction framework

This article investigates the impact of alternative data smoothing and traffic prediction methods on the accuracy of the performance of a two-stage short-term urban travel time prediction framework. Using this framework, we test the influence of the combination of two different data smoothing and four different prediction methods using travel time data from two substantially different urban traffic environments and under both normal and abnormal conditions. This constitutes the most comprehensive empirical evaluation of the joint influence of smoothing and predictor choice to date. The results indicate that the use of data smoothing improves prediction accuracy regardless of the prediction method used and that this is true in different traffic environments and during both normal and abnormal (incident) conditions. Moreover, the use of data smoothing in general has a much greater influence on prediction performance than the choice of specific prediction method, and this is independent of the specific smoothing method used. In normal traffic conditions, the different prediction methods produce broadly similar results but under abnormal conditions, lazy learning methods emerge as superior.     

基于多参数状态时间序列的交通状态预测方法

利用多个参数描述交通状态时,交通流数据表现为多维空间数据。提出了将属于每个状态的多维空间数据转换为一维时间序列的方法,对于此状态时间序列采用BP神经网络进行了下1个时段的交通状态预测。实验结果表明,多参数状态时间序列比单个参数时间序列能更准确地描述交通流状态变化过程,且算法简单,具有较强的预测实时性。     

区域交通流特征提取与交通状态评估方法研究

随着城市各种交通控制系统(UTC)的广泛应用,交通控制中心能够采集大量的交通流数据。通过对这些数据的分析来评价区域的交通运行质量和路口状况,从而有助于改进交通控制方案,这是一项新的研究内容。本文通过对区域内路口大量的检测器数据的分析,利用K均值聚类和EM算法相结合的方法,提取出表征路口交通流运行状况的特征向量。然后,给出典型交通区域内路口交通流运行的平衡因子,建立评价区域内路口相似性的相似性矩阵。利用北京市两个典型交通区域的实际交通流数据进行验证,结果表明该评估模型能够很好的反映北京市交通状况,并具有较好的可移植性。     

Parameter matchin and optimization for a hydraulic power-assistant system

A hydraulic power-assist system is a hydraulic regeneration system that can significantly improve fuel economy when installed on a conventional bus operating in urban traffic. This paper presents a methodology for matching a new hydraulic power-assist system (HPA) to a conventional bus. The HPA and the conventional bus were modeled using the AMESim environment. The HPA was optimized using a simulation-based orthogonal design method with two indexes, the fuel economy and the acceleration performance. According to the simulation results, the volume of the accumulator was the primary factor affecting fuel economy, and the gear ratio of the transfer case was the primary factor influencing the acceleration performance. As a result, tradeoffs between the two indexes are required for a practical operational scenario. Experimental results demonstrated that the optimal HPA installed on a conventional bus was able to satisfy the acceleration performance requirement of the vehicle and also reduced fuel consumption by 25 percent.