交叉路口道路环境辨识之初步研究——建立智能型执法系统的首部曲

利用影像处理技术结合自行发展之道路环境辨识算法,建立智能型执法系统之平台,并选定"未依规定变换车道"违规行为建立违规行为判定系统,以期作为智能型执法系统平台建立之先驱研究.利用影像中位数法建立背景、结合递归式背景建构模式进行背景更新;透过"特征判断"与"样板比对"辨识路面标线;最后将车辆侦测、追踪等影像处理技术结合道路环境辨识结果进行违规行为的侦测与辨识.经过实际验证,于道路环境辨识以及违规行为辨识皆达良好的辨识水平.     

车载资通信服务发展议题分析与因应

继计算机、通信及消费性电子3C产品之后,第4C车用电子之车载机（on-board unit,OBU）资通信整合应用服务是政府与国内外产业界均十分关注的发展领域,同时也是智能型运输系统（in-telligent transportation system,ITS）、Telematics与信息通信界共同瞩目的焦点。因此,希望能够掌握无线通信、车载机、无线上网、交通资通平台与交通实时信息加值之发展趋势,并分析提供用路人实时交通信息、以及建立产业加值链之相关议题,以促使ITS相关产业及服务之永续发展。     

可视化知识图谱之研究——以台湾智能运输系统学术领域为例

随着科技日新月异,除全球智慧运输(intelligent transportation system,ITS)的发展趋势成蓬勃发展外,近年来对于大量数据下所隐藏的信息亦是越趋重视,因此,对于何种数据透过何种方式的呈现与其经挖掘后而呈现之意义,则为一大研究重点.对于ITS系统下九大领域间,透过知识图谱之方式,建构各领域之关联,以文献与作者上的聚焦探讨其彼此之发展历程、现况、趋势,再者深入于共同作者、关键词、参考文献、技术层面,挖掘各领域于主题上之演变、热门研究议题、前瞻研究领域,主要目的为于ITS系统各领域上进行整体的趋势观测与挖掘其前瞻研究及其核心价值所在,然后透过各院校的产出,可发现台湾于20世纪后ITS论文产出量有明显的上升趋势,代表着ITS的研究已逐渐朝一成熟稳健阶段迈进,综观台湾各大专院校于ITS所投入之研究产出量,以台湾交通大学233篇之产出为首,而各大专院校于ITS所投入之研究领域,则以先进交通管理服务(advanced traffic management services,ATMS)为主,对此,透过台湾投入经费于ITS研究之年期是可相互呼应的,而如何进一步将台湾各大专院校所投入之ITS研究进行其演进历程、分布特性以及群聚知识群等样貌进行挖掘,对于洞察及发现未来发展面向是一重要的关键所在.      

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

攥紧拳头才有力量——广东粤运交通股份有限公司董事长禤宗民谈客运产业升级

在当今轨道交通带来的剧烈冲击下,各客运企业更应该主动抱团取暖,尽快推动行业集约化发展、公司化经营的模式,只有大家＂攥紧拳头＂,未来才可以大幅提升公路运输行业的核心竞争力。广东粤运交通股份有限公司（简称粤运交通）成立于1999年12月,现有运营线路超过1 000条,营运客车超过7 000辆,占据着广东省内18%的交通市场份额,是我国最具实力的公路客运企业之一,2013年还在＂中国道路运输百强诚信企业＂评比中名列第三。     

交通诱导信息对驾驶员路径选择行为影响调查分析

可变信息板通过向驾驶员发布实时路况信息,诱导驾驶员选择合理路径.影响驾驶员路径选择行为的因素是多元的,包括驾驶员个体属性、道路属性、可变信息板属性等.使用RP调查获取驾驶员行为数据,探讨交通诱导信息对驾驶员行为的影响.分析表明,交通诱导信息对驾驶员行为影响较大.在驾驶员个体属性中,驾龄和道路熟悉度对驾驶员行为影响最大;道路属性中,驾驶员对拥堵状态最为敏感;VMS信息中,年长的驾驶员偏好实际交通信息,年轻的驾驶员偏好驾驶建议信息.      

交通全信息情境领导在交通诱导控制中的应用

作为交通诱导控制的作用机制,交通全信息的发布所建立的情境领导对交通诱导的效果起到了至关重要的作用。阐述交通全信息情境领导和交通诱导控制的概念,为了达到最佳的交通诱导控制效果,对重点交通全信息的发布形式进行探讨。考虑到信息的效用度和出行者个体属性的因素,特别以问卷调查的形式分析了交通全信息对诱导行为的影响,为交通诱导提供建议。结果表明:不同语法信息形式会对的选择带来不同的心理影响。     

出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.      

基于驾驶员行为的交通信息发布方式选择研究

信息技术在交通方面的应用越来越广泛,交通诱导信息的发布可大大提高路网的运营能力,为缓解交通供需矛盾提供了一个有力工具。交通诱导信息作为城市交通流分布的重要影响因素,通过改变驾驶员的出行时间、出行方式和出行路径,使道路上的交通流重新分配。本文以SP调查数据为支撑,从出行行为角度分析交通诱导信息方式对驾驶员出行选择行为的影响。利用非集计模型建立驾驶员选择行为模型,预测分析拥堵状态下,驾驶员对不同交通诱导方式的选择行为,进而有序地引导驾驶员出行选择,以达到缓解交通拥堵的目的。     

高质量发展背景下交旅融合优度的评价研究

对交旅融合进行定义和内涵分析，构建交旅融合体系。以武汉城市圈为例，结合实际情况，建立交旅融合评价体系，采用Entropy-Topsis模型对9个地区交旅融合优度进行评估。研究表明：武汉城市圈交通旅游协调度较高，但竞争力差异显著；具备优先发展地理条件和资源配置地区的交通运输早期已发展较为完善，对旅游的贡献力度更大，交旅融合竞争力更强；交通的快速发展破除了马太效应的荫蔽作用，天门、潜江、仙桃等地通过运游结合打造田园特色增加了综合发展潜能。因地制宜提出建设特色路网产品、创新“高铁/飞机+旅游+互联网”模式、打造功能性旅游品牌以及开通交通、旅游信息资源共享综合数据平台的对策建议。     

居民公交出行链重复性量化分析及其出行规律研究

作为城市交通的枢纽，公共交通系统承载了大量的居民出行。自动数据采集系统收集的IC卡数据包含了大量的乘客出行信息，通过这些数据可分析居民公交出行规律，进而优化公交服务。引入信息熵及熵率对居民公交出行链重复性进行量化，研究了基于量化指标分析居民公交出行规律的方法。通过出行地点状态标定，将乘客的出行链转化为离散的出行序列；利用信息熵和熵率对出行序列进行量化分析，得到出行重复性与量化指标的关系，即出行序列的信息熵越大，熵率越小，该乘客出行重复性越高，出行规律越强。基于重复性量化处理，以石家庄公交智能卡乘客出行数据为例，分别从群体和个人这2个方面对公交乘客的出行规律进行分析。结果表明，出行链重复性量化指标可以对出行规律的强弱进行直观判断。当乘客出行规律不明显，但信息熵高于样本均值2.53 bits、熵率低于样本均值1.13 bits/事件时，可通过进一步分析挖掘出乘客潜在出行规律。      

Who uses smart card? Understanding public transport payment preference in developing contexts,a case study of Manila's LRT-1

The culture of “tingi-tingi” or sachet economy provides a strong backdrop to better understand the payment mode preference of the riding public in the Philippines. First, the use of single journey tickets (SJT) reflects the purchasing practices amongst the urban poor thereby affecting the promotion and uptake of public transport smart cards. Second, as a glocalization strategy, it can inform what, how, when, and why services that has global uptake can be tailored towards the realities of a differentiated, local market conditions.Categorical principal component analysis (CATPCA) is presented to determine the key variables explaining the likelihood of uptake of smart cards for public transport passengers in the Philippines. The Metro Manila Light Rail Transit Line 1 (LRT-1) presents an appropriate context to examine how the glocalization of smart cards can help improve the quality of public transport services, and to provide planning and policy recommendations on smart card uptake and integrated ticketing, with the end goal of improving public transport provision and management. LRT-1 alongside its change in management, also introduced a new smart card payment system. However, more than half continue to use single journey tickets.The model parameters are estimated using primary survey data collected from LRT-1 passengers. Transit smart card has been widely used around the world and effectively reduces waiting time for passengers who used to purchase paper tickets.The main results of the model reveal that: (1) only groups with high education background, stable income, or with stable job would likely to use smart card; (2) passengers with lower education level, lower income, or with unstable job prefer to use single journey ticket; and (3) the sachet economy is strongly associated with the purchasing practices amongst Filipinos, particularly the urban poor, hence may affect the promotion and uptake of public transit smart cards. These findings may inform changes to the introduction of alternative payment schemes and the planning of public transport policies that recognise the need for an effective glocalization strategy, paving the way towards improved public transport service and provision.     

User retention tendency of bus routes based on user behavior transition in an area with low mode share of public transport

Although both public transport and private modes have their own purposes and safety issues, most people are free to choose either way to make a trip. Previous research states that increasing the mode share of public transport is an important transportation policy to improve traffic safety, and it is a key outcome of demand management indeed. However, rather than merely focusing on increasing its ridership, a more reliable way to reach for the universality of a public transport system is through its customer retention tendency. Research on satisfaction with bus service often focuses on the influence of specific variables. However, numerous variables may influence users' decision-making. To ease their work, managers have no choice but to ignore some unknown variables. Therefore, we now propose a bottom-up procedure, which needs only smart card data, to obtain the odds ratio of usage of a specific bus route. Logistic regression models are calibrated based on four behavior groups, and the significant coefficients of route variables represent the odds ratios of the bus route usage. The calibration of odds ratio does not need any individual personal or individual socio-economical information, but only smart card transaction data. This method will dramatically decrease the cost and time for data collection. Further, the procedure proposed in this study can be encapsulated in software, which managers can then use to assist their planning.     

基于公交IC卡的公交换乘数据获取方法研究

城市公共交通系统能否正常和高效地运营不仅取决于道路和车辆等设施条件,更有赖于运营管理手段和技术手段的先进性。传统的人工调查方法耗费巨大的人力物力,而调查结果却很难达到理想效果,所得数据不能动态反映城市公交出行的长期变化趋势。文中以公交Ic卡为切人点,通过对乘客2次刷卡间的时间分析以及利用公交GPS时间点的数据进一步分析乘客换乘所用的时间,判断出乘客2次乘车是换乘行为还是2次出行。     

融合XGBoost和图谱修正的公交通勤乘客目的地预测方法

准确把握公共交通通勤乘客的目的地, 有助于明确乘客出行需求, 提升公共交通服务水平。基于北京市1个月的公共交通出行数据和RP调查数据, 通过关联分析乘客公交卡号与公共交通刷卡数据和线站数据, 匹配获得563名通勤乘客完整出行链数据, 并利用关联规则实现302名公交通勤乘客高、中、低出行稳定性辨识。引入XGBoost集成学习算法, 分别以不同公交出行稳定性乘客出行目的地显著影响因素为输入变量, 以下次出行目的地为输出变量, 通过模型参数调优, 分类构建了公共交通通勤个体乘客下次出行目的地预测模型, 高、中、低稳定性乘客出行目的地预测准确率分别为90%, 66.67%和50%。借助个体乘客出行图谱转移概率对模型预测结果进行修正, 将预测准确率分别提升至91.2%, 83.21%和69.5%, 可以有效提升中、低稳定性乘客出行目的地的预测准确性。采用公交都市系统记录的目的地数据对下次出行目的地预测聚合结果进行对比验证, 客流预测值与真值变化梯度的绝对百分误差小于10%。因此, 在划分通勤乘客出行稳定性的基础上, 融合XGBoost和图谱修正的公交通勤乘客目的地预测预测方法具有较高准确性。      

宁波市常规公交运行特征分析

常规公交作为一体化城市公共交通体系的重要一环,其运行特征是影响乘客出行方式选择以及公交服务质量的重要因素,研究公交运行特征对于进一步增强公共交通的吸引力,提升公共交通服务质量、缓解交通拥堵等方面具有着重要作用。因此,基于公交GPS数据,对宁波市常规公交运行特征进行了分析,研究结果和建议为提升宁波市常规公交运行效率提供了有益参考。     

基于多目标优化的公交车调度问题的模型与算法

针对1条公交线路上的公交车调度方案,综合考虑公交公司和乘客的利益,利用多目标优化的方法建立了公交车调度的数学模型,给出了载客满意度函数和乘客等待时间满意度函数,采用了高性能的遗传优化算法对全天公交车运营的状况进行了数值模拟。仿真结果表明,选择采用将全天发车策略细分18个时段的模型,可得到最优的发车时刻策略。该模型可有效地改善公交车辆运营调度优化效果,提高公交车辆的运营效率,为城市公交车辆调度管理提供了合理、有效的调度方法。     

BP神经网络在公交智能化调度中的应用研究

应用BP神经网络自动生成公交线网的调度方式,研究了公交线路上各站点的客流量统计和预测方法,将BP神经网络与城市公交系统紧密结合,确定了输入变量的构成、变量数据的获取,输入量和输出量的对应关系及实现从输入到输出的对应关系.应用BP神经网络算法确定智能化调度中变量转化,最终自动生成正班车、快车、区间车、准点控制和放车调度等5种调度方式,结果表明采用BP神经网络的结构和方法能够更好地反映城市公交调度层次与模式,是一种研究城市公共交通智能化调度的最有效方法.     

轨道交通与常规公交交互胁迫关系验证分析

为了揭示城市轨道交通与常规公交之间的交互胁迫的演化特点, 通过借鉴城市化水平与生态环境之间的交互胁迫理论, 构建轨道交通与常规公交交互胁迫模型, 以我国2009年之前开通运营城市轨道交通的10个城市为样本, 基于轨道交通与常规公交之间的客运总量、线路长度及运营车辆3个维度的历史演化规律分析基础上, 验证轨道交通与常规公交之间交互胁迫关系, 进而对不同城市轨道交通与常规公交演化特点进行分类分析。研究结果表明: ①城市轨道交通与常规公交之间存在交互胁迫关系, 演变轨迹符合双指数曲线。②不同城市的轨道交通与常规公交在3个维度的演变轨迹上存在不均衡性, 客运总量的拐点出现早于运营线路长度和运营车辆数。③根据拐点的出现情况, 将10个城市分为5类, 其中, 重庆的轨道交通与常规公交在客运总量、线路长度及运营车辆3个维度的拐点出现均较晚, 表明重庆的公交发展模式较为协调, 常规公交在轨道交通的胁迫下仍然保持了一定的竞争力。      

A hybrid model based method for bus travel time estimation

Providing accurate information about bus arrival time to passengers can make the public transport system more attractive. Such information helps the passengers by reducing the uncertainty on waiting time and the associated frustrations. However, accurate estimation of bus travel time is still a challenging problem, especially under heterogeneous and lane-less traffic conditions. The accuracy of such information provided to passengers depends mainly on the estimation method used, which in turns depends on the input data used. Hence, developing suitable estimation methods and identifying the most significant/appropriate input data are important. The present study focused on these aspects of development of estimation methods that can accurately estimate travel time by using significant inputs. In order to identify significant inputs, a data mining technique, namely the k-NN classifying algorithm, was used. It is based on the similarity in pattern between the input and historic data. These identified inputs were then used in a hybrid model that combined exponential smoothing technique with recursive estimation scheme based on the Kalman Filtering (KF) technique. The optimal values of the smoothing parameter were dynamically estimated and were updated using the latest measurements available from the field. The performance of the proposed algorithm showed a clear improvement in estimation accuracy when compared with existing methods.