面向高速公路交通调度的动态数据融合

在高速公路交通动态数据融合需求分析的基础上,采用环形线圈和微波检测器建立多检测器动态数据的现场试验站,通过多检测器组合方式构建数据检测方案;应用基于自适应加权和改进BP神经网络的数据融合方法,建立交通动态数据融合模型,研究高速公路同一时间、相同断面的多检测器的数据融合。现场试验与检测数据分析表明：基于改进BP神经网络融合方法所获得试验数据的平均相对误差较微波和环形线圈各自的精度提高了10％-20％。     

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。     

高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法:①路段平均车速算法;②交通流区段类型判定算法;③排队类型判定算法.考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况,使得模型所提供的信息更能反映路段的真实交通状况.采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性,并且采用"客观"标定临界车速作为基于现场数据判定车队状态的一种方法.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

基于状态空间模型的道路交通状态多点时间序列预测

以多点的道路交通状态为研究对象,把道路交通状态单点预测向多点同时预测扩展,提出了基于状态空间模型的道路交通状态多点时间序列预测方法。首先,利用道路交通状态的多点时间序列数据建立多维自回归模型,转化状态空间模型形式,接着利用EM算法估计状态空间模型参数,从而得到多点道路交通状态的状态空间模型;其次,根据时间序列数据估计系统状态,利用卡尔曼滤波算法进行一步预测,补充新的数据并更新系统状态递推预测;最后,利用某城市快速路上相邻6个交通检测器采集的多点时间序列数据验证模型的有效性,并与卡尔曼滤波单点预测方法相对比。结果表明:该模型是可行和有效的。     

基于支持向量回归的高速公路路段平均速度估计方法

为克服现有高速公路车辆检测器密度稀疏、损坏率高导致所估计的路段平均速度准确率不高这一缺陷,提出一种新的高速公路路段平均速度估计方法。一方面,高速公路收费数据具有车辆信息全面可靠、辐射路网范围广的优点,采取基于轨迹法的修正算法求取基本路段平均速度;另一方面,"两客一危"卫星定位数据实时性好,路网分布相对均匀分散,利用速度-时间积分模型对单车行程速度进行估计,再对单一浮动车作加权平均获得路段平均速度。最后,利用支持向量回归原理,对由高速公路收费数据和"两客一危"卫星定位数据所获取的路段平均速度进行融合处理,得到估计效果更好的路段平均速度。利用广乐高速公路上的实际数据对融合结果进行了验证。结果表明:与单一数据源的估计速度相比,融合后的路段平均速度具有更小的相对误差,更接近真实值,可更好地反映高速公路系统运行状态,为管理者和出行者提供决策依据。此外,分别以15,45 min和60 min作为统计间隔,使用上述融合方法进行路段平均速度估计。结果表明,模型效果与统计间隔大小呈负相关关系;统计间隔越小,模型的均方误差、可决系数、相对误差3个指标也越小;当统计间隔为30 min以下时,估计结果更为精确。     

高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法：①路段平均车速算法；②交通流区段类型判定算法；③排队类型判定算法。考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况，使得模型所提供的信息更能反映路段的真实交通状况。采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性，并且采用“客观”标定临界车速作为基于现场数据判定车队状态的一种方法。     

一种高速公路典型路段的交通状态识别方法研究

为解决高速公路交通状态识别问题,提出一种省级高速公路交通状态的识别与推理方法,该方法首先对大量交通流历史特征数据进行预处理,然后建立基于一种塔式结构的交通流特征数据提取模型。通过系统开发,实现了某路段的分析,表明可实现高速公路运行状态的识别。该识别与推理方法将用于省级高速公路联网应急联动平台,有较好的应用前景。     

服务于高速公路实时容错性评价的车辆检测器布设研究

车辆检测器采集到的信息的准确度与检测器的空间密度和空间位置有极大的关系,而目前车辆检测器的布设却没有统一的标准。本文以高速公路实时容错性评价模型为基本的分析方法,首先通过道路线形安全评价对高速公路进行路段划分,然后采用仿真手段研究车辆检测器不同布设间距条件下,高速公路实时容错性评价模型对交通事件响应时间的变化规律,最后得到服务于高速公路实时容错性评价的车辆检测器布设方法,并给出各种路段安全等级和交通量条件下的车辆检测器布设间距推荐值。     

高速公路交通畅通性判别研究

在客货混行尤其是货车占比较大的高速公路运行过程中,货车比例对于交通状态判别有着较大的影响.为了更加准确地判别高速公路基本路段的交通状态,构建了一种基于车速的估算模型,并考虑货车比例因素的交通状态判别方法.以西安市绕城高速某路段进口处的实测交通量为数据流,采用VISSIM仿真软件进行仿真分析,以获取不同货车比例及交通流参...     

基于K近邻非参数回归的交通状态概率预报技术

针对城市道路交通系统中交通流演变的随机性和复杂性,以及实时交通状态判别本身所具有的不确定性,基于模式识别和相似预报的思想,提出了一种交通状态概率预报的K近邻非参数回归模型。模型首先利用城市道路路段上环形线圈采集的交通流数据,采用模糊聚类技术,生成历史样本数据库;接着采用相似离度指标进行近邻搜索;然后根据近邻子集,构建交通状态概率预报函数,对路段未来时段的交通流运行状态进行预报,并用概率定量描述该状态发生的可能性大小。最后根据该模型,结合实际数据,进行了不同预报时长的分级交通状态的概率预报试验,独立样本检验结果表明,该模型预报准确率高,稳定性好。     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计，提高估计精度，研究了基于时空特征序列匹配的交通流状态估计模型。通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态；分析影响城市道路运行条件的各项因素，引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征，提取3个维度8个特征1个附加维度组成交通流时空特征，构建城市道路交通流DNA特征序列对交通流状态进行描述；将各个特征的值归一化处理，利用WH-KNN匹配方法，得到全路网中与待估计路段最近的交通流状态。实验选取武汉市中环快速路编号为10468、10483以及8816的路段1周数据，假定路段数据缺失，通过所述方法进行交通流状态估计，将估计结果与原始数据结果进行对比。研究表明，模型不仅能够得到无检测数据路段的交通流状态，其状态估计结果的准确率保持在88%以上，且误判结果在1个运行指数等级之内。      

基于ETC交易数据的高速公路行程速度提取模型

为了提高高速公路运行状态的监测水平,基于ETC交易数据预处理,根据计算周期内路段ETC数据量的大小,搭建了不同样本量水平条件下行程速度的提取模型.利用包含对象路段的多个OD对ETC交易数据提取路段的行程速度,提出基于OD对速度折减系数和可信度权值的速度修正方法,解决了小样本条件下速度提取可信度较低的问题.以北京市高速公路路段数据进行了现场验证.结果表明,模型的平均绝对误差为4.5 km/h左右,平均相对误差为6.5%左右;高峰和非高峰时期的误差均方差分别为2.38 km/h和3.39 km/h,说明高峰时期的速度提取稳定性优于非高峰时期.仅利用ETC数据不能完整反映车辆的行驶状态,未来可融合其他数据源,进一步提高高速公路运行状态提取的准确性和可靠度.      

高速公路路段运行状态评价

高速公路路段运行状态实时评价对于实时的交通诱导和交通管制具有重要的意义。本文在合理选取评价指标的基础上,结合专家法和熵值法确定各指标的权值,得到综合评价值,然后采用分类评价的方法,将综合评价值与门限值相比较,确定路段的运行状况;最后选取苏嘉杭高速公路某路段进行实例分析,已验证方法的可行性和有效性。     

高速公路改扩建工程周边路网交通瓶颈识别

为满足日益增加的交通需求和提高通行质量,同时保障高速公路区域路网和作业区的交通正常运行,有必要开展高速公路改扩建工程周边路网交通均衡诱导研究,对改扩建高速公路上过载的交通流量进行分流和转移。准确地识别高速公路周边路网的交通瓶颈路段,是进行高速公路改扩建工程周边路网交通均衡诱导的重要基础。在对国内某高速公路改扩建工程周边路网交通运行状况调研的基础上,耦合了速度-密度关系模型和服务水平法,构建了交通瓶颈识别模型。然后,基于所构建的交通瓶颈识别模型,结合周边路网的通行能力和不同时段的服务水平,对周边路网不同时段下的交通瓶颈路段进行识别。     

基于点、线、面层次的公路网交通运行状态评价

由于公路网是由点成线、由线成面的统一体,为了更准确地分析和改善公路网运行状态,加强公路节点、路段、路网评价之间的联系,便于确定交通拥堵产生根由并有效采取措施,建立了一种基于点、线、面层次的公路网交通运行状态的综合评价方法。在基本单元划分和指标选取方面,以交叉口、互通式立交、收费站和基本路段作为基本单元,结合交通流理论,综合考虑各基本单元的特点,分别选取对应的评价指标,以极小型指标评价法为基本原理,构建基本单元交通综合运行指数评价模型,并确定相应的分级阈值。在交通运行状态评价方面,依托专家经验的主成分分析与客观的交通量统计调查相结合的方法确定各基本评价单元的权重向量,从而构建路段运行评价模型并给出评价分级阈值,再以各等级道路拥堵程度和路网客、货运量,分别构建路网赋权矩阵或向量,从而获得路网交通综合运行指数模型并确定评价分级阈值。最后结合算例说明该评价方法的具体操作过程,通过获取的各项基本数据,从点层过渡至线层再至面层,依次计算各层交通运行指数,确定各基本单元、路段、路网分别对应的交通运行状态。研究结果表明：不同层面之间的交通运行状态存在一定的联系,不同节点和基本路段处的运行指数差异较大,路线运行指数差别也较大,从而影响路网最终的运行状态,因此,可以通过逐级评价确定交通拥堵症结所在,有针对性地采取相关改善措施。     

基于改进K-Means算法的交叉口影响路段行程速度估计

基于低频、低覆盖率、数据来源多样的GPS浮动车数据,在现有数据预处理方法的基础上,以交叉口影响路段数据点为研究对象,研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性,能够实时监测交通参数,估计交通状态。为克服数据本身缺陷,使数据能有效利用,精确得到交通参数,本研究获取短时内路段所有数据点代表整体状态。首先基于数据的特性和在路段分布的节律,利用曲线拟合及拉格朗日中值定理确定交叉口的影响范围;其次在该范围内利用改进K-Means聚类方法,确定初始聚类中心,并以有效性指数作为优化目标确定聚类数;在此基础上分配权重,结合交叉口影响范围外的数据点,对整个交叉口影响路段的行程速度进行估计。用杭州市局部路网中GPS数据进行案例分析,验证技术方案。通过实地调查获取实验真实值,分别讨论了在主、次干路路段本方案估计差异,并与传统模型进行了对比分析。分析表明,该方法得到的路段行程速度估计值与真实值较为接近,误差较小,在城市主干路和次干路中的误差分别为4.1%和9.5%,比传统模型误差更小更稳定,能较好地满足城市智能交通控制系统对于交通参数的精度要求。     

山区高速公路弯坡路段车辆运行速度预测模型

为确定山区高速公路弯坡路段的车辆运行速度特征,提高山区高速公路运营安全管理水平,结合山区高速公路复杂的道路线形条件,研究适用于弯坡路段的运行速度预测模型。文中列举国内外具有代表性的运行速度模型,并分析其局限性;通过调研3条典型山区高速公路,采用气压管式车速检测器对车速数据进行采集,选择路段特征点的运行速度作为分析样本;通过比较偏相关系数,确定模型的自变量参数,利用多元线性回归的方法,分别建立不同车型在山区高速公路弯坡路段的运行速度预测模型,并对模型的拟合度进行验证。结果表明,模型预测值与实测值的平均相对误差在5%以内,模型精度满足要求。     

基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究

为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由三项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。     

基于新型检测器的高速公路交通状态判定

随着高速公路上车流量的增多,车辆超车和跟驰现象明显,单一的断面参数无法准确表征车辆在道路上行驶状况。新型的区域检测器可以追踪车辆,检测范围为100m,得到车辆在检测区域内连续的速度变化和行驶轨迹;同时可以分不同车型检测交通量,分车道统计交通流区间平均速度、时间占用率。根据区域检测器所能得到的关于车辆在检测区间内速度变化的交通参数数据,建立高速公路交通状态判定模型。新型的区域检测器对车辆在道路上的行驶状态可以更加准确的表征,为高速公路交通运行状态分析提供了更可靠的数据来源,可以更加准确,实时地确定公路交通状况,为公路管理部门提供进一步的决策支持。