基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通系统中,交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法将外场设备采集到的实时交通流数据与既有的交通状态分类标准特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术和交通工程技术,对环形线圈监测系统采集的交通流基础特征数据进行挖掘,实现了一种交通状态分类方法,并对交通管理控制系统中实时交通状态的判断识别提供可靠的参照标准。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通管理系统中,各种交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法通常将外场设备采集到的实时交通流数据与既有的交通状态分类标准的特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术、交通工程技术对环形线圈监测系统采集的交通流基础特征数据进行融合挖掘,实现了一种交通状态分类方法。为智能交通系统的管理者和决策者提供了交通控制管理决策依据。并对交通管理控制系统中实时交通状态的判断识别提供了可靠的参照标准。     

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。     

基于全车牌识别数据的高速公路交通拥挤识别

针对目前高速公路交通拥挤尚无统一的识别标准的状况，基于河南省高速公路全车牌识别数据研究，提出在路网实际混合交通流状态下高速公路交通拥挤识别标准，并给出了不同设计速度高速公路交通非常畅通、畅通、轻度拥挤、中度拥挤、严重拥挤对应的平均行程速度阈值，用于快速识别交通拥挤地点、拥挤类型、拥挤持续时间等信息，为高速公路管理决策提供依据。     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.      

高速公路交通流特性分析与应用实例

实测数据表明，高速公路的交通运行同时具有连续性与非连续性。传统的交通流模无法解 种现象，因此有必要对高速公路的交通流特性进行深入的分析，本文结合上海内线高架的调查数据业分析拥挤状态下的交通流特性并进行拥挤类型判断。     

基于模糊理论的高速公路交通事件的自动检测

根据交通流量、速度和占有率,构造不同交通流状态的隶属函数,根据最大隶属度原则进行交通流状态的识别;利用支持向量机的全局优化、适应性强、泛化性能好等优点,针对实时交通流数据的随机性、高维、非线性和时变等特性,将模糊支持向量机(FSVM)应用于高速公路交通事件检测问题中。在识别阶段利用60组实测数据训练模糊支持向量机,利用60组实测数据进行测试,测试结果表明,利用FSVM进行交通事件检测,识别率达到96.7%,从而验证本文的方法是切实可行的。     

高速公路交通流状态估计方法研究

为了估计高速公路交通流状态,针对中国当前高速公路交通流监测技术和检测数据细度不足的情况,利用高速公路主线断面交通量数据,提出基于出入量法的交通状态估计方法。采集湖南省长益(长沙—益阳)高速公路8个主线交通流检测站实时数据,以5 min为统计间隔,得到5周的交通流量数据;采用出入量法计算各路段区间实时密度,考虑出入口匝道的影响,引入驶入、驶出率β、α修正密度计算方程,绘制流量-密度散点图,得到流量-密度方程。研究结果表明,在中国目前高速公路交通流检测设备安装密度较低、检测数据不完备、检测频率低的情况下,结合采用饱和度和密度两个指标,能较好地对高速公路交通状态进行估计。     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

降雪天气下高速公路交通流状态划分

为了给降雪天气下高速公路交通管理者提供合理、准确的交通状态信息,提出了一种可用于高速公路降雪天气下交通状态划分方法。考虑到高速公路交通状态分类存在模糊性的特点,以速度、密度作为样本数据的特征属性,提出了改进的模糊C均值聚类(FCM)的交通状态分类方法。针对传统算法要求事先确定交通状态划分的数目c存在的缺陷,利用自适应函数求得聚类数c。以乌鲁木齐市机场高速公路为实例进行分析,获得降雪天气下交通流状态的划分结果。     

基于尖点突变理论的高速公路交通流状态判别方法

为准确掌握高速公路交通流的运行状态及变化规律,给驾驶人和高速公路管理者提供科学决策依据,通过分析传统交通流计算模型存在的不足,对现有高速公路交通流状态划分方法和基于尖点突变理论的交通流模型进行改进,并引入混沌状态和突变区间的概念,同时添加大车混入率作为改进后的模型参数,得出不同大车混入率下混沌流状态、自由流状态和非自由流状态下的判别标准。以八车道高速公路标准路段为例,借助VISSIM交通仿真软件模拟车流的实时运行状态及变化过程,计算获得仿真情形下不同交通流状态的判别标准和方法。通过对典型高速公路代表性路段实测数据的统计分析,验证了判别标准和方法的合理性与可行性。研究结果表明:交通流在自由流和非自由流状态之间转变时,存在着一种短暂的突变,呈现出一种混沌流的状态;大车混入率对行车速度和时间占有率影响明显,可以对应获得混沌流、自由流和非自由流状态的判别标准;将仿真所获得的交通流状态界定标准与中、美高速公路服务水平划分标准进行对比,自由流状态处于二级或C级及以上服务水平,而且对自由流服务水平的标准要求更高。该方法对于高速公路运营管理、养护路段划分、安全性评价等具有科学、便捷、实用、可行的实际意义。     

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明：该方法能够识别出三相流理论中的自由流和同步流状态。     

基于SVM的危险交通流状态实时识别模型

交通事故风险与交通流状态存在显著关系,危险的交通流状态易诱发交通事故。为降低交通事故的发生率,保障交通系统的运营安全,通过实时监测道路交通流参数的变化情况,构建支持向量机模型(Support Vector Machine, SVM)对易引发交通事故的危险交通流状态进行识别,及时预判潜在的交通事故。首先选用实际交通事故发生前的交通流状态作为危险交通流状态的判别标准,分析交通流特性,提取24个交通事故前兆特征变量。为提高模型性能,降低其计算复杂度,设计相关性选择算法(Relevance Selection Algorithm, RSA)对24个特征变量进行降维,该算法充分考虑各前兆特征变量与交通流状态类别的相关性以及各前兆特征变量之间的相关性,最终保留4个交通事故前兆特征变量。接着采用改进的网格搜索算法优化支持向量机模型的惩罚参数C和核函数参数γ,参数寻优效率比传统的网格搜索算法提高了98.3%,极大地节省了搜索时间。最后根据所构建的危险交通流状态实时识别模型,以某城市快速路的事故数据为例进行数值计算。结果表明:该模型具有较快的危险交通流状态识别能力和潜在交通事故的预警能力,且识别正确率比经典的K近邻算法提高5%、比BP神经网络算法提高22.3%。该方法能有效地对危险交通流状态进行实时识别,可为交通管理部门制订城市快速路交通事故风险管控方案提供理论依据。     

城市道路冰雪路面交通流状态特性研究

在采集冰雪期北方城市主干路交通流数据基础上,采用多元统计中的因子分析法对冰雪期不同路面状态上的交通流状态进行研究,并对因子得分进行聚类分析,将交通流状态分为三类,根据这三类交通流状态在各种路面状态下出现的频率,再次聚类,得到不同路面状态下关于交通流状态的分类。这一结果为中国北方城市冬季交通诱导系统中交通流状态的识别提供了一定的理论基础和依据。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

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。     

高速公路交通事故预测研究

为判别高速公路交通流状态参数对交通事故的影响,提取了美国I-10号州际高速公路的实时交通流数据和交通事故数据,建立了实时交通流状态下的高速公路交通事故泊松分布预测模型,并对模型中显著变量进行了弹性分析。结果表明:泊松分布模型能够很好地拟合高速公路交通事故;平均交通量、平均占有率、大车比例和速度标准差4个参数显著影响高速公路交通事故,并且与之呈正相关关系;交通量是诱导高速公路交通事故发生最突出的因素,交通量增长1%,可导致交通事故增长7.96%。     

二分K-FCM结合算法在交通运行状态判别中的应用

正确判别交通运行状态是交通运营管理的理论依据。以高速公路交通状态判别为研究对象,综合考虑交通流三参数(流量、速度、占有率)的基础上,应用模糊C均值(FCM)与二分K均值结合算法对交通运行状态进行判别。首先,对交通数据集分布特征及交通运行状态特征进行分析,确定以V05~V85为最小欧氏距离判别的数据范围。其次,为解决算法收敛较慢及任意初始化质心对聚类结果的不良影响,对传统模糊C均值聚类算法进行了改进,将运行二分K均值算法的聚类结果矩阵作为FCM的初始聚类中心。经检验,改进的FCM可以有效减少算法迭代次数,得到的目标路段交通状态判别矩阵能较精准地划分高速公路不同的交通状态。     

粤港澳大湾区主要过江通道交通流特性分析

近年来，交通出行需求迅猛增长，单纯依靠扩大路网建设规模不能有效解决交通供需不平衡、交通拥堵日益严重等问题，所以，如何在现有道路条件下实现高速公路高效运营和管理就成为一个亟待解决的问题。准确掌握高速公路交通状态是对其进行科学管理和决策的关键前提，也是进行路网诱导和交通控制的基本条件，兼具理论价值和实践意义。为揭示交通流参数间的相互关系及其时空演变规律，依托海量工程数据提出一种全面的、可定量评价交通流特性的指标体系和计算方法，并以粤港澳大湾区主要过江通道为例对路段交通流特性进行了深入解析。实证分析表明：高速公路交通流具有相似性、周期性、时段流量分布不均衡等时间特征，且工作日的流量高峰期往往持续时间更长，流量的时间不均衡性更强。高速公路车辆行程速度则具有以日为周期、每日速度时变曲线波形相似、流量高峰期的车流速度波动性强、客车的行程速度普遍高于货车等特点。