宏观基本图稳定性评价方法及在子区划分的应用

提出宏观基本图稳定性的评价方法及指标,对MFD进行了特征分析,定义三个特征参数:路网运行最大加权平均交通量、路网运行临界加权平均交通量、路网运行临界运行车辆数;通过特征分析提出基于MFD的交通状态划分方法,划分为顺畅、临界、拥堵等三种交通状态;着重讨论临界状态的交通特征,提出利用临界状态的路网加权平均交通量作为路网交通运行离散度来评价MFD的稳定性。在子区划分的应用中,通过考察不同子区数量下的全路网交通运行离散度,得到最优的路网路网子区数量及相应的划分方案。最后,在微观交通仿真平台上,通过对现实路网的交通运行历史数据进行模拟,在广州市海珠区江南片区给出实例分析。把路网总长度为约25 km,覆盖范围约4 km2的路网划分为两个子区,为交通管理决策提供支持。     

基于代价敏感神经网络的交通状态判别

交通流不同状态在实际中出现的频率存在很大差异,且不同交通状态之间的误判所造成的影响程度是不同的。因此,可以认为交通状态判别是一个类不平衡及代价敏感的分类问题。本文通过分析交通状态的类不平衡特性,结合了少数类样本合成的过采样技术和阈值移动方法,在给定的代价敏感矩阵引导下,对训练样本集进行过采样和对神经网络输出值进行阈值移动,并得到最终的判别结果。通过对广深高速公路上采集的数据进行测试,实验结果表明,所提出算法可以有效降低拥堵和缓慢状态的误判率。     

考虑降雨影响的城市交通流车速多层线性模型研究

应用多层线性模型研究了降雨强度对城市道路交通流平均行驶车速的影响.研究资料包括道路特征数据(25个路段)、广州市城市道路交通流平均行驶车速数据(有效车速样本量超过160万)和降雨量数据(样本量93 462).采集时间从2011年6月至2012年4月一共330 d.基于以上大规模数据,应用多层线性模型(HLM),建立了一个降雨条件下道路交通流车速的短时动态预测模型.结果表明:交通流信息存在嵌套、分层的数据结构,相较于传统交通流研究方法,多层线性模型对交通流影响因素的研究将更为合理;降雨对车速的影响具有普遍的空间变异性,这是因为每个路段具有不同的物理特征;交通流的影响因素之间存在着显著的跨层交互效应,这与传统理论对交通流的认识不同;本文提出的降雨条件下交通流车速的短时动态预测模型具有路段适用性广的突出优点,这与大多数传统交通流模型适用范围较为狭窄的特点较为不同.