应急车辆延误情况调查及应对措施研究

因交通拥堵而造成的应急车辆救援延误导致悲剧事件频发。为了解应急车辆救援延误的情况并研究应对措施,以普通机动车驾驶者为对象进行问卷调查,针对驾驶者对应急车辆的认识和对应急车道的占用情况,驾驶者在驾驶过程中对应急车辆是否避让,以及避让方法进行调查。然后利用SPSS数据统计软件筛选出对驾驶者驾驶行为影响权重较大的特征变量,并基于Logistic模型建立了驾驶者特征与占用应急车道和避让应急车辆行为的模型。在此基础上提出相应的应对方案,利用Vissim仿真软件对解决方案进行仿真。结果显示:对有一定驾驶年龄并有本科以上学历的青壮年的驾驶行为对应急车辆延误有较大影响,且正确的避让方法能明显地减少应急车辆的行程时间。      

基于拓扑判断的海量GPS数据延时地图匹配算法

由于浮动车数据采集中存在GPS数据周期过长、拓扑关联性较差、数据量大的特点,传统的车载端地图匹配算法难以直接应用,针对车辆无法初次匹配的情况,设计了一种可根据路网拓扑关联性进行判断的延时地图匹配算法.实际数据验证表明,该算法在保证数据完整性和有效性的基础上,可以实时、准确地进行地图匹配,尤其是车辆位于复杂交叉口及高架桥附近区域时车辆真实行驶道路的确定.      

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。      

低频GPS数据和交叉口延误下的行程时间估计

为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.      

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象，在考虑降雨数据的基础上，设计一个基于非最小路段的行程时间计算方法，建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后，以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明，加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析，发现在满足数据精度的前提下，本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

考虑个性化出行需求的多模式公交路径规划

在多模式公交出行中,传统的路径规划方案已无法满足出行者日益增长的出行需求. 为提供基于出行者多种出行需求的个性化路径规划方案,通过IC卡刷卡数据模拟公交时刻表,建立基于模拟时刻表的多模式公交路网模型;采用动态阈值化法建立个性化出行需求评价值模型;设计深度优先搜索-遗传算法（depth first search-genetic algorithm,GA-DFS）,并基于此组合算法提出初始种群产生策略和两点变异方法;最后,假设了3种不同出行需求的出行场景,将某市区的多模式公交路网数据应用于模型和求解算法中,并与使用较广的模拟退火-遗传算法（simulated annealing-genetic algorithm,GA-SA）进行对比分析. 仿真结果表明:所提出的算法与模拟退火-遗传算法相比,平均迭代次数减少了42%,寻优能力提高了50%,并且可以提供基于乘客多种出行需求的路径规划方案.