自动化公路货物运输量统计方法

为了提高中国公路货运统计的真实性和统计效率，利用自动化交调、轴载检测、高速公路计费、联网联控货车以及国家道路货运量专项调查等数据，提出2种自动化公路货运量统计方法。2种方法均采用浮动检测数据与固定检测数据融合的原理，使用浮动车数据获得运输特征，分别使用高速计费数据及自动化交调数据获得运输规模。通过设备检测数据与人工调查数据的嵌套计算，解决分层统计中行业浮动车代表性不足的问题。通过数据的一致性分析，解决不同类型数据车型划分标准不同给数据融合带来的口径不一致问题。与传统方法相比，统计方式由人工统计转变为自动化统计；统计对象由营运性货车扩展为全社会货车；统计口径由按车籍地统计转变为按运输发生地统计；统计周期由月缩短为日。此外，实现了可按车辆类型、道路类型、运输成分及公路线路的精细化统计。以辽宁省路网和G102国道为例，给出区域公路网和公路线路的货运量统计结果。最后，以高速公路为统计对象，与计费数据获得的货运量对比，验证基于交调数据统计方法的准确性。结果显示，交调融合法的货运量统计误差为11.5%。对比2种方法，交调融合法具有更广泛的适用性和更高的灵活性，为中国公路运输统计现代化发展提供了技术方法，同时探索了利用设备检测数据和人工调查数据嵌套分析解决工程问题的方法。     

基于轨迹数据的货车自发编队节油潜力估计

为探索最大编队长度和路网中行驶货车数目对自发编队的影响以及评估真实世界自发编队油耗节省潜力，提出了既可保证一定程度的搜索又能防止为过分追求更大编队长度而花费较长时间等待的动态时空搜索范围策略，利用辽宁省货车轨迹数据挖掘了多辆货车的最长公共子序列，并构建整数规划模型求解，获取最大节省油耗下的编队方案。结果显示：编队油耗节省会随着路网中行驶货车数目和最大编队长度的增加而增加，编队中车辆平均行驶距离和平均节省油耗最终分别收敛至一范围；编队行驶距离并不一定会随着允许最大编队长度的增加而增加，即自发编队最大油耗节省策略并非编队最大行驶距离策略；在不考虑时间搜索范围时，通过继续增大空间搜索范围可实现更多的燃油节省，但不考虑空间搜索范围时持续增加时间搜索范围却不能获得更多燃油节省；4000辆车的数据集进行自发编队时每天最多可节省燃油2026.21 L，最大允许编队长度为5辆比最大允许编队长度为2辆的车辆平均节省油耗最多可提升13.92%。将本文整套处理流程应用于更大规模的货车数据集，可组成自发编队的目标车辆将会显著增加，相应地也可减少更多的能源消耗和污染物的排放，具有很大的应用潜力。