基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.      

基于车辆位置与速度特征的驾驶行为模式分类方法

精细车辆轨迹中包含连续的时间戳、位置,以及速度等信息。通过对车辆轨迹数据进行量化表达与挖掘分析,可以实现对车辆行为模式的分类。现有研究大多关注对位置的聚类,很少对车速、加速度等特征进行研究分析,而车速等是反映驾驶行为模式的重要特征。为了将轨迹多维信息纳入分析框架,研究了基于位置与速度特征的车辆轨迹行为模式分类方法。为克服现有行为模式分类方法的维度单一性,运用豪斯多夫轨迹距离算法计算出位置和速度特征的综合距离矩阵,针对豪斯多夫距离算法鲁棒性差的缺点,采用单向豪斯多夫距离90%分位值对算法进行了改进,降低噪声影响。同时,引入了车辆位置和速度来进一步提高分类的准确性,运用多次分层聚类算法依次对位置与速度轨迹图进行分类,得到车辆位置和速度上的行为模式。以HighD数据集为样本,提取了三车道上的行车轨迹,验证了基于速度与位置特征的车辆行为模式分类方法。结果表明：(1)本方法可以得到位置和速度的综合行为模式,聚类平均准确率达到94.8%,优于DBTCAN准确率89.3%和t-Cluster准确率86.4%;(2)基于换道模式轨迹偏移率曲线的分析,得到了4种互异的典型车辆换道模式。该方法可利用多维轨...     

不良天气和路面环境对交通信号配时方案的影响

针对不良天气和路面环境下沿用正常天气交通信号配时方案时信号控制效益下降的问题,从不良天气和路面环境下交通流运行特征入手,分析了因天气和路面环境改变导致的以经典信号控制理论为优化基础的信号配时方案演变情况,采用Vissim软件建立了哈尔滨市嵩山路与淮河路交叉口良好天气与雪天的交通信号控制仿真模型,并进行了案例分析.分析表明:雪天及时调整信号配时方案,与仍采用良好天气情况下的信号配时方案相比,能有效降低车辆在信号交叉口的停车次数和延误,提高交叉口的通行效率.这一分析结果适用于所有不良天气和路面环境下的交通信号优化控制.     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...     

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.     

基于GA模糊聚类的城市快速路交通流状态划分

采用基于遗传算法的模糊聚类划分城市快速路交通流状态,借助模糊相关度函数分析聚类结果的有效性,以寻找交通流状态的最佳分类数。遗传算法的引入,有效改善了传统模糊聚类对初始化敏感以及容易陷入局部最优解的问题。经上海市城市快速路实测数据验证,此算法对交通流状态的划分具有可行性,且聚类有效性分析能够合理确定交通流状态最佳分类数。上述研究成果可用于城市快速路交通信息发布、服务水平评价以及交通设施的控制与管理。     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

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。     

北京市交通信号管理与控制平台设计及应用

在分析现有交通信号系统的特性以及存在问题的基础上,以对现有信号系统进行有效整合、综合利用交通流数据、提高交通信号控制的管理水平为目标,设计了1种集成的交通信号控制平台,并给出了平台在北京市交通信号管理与控制系统中的应用。     

基于数据融合的城市道路交通事件自动检测

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,提出一种基于多源数据融合的城市道路交通事件检测方法。在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车、SCATS、Citilog系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型。该模型可以有效抑制交通信号对于交通流的周期性影响。实验表明,模型在高峰时段和平峰时段均能快速准确检测交通事件。     

基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

基于高斯混合模型的车辆自由流速度分布

基于车辆速度参数是描述交通流运行的最基本参数之一,在交通状态评价与交通安全性分析中具有的重要作用,针对城市道路不同种类车型混合运行的特征,提出采用高斯混合模型来描述自由流状态下的车辆速度分布.结合实测速度数据中的双峰分布特性,将混合车流车型分为大型车与小型车2类,进而建立了2类型的高斯混合模型,并采用期望最大化算法对模型参数进行估计.通过实测数据验证结果表明,模型能够很好的拟合观测速度数据,并能够有效区分不同类型车辆速度,为确定不同类型车辆限速标准、分析不同类型车辆相互影响提供理论依据.     

不良车辆行为图谱及其在匝道区精细化车道管理中的应用

车辆行为图谱能够综合反映交通流中的车辆行为特征及车辆行为的动态变换,便于分析特定场景下的驾驶行为优劣.本文首先分析了城市道路的车辆行为特征,建立了不同交通流模式下的车辆行为图谱,并结合微观车辆行为对宏观交通流的影响方式,得到针对特定道路环境和交通流模式的不良车辆行为图谱.接着分析了不良车辆行为图谱与交通拥堵之间的致因链生成机制及结构,提出截断拥堵致因链的拥堵缓解方案.匝道区车辆的换道行为对交通流有很大的影响,通过对匝道区车辆换道行为图谱的分析,利用合理的车辆换道行为引导方法,建立面向匝道区精细化车道管理的拥堵致因链截断方法.最后利用VISSIM交通仿真平台进行了验证,结果表明:改善匝道区车辆换道行为图谱能够降低或消解不良车辆换道行为引发的匝道区交通拥堵.     

基于样本和特征加权FCM的交通状态识别

利用交通量、速度、占有率等交通参数进行聚类识别道路交通状态,参数样本及特征对聚类结果具有不同的作用。为改进传统FCM聚类假定数据样本及特征同等重要的缺陷,选取交通量、平均速度、空间占有率3个交通参数,划分交通状态为自由流、拥堵流和阻塞流,提出基于样本和特征双加权FCM的交通状态识别方法,采用拉格朗日乘数法动态更新隶属度、样本与特征权值,进一步设计双加权FCM聚类算法。实例分析表明,与传统FCM聚类结果对比,双加权FCM聚类交通状态划分边界更清晰,样本隶属度函数值接近0/1的数量增加7%,计算效率提高1.6倍,交通状态识别结果更符合实际运行状态。     

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...     

基于关键本征模态函数的道路交通信号控制时段划分方法

交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明：(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车...     

高速公路护栏基本防护等级适应性评价方法研究

根据《公路护栏安全性能评价标准》(JTG B05-01—2013)对护栏防护等级的规定,经研究分析,以护栏的防护等级能否与其所在路段的交通负荷相适应作为判断其防护等级是否合理的重要依据。路段基本防护等级适应性评价方法,主要根据交通流特征(车辆类型、车辆质量、运行速度、碰撞角度)参数区间选择,对目前的交通流的护栏基本防护等级进行评价。本文从防护能量的角度建立了基于交通流特征的护栏适应性评价模型并进行了计算机编程开发。     

减振器客户需求层次聚类模型研究

为有效开发产品族,提出基于层次聚类的减振器客户需求分析模型,综合运用定性和定量的方法进行客户需求划分和聚类,确定了产品族设计的功能特征系列型谱和功能特征值系列型谱.用客户需求表示和描述产品,更直观地表达了客户需求与产品模块化规划问的关联,达到用最少的模块和最多的模块组合来满足多样化的客户需求的目的.     

基于深度强化学习的单路口交通信号控制

合理的交通信号灯控制方案能减少交叉口处的排队长度,缓解交通拥堵问题.路口交通流具有非线性、时变性、不确定性等特点,对其建模困难,从而导致无法借助其精确的数学模型来优化交通信号控制方案.本文将深度强化学习方法应用到交通信号控制问题,深度强化学习Agent以减少路口处的排队车辆总数为目标,通过观察交叉口处所有入口车道的状态进行相位控制;使用SUMO仿真平台对本文提出的控制方法进行了仿真实验.实验结果表明,相较于定时控制方法,本文提出的基于深度强化学习的控制方法能显著减少交叉口处的排队车辆数,缓解交通拥堵.