基于3DCNN-DNN 的高空视频交通状态预测

为使用高空视频识别和预测道路交通状态，提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法. 将道路切分为D 个路段，每个路段视频片段时长 m s，基于典型3DCNN结构C3D识别路段视频片段交通状态；建立道路? 个历史时段、D 个路段的交通状态矩阵Φ ，将道路交通状态预测问题转化为以Φ 为输入，有限交通状态为输出的分类问题，构建基于DNN的短时交通状态预测模型原型；建立交通视频数据集，对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化，提出有4 隐藏层，各层神经元数量为64/128/128/64，训练批大小为64 的优化模型DNN*.测试结果表明：C3D视频交通态识别平均F1 值为95.71%，DNN*道路交通状态预测准确率为91.18%，比DNN线性分类、KMeans 、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%；C3D能提供准确的交通状态矩阵，3DCNN-DNN可有效识别和预测道路视频交通状态.     

基于SVM的高原川道型城市通勤者出行方式选择研究

为探究典型高原川道型城市(西宁市)的出行者对交通出行方式选择的行为,以大规模的居民出行调查数据为基础,提取个人、家庭社会经济属性及出行特征指标,将包含小汽车出行和出租车出行的私人交通方式与公共交通方式这2项通勤方式选择作为目标变量,并通过显著性检验得出影响出行方式选择的8项决策变量.针对29960次有效出行样本,合理划分出训练样本集和测试样本集.基于此,分别构建支持向量机(SVM)和传统的二项Binary logistic (BL)模型以识别通勤者的出行方式选择,选取3项定量指标分方式的分类预测精度、总体分类预测精度和平均绝对百分比误差以对比不同模型的分类结果.研究结果表明:相比BL模型,SVM对分类数据具有更好的拟合效果,对出行方式选择的预测适用性良好,具体来说,对私人交通方式的预测,SVM的预测准确率比BL模型的预测准确率高出8.08％,公共交通则高出了2.76％;SVM的总体分类准确率比BL模型的预测准确率高出4.82％.     

基于多维时空参数的道路短期交通状态预测

城市道路交通状态会同时受到时间、空间多维因素的影响. 为对城市道路短期交通状态进行比较准确的预测,本文在分析多维时空参数的基础上,构造了基于支持向量机（SVM）的不同维数的道路短期交通状态预测模型,并通过贵阳市中心城区的出租车GPS数据对各种模型的预测精度进行了检验,分析各时空参数对道路交通状态的影响程度. 结果表明, 基于目标路段先前流量数据及下游路段交通状况的SVM模型具有较高的预测精度. 为了进一步分析该模型的性能,将其与线性回归模型和ARMA模型进行了比较,实验结果显示,本文提出的SVM模型具有较好的预测效果,表明该方法是进行道路短期交通状态预测的有效手段.     

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题. 对此,提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证. 结果表明,所提方法在识别精度和速度上具有可行性和有效性.     

基于双射软决策理论的路段拥堵影响力识别

为了刻画路段对整体交通的影响,提出了拥堵影响力指标及其计算方法;建立了基于双射软决策理论和实时路况地图数据的计算框架;以重庆市四公里立交2018年12月931日的百度实时路况地图为样本序列进行了实例研究.结果 表明:拥堵影响力指标可以用来描述城市路段交通状态的重要属性;根据实时路况地图中的离散化交通状态信息,应用双射软决策理论的分析框架能够迅速获取路段拥堵影响力,结果可作为识别路段拥堵严重程度的有力补充.     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

基于SVM的交通事件检测技术

为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM-AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析了SVM中各参数对分类效果的影响.结果表明,SVM中参数对分类效果的影响很大,必须慎重选择;SVM-AID算法对不同...     

基于不同张量算法的交通拥堵识别效果对比分析

基于表征多维动态交通数据的张量数学模型，利用行程时间交通数据，对张量算法中交通拥堵识别效果较好的基于鲁棒主成分分析的张量恢复算法(RSTD)和基于贝叶斯定理的张量恢复算法(BPTF)进行分析，对比两种算法对交通拥堵的识别效果。结果表明，两者在常发性拥堵(早晚高峰)识别上的差距并不大，RSTD算法的偶发性拥堵(意外延误)识别能力强于BPTF算法，且RSTD算法具有更高的识别精度。整体来说RSTD算法的交通拥堵识别效果优于BPTF算法。     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

基于仿真模型的交通疏解方案优化

为降低道路改造过程中对现状交通的影响,研究了基于仿真模型的交通疏解方案.以滨海大道为例,通过现状调查,获取交通数据以及道路情况,在VISSIM软件中建立既有疏解方案仿真模型,输出包括节点的延误、拥堵段排队长度、路段的通行时间与平均速度等交通参数,识别既有交通疏解方案存在的问题,通过对比分析,结合工程实施条件,对交通疏解...     

多方式条件下城市交通分配研究

随着城市综合交通体系的不断发展和完善,城市出行多方式化的特征日益突出.本文在充分考虑城市多方式交通网络结构特性的基础上,构建方式及路径联合选择模型,研究多方式条件下的交通分配方法.首先,基于随机效用最大化理论构建出行方式和路径联合选择的Nested Logit（NL）模型;其次,运用路段实测交通流数据标定道路混合交通流条件下的交通阻抗函数;最后,基于构造的多方式交通网络进行多方式交通分配,分析出行量在网络上的时空分布.结果表明,本文所提出的多方式条件下的交通分配方法,能够有效地描述城市多方式交通网络条件下的出行方式和路径选择行为,以及交通出行在交通网络上的时空分布规律,对于完善城市综合交通体系具有重要意义.     

基于感兴趣区域的CNN-Squeeze交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

区外旅客的"路径-方式"综合分担模型

针对区外旅客的出行特点和各运输方式的适应性，对传统区外交通方式的划分和路径分配模型进行了分析．从区外旅客出行的效应出发，提出了区外旅客分担率的“路径-方式”综合处理方法，建立了区外旅客的“路径-方式”综合分担模型．分析和标定了模型的相关参数及各运输方式的时间、费用评价值．该模型的适用条件是：OD对间各种运输方式的时耗差与市内各点至城市进出口的时耗差相差不太大（约1—3倍）且小汽车已普及并成为主要交通出行工具．最后，用沪杭地区的实例验证了模型的可行性．     

基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

基于置信规则库的驾驶人愤怒情绪识别模型

针对“路怒症”诱发的攻击性驾驶行为影响交通安全问题,提出一种基于生理与脑电特征的驾驶人愤怒情绪识别模型.招募15 名被试在武汉市区开展限时实车试验.由于所选实验线路为交通繁忙路段,被试易被行人横穿马路、车辆加塞等道路事件诱发愤怒情绪.实验中采用愤怒量表记录被试的愤怒等级,以及采用生物反馈仪与脑电记录仪记录被试的生理和脑电信号.将血容量脉冲、皮肤电导、δ 波百分比与β 波百分比这四项生理与脑电指标作为模型输入,建立基于置信规则库的愤怒情绪识别模型.验证结果表明,该模型的识别精度(82.24%)较BP神经网络、SVM分别提高7.15%、5.02%.研究结果可为开发基于生理和脑电信号的驾驶情绪识别设备提供理论支持.     

����Rank Logitģ�ͶԳǼʽ�ͨ�ֵ��ʵļ��㷽���о�

城际交通对城市经济发展有显著作用,同样也是交通规划领域一个重要课题.随着高铁的快速发展,城际交通分担率也随之有相应变化.计算分担率的方法很多,其中Rank Logit模型能够充分利用SP调查中乘客对交通工具选择的排序数据,可以获得比其他非集计模型更高精度的特点.本文采集891份有效SP数据并建立Rank Logit模型,对广州—武汉的城际交通分担率展开研究以验证该模型的优点.模型结果从评价指标、参数实际意义和乘客时间价值等方面对比Rank Logit模型和Multinomial Logit模型,证明RL模型拥有更高的模型精度和可靠性.在此基础上 本文进一步对武广通道上政策性调整进行了6组敏感性分析,为政府进行交通规划、交通运输政策的制订及修改等提供决策依据,也为铁道部、航空公司等运营部门制定策略提供了理论参考.     

����֧���������ij��е�·��ͨ״̬ģʽʶ���о�

城市道路交通状态识别是现代智能交通系统的重要组成部分,是交通智能控制、诱导和协同系统的基础.基于支持向量机建立车流量、平均速度和占有率的三维反映空间,以堵塞流、拥挤流、平稳流和顺畅流为标签对道路交通状态进行分类;并在MATLAB平台下利用LiBSVM工具包进行实验分析,对SVM各种核函数的分类效果进行比较研究,实现了支持向量机技术的交通状态模式识别.结果表明：选择的指标能很好地反映交通状态的特征,SVM核函数可以以较高的分类精度区分开交通流的状态识别,数据的归一化对分类的结果具有重要的影响.     

Simulation of Transfer Organization of Urban Public Transportation Hubs

Transfer organization of public transportation terminals has played a more important role in urban transportation management and planning. The micro-simulation software, VISSIM, is designed to model the pedestrian transfer in the Xizhimen Public Transportation Terminal (Beijing, China) in this paper. Four problems are found in the case study: severe disturbance between pedestrians and traffic flows, long transfer distances, bus waiting time and great traffic flow density. The paper proposes some measures for the solution to the problems, such as increasing the departure frequency of buses, building the crossing-street infrastructure for pedestrians, shortening transfer distances. The simulation result shows that the proposed methods in this paper are valuable in improving the efficiency of the transfer organizations of the Xizhimen Public Transportation Terminal (Beijing, China).     

基于广义出行费用的城市综合交通方式优势出行距离研究

为研究城市综合交通网络结构,帮助决策者合理配置城市交通资源,本文研究了城市综合交通网络中基于广义出行费用的各交通方式优势出行距离概率密度曲线.分析居民出行的广义出行费用(即交通方式的服务水平,包括出行时间和票价等)可以确定城市中常见交通方式出行所需的平均花费水平,从而构建出同一出行网络中不同交通方式优势出行距离的概率密度曲线,对概率密度曲线进行分析和拟合可以得到固定形式的基于广义出行费用的城市综合交通方式优势出行距离概率密度模型.最后,以南京市为例进行实证分析.     

基于时空消耗理论的城市交通结构数学规划优化模型研究

在分析各交通方式出行效率差异性基础上,立足于城市客运系统的基本功能,建立了城市地面上客运交通结构线性规划模型。模型以各种交通方式时空消耗最小化为目标,考虑了城市道路系统要求、出行者要求、城市客运系统要求和交通方式发展规模4个方面约束,最后比较了本文模型与其他文献模型的区别。