基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

交通事件持续时间预测及参数标定

有效的交通事件管理应基于精确的交通事件持续时间预测。交通事件持续时间包括4个部分:事件发现时间,事件响应时间,事件清除时间和交通恢复时间。提出了基于元胞传输模型的交通事件持续时间预测模型以及参数标定方法。实测数据和仿真数据对比结果表明,基于元胞传输模型的交通事件恢复时间预测方法具有较高的精度。     

城市快速路交通事件持续时间生存分析

提出城市快速路交通事件持续时间生存分析方法.依托上海市中心快速路网的 交通事件数据,将生存分析引入交通事件形成及演化机理分析.其根据大量交通事件样本 的特征属性,采用Kaplan-Meyer 的非参数回归构建基于风险的交通事件持续时间模型, 解析其在五类影响因素作用下的时空分布特性,并采用Cox 回归线性模型综合评价交通 事件持续时间的显著影响因素,分析其作用的强度和方向,提取表征上海市快速路交通 事件运营管理水平的重要特征参数.结果表明：上海市快速路的交通事件持续时间在不同 类别的影响因素下分布特性存在明显差异,日夜、事件类型、涉及车辆数、影响车道数、涉 及货车、所处路段位置、瓶颈处、出动拖车和出动消防车等影响因素对事件持续时间有显 著影响.     

基于分类数据样本的交通事件检测

针对当前智能交通方向研究的热点—交通事件检测算法不能达到很好的检测效果提出了将交通数据分成3类,分别是入口处数据、出口处数据和直行路段数据。在进行检测时根据需要检测数据的位置调用相对应的数据库,从而避免了交叉路口数据与直行路段数据之间的干扰,从而提高了事件检测率和降低了事件误报率,而检测时间并没有明显变动。应用朴素贝叶斯算法验证了这种方法是有效的。     

基于多变量决策树交通事件持续时间预测模型

基于粗集理论和决策树方法,建立了交通事件持续时间的多变量决策树预测模型。通过分析交通事件的属性特点,运用粗集理论中的属性约简方法,确定了交通事件的核心属性;运用等价关系相对泛化原理构造了多变量组合检验,并根据变量依赖度确定了最优变量组合;以多变量组合判据代替单变量判据建立了决策树模型,利用决策树高度和节点样本数对树的规模进行控制,优化了决策树结构。实例应用表明,该模型对交通事件持续时间的分类和预测能力较强,预测精度较高。     

交通事件检测算法研究进展

自动事件检测系统利用检测算法来分析交通数据和快速检测事件的发生，以便于尽量减少事件所造成的不利影响．自20世纪60年代以来。人们开发了各种各样的公路交通事件检测算法，如：基于交通流理论、模式识别、统计理论和近年来发展起来的人工智能与模糊逻辑的检测算法等．文中总结评述了现有的各类算法。指出了改善算法性能的研究方向．     

基于贝叶斯网的城市轨道交通乘客满意度评价

以城市轨道交通运营系统为研究对象,从乘客满意度出发,建立城市轨道交通服务乘客满意度指数模型,并确定城市轨道交通服务乘客满意度评价指标体系结构,建立城市轨道交通乘客满意度评价贝叶斯网络模型,并确定贝叶斯网络中各节点的条件概率。最后以重庆市轨道交通服务为例,通过实例计算分析,得出重庆轨道交通服务的几点改善措施。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

高速公路交通事件发生概率的短期预测

通过分析由两个相邻的交通检测器观检测得到的实时交通流数据,建立一个可以估计交通事件发生概率的模型。该模型表明,交通事件发生的概率与稳定交通流中上游交通流密度所占的比例和上游、下游交通流的速度差这两个因素具有较大的相关性。该模型只需要利用基本的交通数据便可估算交通事件的发生概率,在高速公路的管理中有较大的应用价值。     

��ͨ�¹ʳ���ʱ���������

对交通事故持续时间分析的发展现状进行了综述．首先简要介绍了交通事故的定义，事故种类和交通事故管理系统，并分析了交通事故持续时间的统计分布．然后，对最近应用的几种主要的交通事故持续时间的分析方法及结论进行了概述．主要包括：方差分析，线性回归，非参数回归，决策树法，hazard duration method，模糊逻辑．主要的结论包括；大量的研究发现交通事故持续时间的分布形状是向左偏斜的钟型分布．交通事故数据采集标准化是事故分析中非常重要的环节．传统的统计分析方法处理不完整的数据有局限性．最后，本文提出了将来的发展方向，包括应用人工智能方法建立事故持续时间模型，及建立交通事故数据库标准．     

基于贝叶斯网络多方法组合的短时交通流量预测

贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型. 首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值. 通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性.     

一种路网交通流参数的融合预测方法

提出了数据驱动与中观交通仿真融合的交通流预测框架.该框架将数据驱动 方法在路网局部断面和路段的高精度预测能力与中观交通仿真的路网范围预测能力结 合起来,通过可信度高的路网局部断面和路段预测值,在线修正中观交通仿真模型的参 数,使得中观交通仿真模型能够逼近、反映交通流运动趋势,提高路网范围交通状态预测 精度.通过结合路段旅行时间预测与中观交通仿真的实例分析证明,断面和路段预测和中 观交通仿真结合发挥了两者各自的优势,预测结果优于单一的中观交通仿真方法.     

公路网交通突发事件态势要素综合检测技术分析

以交通突发事件态势要素获取的需求分析为基础,以交通事件直接检测和间接检测的基本原理为依据,提出基于交通传感器的事件态势要素综合检测方法,可为基于物联网技术的公路网交通突发事件态势信息获取技术研究提供参考.