交通流量数据缺失值的插补方法

交通流量的时空数据挖掘需要完整的数据，因此必须处理交通流量数据中的缺失值。章叙述了数据的缺失方式和常用的插补方法，根据交通流量数据时间上的周期性和空间上的相关性，采用平均值方法、最大期望法和数据增量法等确定性和随机性方法插补缺失数据，分析了这些方法的优缺点．并对插补结果进行比较。提出了交通缺失值插补的研究方向。     

基于时空特征的干线协调控制子区划分方法

为应对干线交通流的时变性和空间分布差异性给干线协调控制带来的影响,本文提出了基于交通流时空特征的干线协调控制子区划分方法。首先利用交通流时间相关系数和空间相关系数分析交通流的时空特征,根据交通流的时间特征改进时段划分方法;引入相邻交叉口关联系数和不停车通过路口车辆数作为子区划分指标,在时段划分的结果上进行子区划分,以交通流的空间特征改进合并指数法,实现子区划分方案的更新。最后,以玉林市民主路为例验证该方法,结果显示,干线系统的总延误、车均停车延误时间、车均停车次数分别降低了19.5%、23.4%、16.7%,该方法比传统交通控制时段划分方法更能适应交通流的时空变化趋势,显著提高干线交通流的运行效率。     

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

考虑动态空间关系的短时交通流预测方法

为有效提取交通流的时空特征,提升交通流的预测精度,研究了基于动态时空图卷积网络的短时交通流预测模型（DySTGCN）。DySTGCN不仅实现了对交通流时空维度的信息建模,而且考虑了时间维度信息对空间维度信息的影响,创新性提出了基于时间信息的空间拓扑结构——时变空间图（spatial topology graph,TSG）,并设计出了1种能够高效、简便地计算时变空间图的深层网络结构。该结构通过编码、解码方式提取不同节点的交通流数据的相关性特征并实现降噪处理。时变空间图反映了交通网络的实时空间特征,基于交通网络中节点空间位置的稳定空间图（stable spatial graph,SG）反映了交通网络的稳定空间特征。TSG与SG在图卷积过程中共同指导交通流预测,更加准确地刻画了交通流的时空特性,以提高预测精度。为测试模型的预测效果,在2个权威公开数据集上进行实验,结果表明：DySTGCN学习到的时变空间图可以较为准确地反映出不同节点的交通流之间的相关性,在平均绝对误差、均方根误差,以及加权平均绝对百分比误差指标上,比其他时空图卷积网络模型如STGCN、ASTGCN等降低了近13.40%、10...     

道路交通流数据检验与修复方法

交通流数据常见问题分为数据缺失、数据无效和数据时间点3类，针对这些问题，提出了一种交通流数据检验与修复方法。以北京市交通流数据为例，应用这一方法进行了分析与验证。结果表明该方法具有很好的实际应用效果。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性，为数据的管理和应用提供了可靠的数据基础.     

考虑数据缺失的高速公路交通参数计算方法

为提高数据异常状态下的高速公路交通参数计算的精确度，提出了基于数据融合的交通参数计算方法，首先结合收费站数据对门架数据所缺失的行车记录进行填充，再根据每辆车的平均行程速度，利用两阶段的聚类算法剔除驶入服务区和行驶异常的车辆，最后计算各个路段的路段流量和路段平均行程速度，对缺失的交通参数利用融合时间特征的KNN算法进行填充。选取3 d 15个门架的行车数据作为实验数据。结果表明，门架数据行程记录缺失较大，平均缺失率为46.95%,其中门架数据记录最大缺失率为56.25%,最小缺失率为31.73%,并且速度较快的小客车相较于速度较慢的中大型货车的行车记录更容易缺失。两阶段的聚类算法可以有效地识别并剔除驶入服务区和行驶异常的车辆。在填充连续复杂缺失场景下的交通流时空数据集方面，KNN算法相较于最大似然估计、决策树、链式方程多重填补方法在RMSE指标上分别下降24.90、15.88、5.81,添加时间特征以后RMSE在原始KNN基础上下降3.03,证明了融合时间特征的KNN算法在填充连续复杂缺失的交通流场景下的可行性和有效性。数据异常情景下的交通流缺失值填充以及交通参数计算方法为管理部门在高速...     

检测数据缺失条件下的交通流估计方法研究

城市路网中部分交通量检测器失效会导致路段的交通流观测数据缺失,从而影响路段实时交通拥堵状况的辨识和分析.基于路网交通流数据的时空分布特性和道路交通流特征,研究了一种改进重构算法,对缺失的交通量数据进行估计.构建了交通量时空数据的三维张量模型;综合考虑道路交通流分布与环境特性,提出了基于T ucker重构模型的目标优化函数,进而求解得到检测器失效路段的交通量估计值;对改进重构算法、T ucker重构算法和时空插值算法在不同交通量数据缺失情况下的估计效果进行了比较.实验结果表明,在6条路段组成的实验路网中,早高峰交叉口进口道实时观测交通量随机缺失50% 或其中3条道路完全缺失的情况下,估计结果的平均绝对误差(MA E)分别为13.9614和14.2763,均方根误差(RMSE)分别为18.7648和18.7070.相较于Tucker重构算法,MA E分别下降了32.29% 和44.26%,RMSE分别下降了31.73% 和48.57%.      

一种修复交通流异常数据的改进KNN算法

现场采集的交通流数据经常出现错误与缺失等异常现象。为有效修复交通流异常数据,文中提出一种改进的KNN算法——相关系数-调幅权重法。该算法采用每天采集的所有数据构造固定长度状态向量,以适应异常数据随机分布的特点;采用相关系数筛选近邻指标,以满足近邻须为相似交通流的要求;采用相关系数和调幅系数对传统距离倒数权重进行修正,以克服相关系数过小和近邻距离过远带来的不利影响。基于实测交通流数据进行蒙特卡洛分析,结果表明该算法具有良好的数据修复能力,能适应近邻相关系数与欧式距离严重背离的情况。     

双车道高速公路追尾事故实时预测模型

现有的高速公路实时事故预测模型对高速公路信息化采集设备的布设密度和采集的数据粒度要求很高,在低信息化的高速公路管理工作上难以得到应用.结合国内高速公路信息化现状,使用单个检测器所采集的数据,对高速公路追尾事故实时风险进行研究.基于江苏省扬州市启扬高速公路上布设的超声波交通流检测器所采集的交通流数据,采用配对案例对照方法和二元逻辑回归,建立了双车道高速公路追尾事故实时预测模型.对事故前5~20 min的交通流数据分别构建流量时空矩阵、速度时空矩阵、平均车头间距时空矩阵,通过引入矩阵特征值简化建模过程并避免了指标间的相关性过高问题.模型总体精度85.7%,事故预测精度33.3%,误报率低于2%,相比已有模型总体预测精度较高,误报率较低,表明了该方法应用于追尾事故实时预测领域的可行性和有效性.      

基于多车道加权融合的短时交通流预测研究

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法.用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性.基于此,构建一种能够学习...     

Estimating Missing Traffic Volume Using Low Multilinear Rank Tensor Completion

Traffic volume data have been collected and used for various purposes in some aspects of intelligent transportation systems (ITS) applications. However, the unavoidable detector malfunction can cause data to be missing. It is often necessary to develop an effective approach to recover the missing data. In most previous methods, temporal correlation is explored to reconstruct missing traffic volume. In this article, a new missing traffic volume estimation approach based on tensor completion is proposed by exploring traffic spatial–temporal information. The tensor model is utilized to represent traffic volume, which allows for exploring the multicorrelation of traffic volume in spatial and temporal information simultaneously. In order to estimate the missing traffic volume represented by the tensor model, a novel tensor completion algorithm, called low multilinear rank tensor completion, is proposed to reconstruct the missing entries. The proposed approach is evaluated on the PeMS database. Experimental results demonstrate that the proposed method is more effective than the state-of-art methods, especially when the ratio of missing data is high.     

A Comparative Study of Three Multivariate Short-Term Freeway Traffic Flow Forecasting Methods With Missing Data

Short-term traffic flow forecasting is a critical function in advanced traffic management systems (ATMS) and advanced traveler information systems (ATIS). Accurate forecasting results are useful to indicate future traffic conditions and assist traffic managers in seeking solutions to congestion problems on urban freeways and surface streets. There is new research interest in short-term traffic flow forecasting due to recent developments in intelligent transportation systems (ITS) technologies. Previous research involves technologies in multiple areas, and a significant number of forecasting methods exist in the literature. However, most studies used univariate forecasting methods, and they have limited forecasting abilities when part of the data is missing or erroneous. While the historical average (HA) method is often applied to deal with this issue, the forecasting accuracy cannot be guaranteed. This article makes use of the spatial relationship of traffic flow at nearby locations and builds up two multivariate forecasting approaches: the vector autoregression (VAR) and the general regression neural network (GRNN) based forecasting models. Traffic data collected from U.S. Highway 290 in Houston, TX, were used to test the model performance. Comparison of performances of the three models (HA, VAR, and GRNN) in different missing ratios and forecasting time intervals indicates that the accuracy of the VAR model is more sensitive to the missing ratio, while on average the GRNN model gives more robust and accurate forecasting with missing data, particularly when the missing data ratio is high.     

基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段,其交通流数据难以获取,不利于开展精准路网管理,为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法.基于有检测器路段的海量交通流数据,分析局部路网空间结构特征与路段交通流量之间的相关性;根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重,并...     

考虑连锁冲突的城市公交车行车风险量化分析方法

为了量化城市公交车给区域混合交通带来的安全风险，通过提取交通冲突数据并识别连锁冲突，研究了公交车行车风险的量化分析方法。在数据采集上，采用了航拍图像并基于YOLOv4网络学习航拍目标的外观特征，检测并跟踪航拍车辆，从而提取带精细属性的车辆轨迹数据。在冲突识别上，将不同车道上可能发生横向碰撞的车辆对之间的相对位置作为约束条件，在跟驰模型的基础上补充了匹配相邻车道上车辆对的动态关系，从而将经典碰撞时间(TTC)模型扩展至可同时识别侧向冲突的二维TTC模型；基于车辆刺激-反应理论标定每个冲突车辆对区域交通造成连续干扰的时空范围，根据干扰范围的动态变化建立冲突间的作用关系并形成时序性的冲突树模型，从而识别连锁冲突并追溯连续风险形成的因果过程。在风险研究上，从3个方面量化不同状态下城市公交车的行车风险:①基于二维TTC模型解析冲突频率；②在此基础上结合累积频率法解析冲突严重性；③通过连锁冲突比例及冲突树长度解析冲突聚集的概率和范围大小。采集广州大桥路段航拍视频进行实验研究，结果表明:城市公交车在拥堵常发路段不仅冲突风险高，且带有较高的冲突严重性和区域聚集性；拥堵流中公交车的冲突频率超过9次(/ veh·min)；公交车的严重冲突率为33.39%，远远高于小汽车的16.61%；公交车的区域连锁冲突发生率为30.75%，达到了小汽车(14.67%)的2倍。      

基于数据挖掘的固定型交通检测器配置优化

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

一种基于周相似特性的实时交通量预测模型

针对城市道路交通流量的周相似特性,对实时采集的流量与历史流量进行对比分析,利用均方根误差法确定权重,采用指数平滑方法对权重进行修正,提出一种实时交通量预测模型,并给出利用该模型预测的实例。利用最小二乘法对该预测进行了改进,进一步扩大和提高了模型的应用范围和实用性。     

基于多源数据的公交专用道效能评价方法与影响模型

施画公交专用道是落实公交优先策略、改善公交服务质量,提升交通系统效率的重要策略.近年来,如何提高公交专用道设置的科学性、提升服务效能受到广泛关注.为科学定量评价公交专用道设置的正、负效能,建立基于多维运行影响的公交专用道效能评价指标体系,提出基于主观层次分析法和客观离差最大化法相结合的组合评价方法,实现对公交专用道效能...