基于交通大数据的移动模式分析综述

交通大数据可为揭示交通主体显性出行行为背后的深层规律(即移动模式)提供重要基础.精确掌握大数据驱动下交通主体的移动模式,可为需求预测、客流组织、土地利用、事件管理等应用提供理论依据.交通大数据主体繁多、时空多态、关联性复杂的特性迫使小数据时代下的移动模式分析方法转型和升级,但仍可能遇到移动模式一致性表达难、异常类型检测...     

VMS下驾驶员路径选择行为分析与建模

为了实现交通流在路网中的合理分配,可变信息板(VMS)通过发布动态交通信息来引导驾驶员选择最合理路径.通过构造基于陈述偏好调查(SP调查)的诱导信息下驾驶员路径选择行为的有序多分类Logit模型,分析各因素对驾驶员路径选择行为的影响.分析结果表明,年龄、出行距离、可选路径、VMS信任度、改变路径频率对驾驶员路径选择行为的影响较大.在驾驶员个人属性中,年龄对驾驶员的路径选择行为影响最大;在出行属性中,驾驶员对出行距离和可选路径最为敏感;在对VMS的认知和服从属性中,驾驶员对VMS信任度越高,按照VMS诱导信息改变出行路径的概率越大;改变路径频率越高的驾驶员,越易改变出行路径.     

地铁站人员疏散路径选择行为分析及Logit建模

掌握地铁站的密集人群在应急疏散过程中的路径选择行为规律,对于紧急情况下保障地铁站人群安全具有重要意义.但现有针对疏散路径选择行为的研究多局限于主观分析与优化算法设计,尚缺乏结合实测数据的客观机理和建模研究.为此,基于地铁站疏散演习数据,重点针对疏散路径中的3个路径选择决策点,提取了这3个位置每个可选路径方向上的人流量、疏散引导信息、人员行为以及每条路径的属性数据,分析了有引导和无引导情况下的人员疏散路径选择行为规律.发现疏散人员在选择路径时具有跟随性,且更倾向于选择人流量大的路径.在本次演习中,3个有疏散引导的方向上,疏散人员对引导的服从率分别为47.25%,51.35% 和84.97%,表明了疏散引导人员的关键作用;基于疏散演习数据,构建了包含6个影响因素的人员疏散路径选择行为的Logit模型,并对每个路径选择决策点分别进行了模型参数逻辑回归求解,结果表明,模型都能够通过卡方检验,整体预测正确率分别为76.1%,86.2% 和91.2%.模型可直接计算得到在该疏散演习条件下,3个路径选择决策点处每个疏散人员根据实时情况作出判断后选择每条路径的概率.对于微观人群疏散模拟来说,该方法对预测真实情况下人员路径选择和疏散时间具有明显的价值.     

RFID数据驱动下出行路径选择方法研究

精准掌握车辆的出行特征是有效解决交通拥堵的重要前提之一.文中针对现有出行路径选择方法受模型局限性影响,无法深入挖掘出行者的出行特征来研究出行行为的问题,结合R F ID数据可靠度高、完整性强及准确性大的优势,构建车辆出行特征指标体系,基于高斯隐马尔可夫混合模型对车辆出行特征进行建模研究,提出通过结构方程模型表征路径级阻...     

基于Vague集的公交出行路径选择方法

介绍了Vague集的基本概念、记分函数和Vague集多准则评价模糊决策问题,并将Vague集决策理论应用于公交路径选择问题中.分析了影响路径选择的基本因素,给出了包括时间、总费用和舒适度等的公交路径选择指标体系,考虑了每个指标的正、负2个方面的影响因素,提出了各路径的Vague集表示方法,为公交出行路径选择的研究提供了新的思路.最后通过一个实例说明了该方法的有效性,同时对其中的参数进行了灵敏度分析.     

交通信息对驾驶员路径选择行为影响的初步分析

本文以解析交通信息对驾驶员路径选择行为的影响为目的，研究总吉出描述性信息在运用中的特征，初步建立起提供放行时间信息条件下驾驶员的路径选择模型。     

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响,建立一种动态路径选择模型。将不同类型的出行者对路段（路径）运行时间的预测看作不同的随机过程,通过对出行路径上节点的到达时间取期望值,利用一阶近似表达式,研究交通信息对出行者的出行路径选择行为的影响。     

上海浦东国际机场集疏运交通方式选择行为分析

针对上海浦东机场航空旅客,进行机场集疏运交通方式选择行为研究,通过浦东机场航空旅客的SP调查数据,分析了集疏运系统服务水平对航空旅客交通方式选择行为的影响,在按照出行目的、居住地情况和携带大件行李3个要素对航空旅客进行市场细分的情况下,建立了分类的机场集疏运交通方式选择行为的多元Logit模型,对影响机场交通方式选择的...     

大数据环境下营运车辆驾驶行为特征分析

通过大规模采集营运车辆驾驶行为信息,并对其驾驶行为特征进行定性、定量分析是有效遏制交通事故的前提.对采集的营运车辆驾驶行为数据进行预处理,包括清洗、筛选、分段等,提高了数据的质量.利用经纬度坐标转换后计算出的车辆行驶速度与车载速度加权的车速进行分析;并运用DBSCAN聚类和 Spearman秩相关方法对不同车辆、不同时间段及不同天气状况下速度和加速度进行聚类和讨论相关系数,提取驾驶行为特征.结果表明,驾驶员夜晚比白天行车速度波动大,需加强夜晚行车的安全监控,且聚类方法可用于判定车辆驾驶的稳定性程度,有助于道路交通中心对车辆安全状态的判断和避免交通事故发生;对于经验丰富的营运车辆驾驶员,天气对驾驶的影响相对较弱.     

基于模糊优先关系的路径选择模型

模糊现象客观地存在于路径选择过程,本文考虑到路径之间的模糊优先关系,在模糊用户均衡条件的假设下,提出了一种新的路径选择模型。首先采用均值面积度量法度量路径的感知阻抗找到具有最小感知阻抗的路径,并通过优势检测产生出行者备选路径集合;然后在构造模糊优先关系矩阵的基础上计算备选路径的优先度,由此得到路径被选择的可能性。该模型可看作是Logit模型的一般化,并且在路径感知阻抗难以用模糊变量描述的情况下,仍能通过两两比较路径的优先关系计算各条路径被选择的可能性。     

一种基于路段惩罚法的合理路径集生成算法

为了给路径选择模型提供合理的路径集输入,使路径集能够包含更多驾驶员实际选择的路径,提出了一种基于路段惩罚法的路径集生成算法.根据发生拥堵的频率定义路段的拥堵指数,然后根据拥堵指数确定新算法的惩罚规则:在上一次计算的最优路径中需要增加阻抗的路段,是拥堵指数较大路段,而不是原始算法提出的所有路段.通过定义合理的指标评价路径集生成算法的有效性,根据实测的驾驶员出行路径数据评价改进的路段惩罚算法、原始的路段惩罚法以及应用较广泛的随机分类组合法.结果表明,在几种算法中本文提出算法生成的路径与实测路径完全一致的比例最大.     

多种Logit路径选择模型对多层次交通网络的性能影响

研究了多种Logit路径选择模型应用于多层次交通网络时对网络性能的影响.依据网络层次特征定义了广义路径费用;选取4种典型的Logit模型——单层的多项式Logit (MNL),C-Logit (CL),Path-Size Logit (PSL)以及双层的交叉巢式Logit (CNL)模型,对它们分别构建了适用于多层次网络的等价数学规划模型(MP);对不同层次结构和分散参数取值,利用VC++编程求解4个等价数学规划模型,并计算了系统最优的流量分配.分析表明:3种OD需求下的所有Logit模型所得网络总行程时间费用(NrrC)都高于通过系统最优分配得到的NTTC;利用考虑重叠的CL、PSL、CNL模型所得NTTC皆大于不考虑重叠的MNL模型,且构造越复杂的Logit模型所得NTTC越高;对各个Logit模型而言,层次性交通网络的NTTC要小于没有层次性的情况且层次越高时NTTC越小.     

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.     

大数据背景下的桥梁结构健康监测研究现状与展望

结构健康监测（SHM）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中，首先总结大数据的概念和构成要素；然后分析SHM数据的工业大数据属性，梳理桥梁SHM大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景；最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明：SHM大数据研究应以结构状态评估为落脚点；大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非SHM大数据研究的重点；SHM数据融合对大数据分析方法有迫切需求，以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合；深度学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。     

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

出行方式决策的随机效用模型研究

基于随机效用理论的多项logit(MNL)模型常用来解决多方案选择问题。介绍了该模型进行个体出行模式决策分析的方法,建立了线性效用函数假设条件下,个体出行模式选择概率与模式特性变量之间的近似线性关系。最后通过一个两模式决策分析的简例说明该模型的用法及灵敏度分析方法。