基于有向图卷积与门控循环单元的短时交通流预测方法

为了充分挖掘快速路交通流时空特性,解决当前城市快速路交通流预测存在交通流时空特性挖掘不充分等问题,进一步提高城市快速路短时交通流的预测精度与效率,研究了基于有向图卷积神经网络和门控循环单元的组合模型（directed graph convolution network-gate recurrent unit,DGC-GRU）的城市快速路短时交通流预测方法。该方法提出空间相关性矩阵并将其引入图卷积神经网络中,构建有向图卷积神经网络用于表征交通流的有向性和流动性。将交通流参数输入有向图卷积神经网络后得到有向图卷积算子,并将有向图卷积算子引入门控循环单元,通过有向图卷积神经网络捕捉交通流的空间特性,通过门控循环单元捕捉交通流的时间特性,输出快速路交通流预测结果。选取西雅图环形快速路感应器检测数据进行实例分析,对比模型预测效果。结果表明：在数据集与参数设置均相同的情况下,DGC-GRU交通流预测模型的训练收敛速度更快,且平均绝对误差（mean absolute error,MAE）和平均绝对百分比误差（mean absolute percentage error,MAPE）均优于对比模型,与传...     

基于中观模型的福州快速路动态交通仿真研究

分析了经典交通流模型的特点与适用性;以福州市快速路及主干道为对象构建仿真路网模型,引入中观交通流模型,利用仿真软件DynuStudio对路网进行交通分区、OD交通量估计、交通流模型主要参数标定,对快速路进行动态交通分配仿真分析。结果表明,福州市三环快速路交通服务水平稳定且通畅,但二环快速路情况复杂,高峰时段拥堵严重,与现实情况基本一致。     

面向常发拥堵点的主动交通诱导方法

基于动态用户均衡、系统最优分配的诱导方法,侧重路网需求的宏观预测和调节,难以准确辨识道路拥堵点的关联车流,制约了诱导效果。为精准调控致堵车流,有效缓解常发性拥堵,研究基于需求溯源的主动交通诱导方法。遵循靶向诱导的思路,分析车辆行驶轨迹和常发拥堵点的交通流关联性,运用卡尔曼滤波对关联车流进行短时预测,在此基础上,结合流量占比、路径饱和度等指标,对诱导目标车流进行优选。同时,从负荷均衡的角度出发,基于路段与路径交通流的时空关联更新路网交通状态,建立以饱和度均衡为目标的主动诱导优化模型。仿真结果表明:相比反应型诱导与基于路径偏好的主动型诱导,所提方法使常发拥堵点的车均延误、停车次数等下降30%~60%,路网车均延误、停车次数等下降10%~15%,模型收敛速度提高,交通效益提升,验证了该方法的有效性。      

基于速度性能指标的雨天环境对北京快速路网影响研究

降雨作为一种常见的气象条件,对城市路网的交通状态有着直接的影响.为避免不同道路交通状态速度评价标准的不统一,基于道路的最高限速,提出了速度性能指标,进而建立了衡量路段和路网拥堵状态的路段和路网拥堵指标,量化了路段和路网的拥堵程度.以大量数据为基础,在对比雨天和晴天2种环境下的各项拥堵指标基础上,探讨了雨天环境对北京快速路网的宏观影响,为雨天条件下的交通规划与管理提供了重要的依据.同时,基于路段拥堵指数,利用ArcGIS软件可视化展示了北京快速路拥堵路段的空间分布.结果表明,与晴天相比,雨天环境降低了车辆速度,增加了路段偶发性拥堵,也加剧了路网的拥堵程度.同时,雨天环境下的工作日平均每小时路网拥堵指数增加了17.2%,周末则增加了28.6%;而其标准差分别增加了22.2%和62.5%,表明雨天环境下工作日和周末的拥堵特性存在一定的差异性.      

基于速度的城市快速路交通拥堵预测研究

交通拥堵预测是解决交通拥堵问题的重要步骤之一.为缓解交通拥堵,选取速度这一参数建立交通拥堵预测模型.在对速度时间相关性和空间相关性分析的基础上,提出了基于时空特性和径向基神经网络的速度预测多点模型.将预测结果与决策阈值相比较,粗略地判定拥堵等级,并运用模糊算法对速度和拥堵程度进行量化,建立相应的模糊规则体系,并应用模糊逻辑推理得到定量的拥堵度指标.结合实例进行仿真和分析,与基于单一时间序列的预测方法相比较,基于时空特性的预测方法的平均绝对相对误差由7.45%下降到了3.61%,有效地提高了速度预测精度,基于速度的拥堵预测模型的识别准确率较高.利用模糊算法评判拥堵程度,可得到量化的拥堵度指标,使拥堵程度一目了然.      

基于向量自回归模型的城市快速路交通状态短时预测研究

本研究考虑时空关联性对城市快速路交通状态进行了短时预测研究。首先,基于快速路上下游检测器数据分析交通流量和速度的时变特性,采用有序样本最优分割算法将一天划分为具有相对稳定交通状态的不同时段。然后,构建一种考虑上下游路段影响的空间向量自回归(Vector Auto Regression Model,VAR)模型,预测不同时段目标地点的交通流量和速度。研究结果显示,下游的交通状态对上游的影响不可忽视,尤其是在高峰时段。对于平峰时段,目标地点的交通状态很大程度上取决于上游路段,而受下游路段的影响较小。在此情况下,仅利用上游路段的交通状态来建模,便能达到足够的预测精度。另外,通过模型对比发现,相较于ARIMA预测模型和历史均值预测模型,本研究提出的VAR模型能够综合考虑交通状态的时空动态特征准确预测城市快速路交通状态。     

基于CNN的城市道路交通事件检测算法

交通事件检测是预防和缓解城市路网偶发性交通拥堵的重要手段.基于卷积神经网络(CNN)和浮动车数据(FCD),提出1种改进的城市道路交通事件检测算法,形成城市道路交通流的时空特征与交通事件之间的映射关系.将道路按照交叉口分段设置,重构具有时空特征的多维信息输入张量,通过时空矩阵来描述完整的道路交通流时变信息.在隐藏层和输...     

苏州太湖园博会外围交通管控与交通组织方案

苏州太湖园博会是城市品牌推广的重要机遇,同时其产生的高客流对城市道路交通也提出了较大挑战。根据园博园交通需求及周边路网情况,提出了园博园总体交通组织方案,对集约化交通工具的出行流线及行人交通组织进行深入分析与规划。同时,以预测的平峰、一般高峰、极端高峰时路网交通量为依据,提出分时段的交通管控方案,保障参展期间道路交通顺畅。     

基于卡尔曼滤波的城市快速路交通密度估计与拥堵识别

针对城市快速路网中只有部分路段检测器可用的情况,为准确地估计交通密度并基于此快速识别路网所有路段的交通拥堵情况,研究了基于宏观交通流模型的卡尔曼滤波器设计方法.结合动态图混杂自动机(DGHA)与元胞传输模型(CTM)对快速路网建模,在此基础上推导出分段仿射线性系统(PWALS)模型.基于所得到的模型设计出切换型卡尔曼滤波器进行交通密度估计,并通过将路段密度估计值与临界拥堵密度进行对比来对快速路网的拥堵进行识别.以京通快速路为例进行实验,结果表明,真实值与估计值的平均绝对误差为MAE=0.625 988,显示了所提方法的有效性.      

淄博市一环快速路总体方案研究

针对淄博市中心城区道路高峰期拥堵严重,道路交通短板严重阻滞城市发展的现状,淄博市计划构建城市快速路网体系,近期计划建设一环快速路.在现场调研、建设条件分析、交通分布预测的基础上,阐述了淄博市一环快速路的设计理念、交通分析、功能定位、主要技术标准和总体方案布置.     

基于速度特性的城市快速路常发性交通拥堵研究

基于城市快速路浮动车技术,获取北京市快速路瓶颈路段全天交通流运行速度时间序列数据,对快速路常发性交通拥堵形成及消散进行精细化定量分析。首先应用小波分析技术对数据进行降噪处理,依据速度变化特性将快速路瓶颈处交通流运行状态划分为稳定运行态、拥堵形成态、拥堵态及拥堵消散态4种状态,并分析不同状态下的速度表现特征。研究表明,应用速度变化量可以判别交通流所处状态,而后利用统计学方法给出不同状态之间变化的判断阈值,并归纳出快速路常发性交通拥堵形成时刻、消散时刻及持续时间的判别方法。该方法对拥堵特性判别精度可达80%以上,对交通拥堵预测及交通管理具有明显实际应用价值。      

基于高地联动的城市快速路交通提升策略研究

随着社会经济的发展,城市快速路交通呈现常态化拥堵运行状态,因此亟需开展交通综合提升研究。以苏州市内环某快速路为例,基于多源数据科学研判交通拥堵问题的成因,运用高地联动的优化策略,以全局最优、系统协同理念制定交通提升实施方案。根据交通流的溯源分析,寻找可能的分流通道。一方面,通过工程措施提升分流通道的通行能力;另一方面,通过快速路的交通管理方案,诱导快速路上的短途交通转入分流通道,均衡快速路和分流通道的流量分布,从而有效缓解快速路的交通拥堵。     

考虑路网拓扑时变的交通拥堵自适应预测方法研究

对路网交通系统中的交通拥堵进行预测，有利于交通管理和避免交通风险。然而，由于交通管制、道路施工、恶劣天气、自然灾害等原因，路网交通系统的拓扑结构时常发生变化，使得依赖于固定路网拓扑的拥堵预测方法效果不佳。针对这一问题，提出一种双重自适应图卷积循环网络结构(DAGCRN)来处理路网拓扑结构变化情况下的交通拥堵预测问题，该方法运用自适应辅助邻接矩阵对预定义的路网静态图结构进行适应性学习以动态优化原有连接间信息的传递，运用自适应嵌入邻接矩阵对预定义路网静态图结构进行路网隐藏信息的捕捉以确保路网拓扑结构的动态完整性，并采用门控循环单元提取路网交通流的时间特征信息。研究结果表明,DAGCRN具备以下特点：①能够有效捕捉和定位路网拓扑结构发生的变化，并能够在拓扑结构变化时仍然保证拥堵预测的精确率；②相比较一些常见预测模型有更高的预测准确率，尤其是长期预测方面和克服路网结构变化方面更具优势；③进一步的双重自适应功能消融试验，证实了含有自适应辅助邻接矩阵和自适应嵌入邻接矩阵的双重自适应图卷积结构对于路网拓扑结构变化有很强的自适应能力，缺少2个或任一个自适应模块，都会引起模型预测性能的大幅下降。     

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义。针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型。该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程度与影响因素将事故划分为财产损失、轻伤事故、重伤事故和死亡事故4类;然后将影响因素处理成图片的形式,进而将事故严重程度预测问题转化为图像的分类问题,随之构建基于反残差与注意力机制的山区高速公路事故严重程度预测模型,其中：基于深度可分离卷积的反残差结构可以以较少训练参数获取较高的准确率,基于软阈值的注意力机制作为一种非线性层可以忽略与事故严重程度无关的信息,Mish激活函数可以确保更好的信息流入神经网络。结果表明：在山区高速公路交通安全事故严重程度评估中,相比于传统的机器学习模型,所提出的模型识别准确率具有明显的提高,且测试准确率为85%左右,满足山区高速公路安全评估的实际预测需求。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

杭州市上塘-中河高架交通改善方案研究

上塘-中河高架是杭州市主城区最重要的一条南北向骨架道路,近几年来拥堵严重,已成为城市交通热点问题。该文从杭州市的道路网特点入手,通过大量现场调查,并借助杭州市智能交通信息平台的FCD和微波车检器流量数据,深入分析了上塘-中河高架的交通拥堵特征。从交通需求、交通设计和交通管理与控制三个方面系统地剖析了其交通拥堵的原因和症结。借鉴国外高速公路无瓶颈段设计理论,本着交通疏堵工程和保证快速路运行效率的理念,从增设匝道的合理性,打通中河立交瓶颈节点,部分路段"4改5(6)",增加匝道车道数,地面道路配套措施及封闭个别匝道等交通工程角度提出了交通改善方案。     

城市快速路交通监控技术探讨

城市快速路作为城市交通的骨干网络,是城市交通系统的重要组成部分。利用科技手段,对快速路进行有效管理,可降低违章、减少拥堵、减少交通事故。交通监控技术作为一项实践多年的技术手段,为交通管理部门提供了巨大的助力,为市民获得良好的交通体验起到了巨大的作用。分析讨论了当前较为成熟的交通监控技术在城市快速路中的应用,总结了当前城市快速路监控技术的基本特点,并对其未来的发展趋势进行了展望。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

重庆市主城周边射线高速公路拥堵分析及解决对策

以重庆市主城周边射线高速公路为研究对象,利用高速公路运营收费数据,分析主城周边交通现状及拥挤成因,研究交通流量高速增长下提高高速公路网络通行能力及服务水平的对策。     

城市快速路匝道交通特性分析

城市快速路建设的速度远不及交通量的增长速度,且目前我国缺乏对其交通流特性及控制技术的系统研究,大量车流从入口匝道无序的汇入主线,严重影响了城市快速路功能的正常发挥。文中以实测数据为基础,利用设计学原理,分析城市快速路入口匝道交通流特性及其对主线交通流的影响,得出在快速路匝道上的车速特性。