考虑乘客出行数据的城市轨道交通有效路径集生成方法

有效路径集合生成是城市轨道交通断面客流预测、线网运力计算和客流分析的基础。为解决传统有效路径生成中存在的各路径有效程度无法评估、线性约束无法赋权的问题,降低问卷随机性对最终路径集生成的影响,本文在传统有效路径问卷调查数据的基础上,对乘客出行路径选择行为进行分析并做出假设,引入乘客出行时长,针对处于不同时长聚类簇下的有效路径分别建立评估模型,提出1种有效路径集生成方法。将轨道交通网络中站点和线路分别抽象为节点和边,构建轨道交通网络有向图;考虑出行路径类型、乘客出行主观因素以及乘客出行密度分布规律,利用自适应的DBSCAN算法处理乘客出行时长数据,以各时长下的出行密度为基准划分聚类簇,以聚类簇及其属性为输入,构建Logit模型并以其评估结果替代传统有效路径生成中的线性条件约束,并独立计算各簇所代表潜在有效路径的有效性权重,基于有效路径出行时长区间的连续性特点获取有效路径集。以广州地铁线网中多对出行OD为例进行验证,结果表明: 结合乘客出行数据聚类分析后所得到的有效路径集,调整兰德系数为0.652,相比于其他传统路径算法的生成结果,提升了0.379;同时在路径总时长-换乘次数平面上所产生的集合边界更为平滑,对复杂线网与快速变化的新开线网拥有更强的适应性。     

基于高速公路收费数据的用户交通出行多维度特征分析

为提升高速公路信息化管理水平,调节高速公路需求分布不均衡问题,构建了包含时间、空间、用户个人属性3个维度的特征指标体系,在K-means聚类算法的基础上,设计并使用Mini-Batch-Kmeans聚类算法对出行用户进行了分类,同时从时间、空间、个人属性3个不同维度深入分析了各类出行特征指标。研究结果表明：1)高速公路出行者多为单次出行或周末出行;2)经PCA降维和Mini-Batch-Kmeans聚类后,出行用户可分为6类;3)时间上,用户出行早晚高峰为7:00—9:00和16:00—18:00;空间上,用户出行站点多在经济水平较高城市,长途用户多在沿海或有货物中转站的城市;个人属性上,通勤用户与长途用户多使用ETC支付且花费金额高。     

基于手机 APP 大数据的交通出行数据获取方法

城市居民的交通出行是交通研究中的基础问题.结合当前手机应用的特点,以手机应用与无线通信网络数据交互时产生的 CI(Cell-ID Identify)定位数据为研究对象来获取居民出行数据.采集了“易信”手机应用2013与2014年共3241238条有效的 CI 定位数据,并对其进行了降维、离散化、去噪预处理.提出将定位数据标准化为0-1数据矩阵,以矩阵运算的形式推导用户出行 OD 矩阵、各小区出入流量等二次数据的算法模型,并在 Matlab 中进行了实现.结果表明,相较于遍历数据的循环算法,推导效率有显著提升.提出了推导 OD 矩阵的完整性与真实性评价指标 R ,并计算得到2013的 R 为19.1%,2014为69.3%.发现手机应用日均数据量较大的 CI 数据具有更高的完整性与真实性(2013年为10.6条,2014年为47.4条),但该指标主要反映所有小区中存在交通出行的整体情况,对各小区的出行行为的完整性与真实性尚需做进一步研究.     

基于智能手机调查数据的居民出行活动特征分析

城市居民出行活动信息是城市规划、交通管理和居民行为研究的重要参考依据。采用传统的基于入户访问和纸质问卷的居民出行调查方式存在受访者负担重、调查精度低、调查成本高等问题,设计并实现了一种基于嵌入 GPS(Global Positioning System)模块的智能手机的居民出行调查系统。通过高频的手机 GPS 定位获取居民出行轨迹,设计基于规则的轨迹数据处理算法,自动提取出行信息。以上海市杨浦区同济新村为例,对比传统问卷调查和基于手机的调查所得的出行数据。利用调查结果对基于智能手机调查的出行生成模型进行系数修正,并对传统调查方式的误差进行分析。发现传统调查的总体误差在33%左右,其中非基家出行的误差更是达到近159%。最后,基于手机调查的数据,对区域内居民活动特征进行分析。     

基于GPS数据的出租车出行需求预测研究

近年来“网约车”数量越来越多,“网约车”等待时间长与载客热区需求大等问题也逐步显现,乘车体验亟需改善。在成都市出租车GPS数据的基础上,研究出租车出行分布规律,划分工作日为早、晚、夜高峰相关时段,引入k-距离曲线改进DBSCAN空间聚类算法,对出租车上下客点进行聚类分析,并用数据挖掘得出载客热区。采用BP神经网络预测载客热区的出行需求,预测结果表明,早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25%和5.87%,晚高峰时段提高了2.98%和4.32%、夜高峰时段提高了1.44%和2.58%,验证了BP神经网络在出租车需求预测方面的可行性。

     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.     

基于SP和RP融合数据的小汽车通勤出行频率选择模型

基于小汽车通勤出行特性和成本分析,采用意愿调查法对小汽车出行者的社会经济属性、通勤特性和不同燃油价格下的出行意向进行调查,定量分析停车位供应状况、停车费、燃油价格等因素对小汽车使用者通勤出行频率的影响,以获取高燃油价格下小汽车通勤行为随燃油价格(出行成本)变化的规律.基于多项选择模型,分别建立了RP模型、SP模型和基于...     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

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。     

基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性.基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测.通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配.实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点.     

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。     

基于IC卡数据的居民公交乘车距离研究

了解居民公交出行乘车特征、掌握公交出行客流规律是公交规划和运营决策的基础.为了研究不同时段居民公交乘车的分布特性,以北京市分段计价线路公交IC刷卡数据为依据,基于数据挖掘工具分析了居民公交出行乘车的距离特性,并对乘车距离分布进行曲线拟合,结果表明:北京市居民公交乘车距离服从威布尔分布,在置信水平为95%的条件下,平方误差和小于0.01,拟合优度在0.97以上.     

基于探测车数据的路段行程时间估计

利用探测车数据进行路段行程时间估计面临着两类误差：采样误差和非采样误差,从而导致估计结果精度不高和可靠性差。在回顾已有估计方法的基础上,有针对性地引入了自适应式卡尔曼滤波,建立了相应的状态方程和观测方程,利用相似时间特征的历史数据标定了状态转移系数,并对滤波进行了求解。以实际数据对估计方法进行了验证,平均相对误差为13.13%。研究表明,自适应式卡尔曼滤波能够应用到基于探测车数据的路段行程时间估计中来,并具有估计精度高、收敛速度快、参数少、对初值不敏感等优点。     

基于轨迹的内河船舶行为模式挖掘

从内河海量的船舶AIS数据中提取出有用的交通知识,辅助水上安全监管,对于研究日益复杂的水上交通安全形势具有重要意义.基于内河船舶行为特征,构造由船舶位置、航速和航向4个维度组成的船舶航行状态空间来描述船舶行为.针对传统DBSCAN聚类算法提取状态空间中相似船舶轨迹存在计算复杂高的问题,提出增量式算法改进DBSCAN算法用以高效地计算不同船舶的行为模式;然后利用核密度估计等统计方法对不同模式的船舶行为特征进行数据挖掘,得到船舶航速、航向和位置的时空分布特征规律,进一步挖掘不同行为模式下的船舶微观特征.以武汉航段的汉江分叉航道水域作为研究案例,利用所提的方法对该水域分析研究,得到了6类不同行为模式,挖掘出不同模式下分叉航道内船舶静态属性信息(船舶类型、船舶尺寸)、空间分布特征(轨迹点分布、航速分布、航向分布)、船舶到达规律等信息.利用该模型所提取的知识有助于水上监管人员迅速获取水域交通态势,从而提高水上交通安全监管的水平和效率.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

车用OBD性能参数多通道数据采集系统设计

OBD-Ⅱ系统是国Ⅲ和国Ⅳ排放标准实施的必要条件,其性能参数的采集是实时监测汽车尾气排放的基础。采用HCS08单片机系列之一的MC9S08GT 60MCU开发车用OBD性能参数多通道数据采集系统,采集汽车上与排放相关的零部件上的传感器信号,并通过串口与LabVIEWVISA接口通信,实现数据的读取和存储。试验证明,此系统工作稳定可靠。     

基于数据挖掘技术的交通事故分析

为了有效地识别和发现事故数据的模式及其内在规律,提出一种使用数据挖掘领域中的多维关联规则技术分析大量交通事故记录的方法,通过找出可能导致交通事故发生的频繁因素组合,协助交通管理者更好地找出引发事故的原因与规律, 并作出相应的决策.     

驾驶人对交通标志视认的短时记忆衰减模型研究

研究驾驶人交通标志信息记忆量随时间的变化规律,构建驾驶人对交通标志视认的短时记忆衰减模型,能够为城市道路交通标志设计及实施应用提供有力的支撑.基于对记忆衰减因子、衰减曲线形式的分析及对交通标志视认的短时记忆衰减模型的三个特点,提出采用幂函数曲线作为驾驶人对交通标志视认的短时记忆衰减曲线,并以一条有交通标志的实验路段为例,采用实车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,构建驾驶人对交通标志视认的短时记忆衰减模型.     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。