基于后悔理论的社交网络分享型交通信息的用户价值研究

以社交网络为平台的交通信息对出行者的决策有重要影响.为了研究社交网络分享型交通信息的用户价值,分析了社交网络中交通信息的产生与传播行为,并从信息行为的角度研究了社交网络中交通信息的特征.基于后悔理论建立了社交网络交通信息的用户价值评估模型,并给出出行者的路径选择效用以及交通信息的更新方法.在此基础上,从交通信息有效性与负效用的角度分析了社交网络交通信息的用户价值特征.基于不同的网络信息传播场景,对其中交通信息的用户价值进行了分析.结果表明,社交网络中的交通信息能够对出行者的决策起到辅助作用,在有效场景中出行者决策的后悔值降低了20%;但用户价值随其在社交网络中的持续传播而降低,且过度传播的交通信息将对出行者决策产生负效应.     

基于改进深度卷积生成对抗网络的路面指示标志识别方法

针对道路交通环境中路面标志识别涉及的数据集较少和识别准确率不足的问题,研究了基于深度卷积生成对抗网络的道路表面指示标志的识别方法.在深度卷积生成对抗网络的结构基础上,根据具体应用修改生成网络和判别网络的损失函数,并用随机梯度下降算法替代原始的优化器,对指示标志的原始样本集进行样本生成,以增加样本数据量.基于Faster R-CNN算法进行路面标志的特征提取,实现路面指示标志的识别,并基于迁移学习对识别模型进行微调,将目标识别效果应用于实际道路环境中.实验结果表明,通过深度卷积生成对抗网络生成的样本图像有效地扩增了路面标志的数据集,增广后的多类目标识别的mAP提高了17.1%,小样本情况下的识别准确率随着样本量的增加和样本质量的改善而得到了明显的提高.     

基于交叉口转弯率的网络交通状态模式发现

针对日益凸显的城市网络层次交通问题,提出一种基于交叉口转弯率的网络交通状态模型,并根据该模型进行了网络交通状态典型模式发现。该模型从交通网络拓扑结构出发,根据各路段的实际流量采用递归最小二乘法对各交叉口在各方向上的转弯率进行了估计,得到了基于路网拓扑结构的转弯率矩阵。该矩阵不仅反映了路段之间的相互影响关系,也反映了路网中交通流的分配情况,即从一定程度上反映了整个网络的交通状态。进而对各时间点的转弯率矩阵进行了基于SOM的分类,对各种网络交通状态在时间轴上进行了统计,结果显示了早晚高峰时段以及白天早晚高峰之间的典型网络交通模式。该方法为网络交通状态研究提供了一种新的建模与分析方法,通过实例分析证明该方法具有普适性与有效性。     

数据融合技术及其在交通领域中的应用

本文通过对数据融合基础理论的总结与剖析，提出了数据融合技术在交通运输中的应用领域以及交通数据融合的数据处理过程，并以车辆行驶轨迹跟踪作为实例讨论了数据融合技术在交通领域中的具体应用。     

基于重采样的交通拥挤识别方法

交通拥挤识别实质上是一种不平衡分类问题,通过解决不平衡分类问题,在数据层面对原始数据集进行重采样,并采用不同的采样倍率进行向上和向下采样,降低数据集类间不平衡程度,从而提高拥挤类识别精度.选取南京市虎踞路(主干道)某一路段作为研究对象,调查获得7:30-9:00交通流数据,并在此基础上,通过vissim软件仿真得到更多数据.借助weka软件平台运用朴素贝叶斯分类器进行分类试验,并对检测结果对比分析,结果表明重采样方法在对总体识别率影响较小的情况下,能够提高拥挤类的识别率.     

基于卡口数据的交通参数提取方法研究

针对交通参数提取繁琐及流程混乱问题,提出了数据预处理-指标提取-可视化一体的交通卡口数据挖掘流程.针对传统断面数据无法获取过饱和状态交通参数的缺陷,通过深入挖掘卡口数据蕴含的时间关联信息,并结合路网空间逻辑关系,基于Pandas和NumPy工具包构建了行程时间、平均车速和车辆延误提取模型,进而利用时空轨迹图研究了过饱和状态下的最大排队长度测算方法,该方法使用延误、流量、车速参数均为实时提取,实现了主动全时状态提取;以淄博市实际道路卡口数据为例验证了模型的有效性,结果显示,排队长度的准确率达85%以上;基于Python可视化库和Echarts对数据分析结果进行可视化处理,实现了交通需求及状态数据的动静态展现,能够为智能交通管控的决策提供支撑.      

基于双基站交通数据采集技术的假套牌车辆识别方法

假牌、套牌车辆对社会安全和交通运输行业的秩序造成了极大的负面影响,寻找快速有效的假套牌车辆识别方法十分必要.研究了一种基于射频识别(RFID)技术和图像识别技术结合的假套牌车辆识别方法.对同一处基站的RFID系统和视频抓拍识别系统采集的车辆车牌信息进行对比分析,得出疑似假套牌车辆.然后对多基站检测信息联合比对,相比于单基站,降低了疑似假套牌车辆的数量.选取南京市主干道上6个基站的检测数据作为实例,检测结果发现,通过5处基站检测的假套牌车辆比通过2处基站检测的假套牌车辆减少了210辆,降低了假套牌车辆的误检率.对建立的疑似假套牌车辆数据库验证分析,其正确率达到94.5%.相比较传统的方法,其具有覆盖范围大、不受时间限制、反应迅速等优势,可为交警部门查处假套牌车辆提供有力支撑.     

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...     

基于网络技术的技术交通控制系统的研究

论述基于网络技术的城市交通控制系统的整体体系，提出各个相关设备模块的功能，以及通过网络互连该系统完成的功能，提出研究智能交通工程中应该注意的一些问题。     

基于浮动车数据的交通事件参数特性研究

利用微观交通仿真软件Vissim搭建交通事件环境,对在不同堵塞程度和不同交通流量的交通事件情况下,浮动车采集的浮动车速、行程时间、浮动车位置等移动检测交通参数变化特性进行了分析比较,总结出交通事件情况下的浮动车移动检测各交通参数变化规律,并以此为基础对模式识别法、统计预测法、时间序列和智能算法等4种基于浮动车数据的交通事件检测算法进行了探讨,具有覆盖面广、成本低等特点。     

基于时间卷积自编码网络的实时交通事件自动检测方法

为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。     

基于时间序列挖掘的隧道交通事件分析

为了及时发现隧道内交通安全隐患,尽量减少交通事故的发生,针对现有隧道交通事件预测方法在实际应用中的不足,引入时间序列法,建立了隧道交通事件时间序列预测模型,该模型可以快捷地得出事故影响因素的预测值,预测出道路交通事件总体发展趋势。实验证明,模型能很好地适应于道路交通事故预测,同时具备了资料较少,建模简单,计算快捷等优点。     

城市客运交通走廊判定方法研究

如何正确判定城市客运交通走廊是进行城市大运量客运交通方式规划首先需要解决的问题。通过分析城市客运交通走廊对交通源和交通方式的集聚效应特点,提出采用效应场和场中介质的概念来模拟交通走廊对交通流和交通源的吸引作用。应用衰减函数或磁感函数作为效应场函数模拟分析城市客运交通走廊对附近范围产生的集聚效应,采用人口密度、出行生成密度或潜力密度作为介质函数来表现走廊附近范围的土地利用形态,提出了一种直接根据用地来确定城市客运交通走廊的方法。     

基于OD数据校验的交通流量检测数据修正方法

运行稳定,检测精度高的交通信息检测设备是智能交通的需求.针对高速公路车检器流量检测数据精度不高的问题,以OD数据得到的断面流量数据为基础,提出了修正车检器分车型流量检测数据的方法以及评估车检器稳定性的方法.研究过程主要运用数据预处理、数理统计等数据挖掘的关键技术对车检器流量检测数据进行挖掘分析,得出车检器分车型的修正系数,将还原后的流量检测数据与修正系数相比较对流量检测数据进行修正,将修正后的数据与实际的断面流量数据相比较得出车检器的稳定性,最后通过实例测试进行了修正结果的误差验证,测试结果表明,小型车和总流量的误差均在±4%之内,且90%的数据在±2%之内,方法对小型车及总流量的检测数据修正效果良好;中型车误差80%在±5%之内且大部分为负值,说明修正结果较实际断面流量普遍偏小;大型车误差在10%之内且为正值,说明误差较大且修正结果较实际断面流量偏大.大、中型车车流量误差偏大可能是由于车检器将一部分中型车判定为大型车所致.     

基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

交通事件网络舆情分析方法

交通运输行业关系国计民生,感知民意是政府做好交通治理的必要条件.在互联网时代,通过网络获取并分析交通事件舆情具有样本丰富、信息客观、获取及时等特点.基于微博、微信、新闻客户端等电子信息来源,提取交通事件舆情特征,形成交通事件的网络舆情系统分析方法.包括:获取网络舆情数据并进行文本预处理,构造交通事件舆情主题分类模型,建立评价重要度计算方法,结合舆情生命周期分析舆情演变趋势,建立交通舆情情感库并结合机器学习分析情感状态演化,通过关键词可视化定位舆情事件要点,实现网络舆情信息与可视化分析技术的耦合.该方法文本分类评估结果F值高于80%,情感极性判断准确率高于通用SnowNLP.以上海地铁10号线追尾事件为例进行网络舆情演化特征分析发现:①交通舆情演化迅速,周期较短爆发集中;②情感整体倾向负面;③官方机构及时发声、对事故调查公开透明并采取有效措施是缓解舆情较好手段;④大众对"卡斯柯"和"轻度"这2个词的关注贯穿事件始终.     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。