基于浮动车交通信息采集的虚拟仪器设计

交通数据探测器由于其成本高、覆盖范围小等缺点,很难满足智能交通系统的需求,将虚拟仪器技术应用于浮动车系统可以基本上解决这一问题。介绍了虚拟仪器的概念和特点,并就应用于浮动车交通信息采集的虚拟仪器进行了设计。结果表明,虚拟仪器技术,尤其是与数据融合技术相结合的虚拟仪器技术,在智能交通系统中具有十分重要的作用和广阔的应用前景。     

北京市快速路浮动车最小样本量研究

为确保浮动车提供信息的准确性和可靠度,首先以RTMS数据作为真值来验证当前样本量条件下浮动车数据的有效性;然后通过简单随机抽样方法来逐步减少浮动车的样本量,并计算、比较不同样本量下的浮动车数据与RTMS数据的相关系数;最后得出确保浮动车数据有效所需的最小样本量. 经验证,本文研究范围内的二、三环快速路5 min时间间隔内每千米路段上需要的浮动车最小样本量为7～9个,而当前样本量条件下的浮动车数据在时间上和空间上能达到最小样本量要求的分别占73％和87％以上.     

浮动车交通信息采集系统

浮动车交通信息系统是伴随着ITS新技术的应用而在近几年发展起来的新型交通流信息采集技术,它可以直接和方便地测得可靠、准确的车辆行驶速度、路段行程时间等参数。该系统作为一种重要的交通信息采集方法,可以弥补现有传统交通信息采集技术存在的数据不完全、数据量不足、数据质量差等问题,对我国交通信息采集工作具有很好的现实意义。     

基于相关性分析的浮动车速度建库方法研究

浮动车信息采集得到越来越广泛的应用. 由于交通流数据采集的连续性,形成了海量的数据信息,所以建立一个历史数据库,可以为交通状态预测提供参考数据,同时有利于减少冗余信息. 本文基于交通信息的相关性和相似性特性,提出了根据浮动车采集的历史数据建立历史标准数据库的方法,包括数据存储的时间粒度划分方法和两种用于计算基本数据序列的算法,即直接求和判断法和综合评价判断法. 最后利用北京快速路实测浮动车数据进行了实例计算和分析. 计算结果表明,本文提出的算法是有效的. 由于直接求和判断法具有简单、快速的优势,在实际应用中,建议采用直接求和判断法.     

基于浮动车的高速公路交通事件自动判别方法研究

交通事件判别是高速公路事件管理系统的重要组成部分，提高事件判别算法性能可以显著改善事件管理系统的运行效果．文中阐述了国内外交通事件自动判别方法的研究现状，分析了以往基于固定式检测器的事件判别算法之不足，如检测速度较慢、低流量情况下检测效果较差、可移植性不强等．根据交通事件会显著影响车辆运行速度这一特点，提出了一种基于浮动车数据的交通事件自动判别算法．仿真结果表明，算法具有较高的事件判别率（92．5％）、较低的误判率（1．2％）和较短的事件判别时间（1．6min）．     

北京市浮动车交通状况信息实时计算系统

为应用于复杂城市路网的浮动车系统建设,提出了利用浮动车数据实时计算路网速度的系统建设流程,包括GPS数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并从数据过滤合理性、地图匹配效率、路网覆盖率及结果可信度等方面验证了该方法的可行性与实际效果。经验证,原始GPS数据经过预处理过滤后能显著提高点匹配率,而改进的路径匹配算法能使过滤后的数据达到95％左右的匹配率,基本覆盖大部分北京市快速路和主干路。     

浮动车辆数据在城市智能交通中的应用

道路实时车速监测是城市智能交通体系中最基础和重要的组成部分,利用出租汽车这一浮动车辆载体采集的道路车速实时信息,结合智能终端和系统平台处理,可实现城市道路的车速实时监测、发布和深度开发利用,对改善城市交通拥堵、节能减排、实现城市智能交通起到重要作用。     

CORS在浮动车交通信息采集系统中的应用

针对目前GPS浮动车交通信息采集系统中GPS原始数据因精度产生的问题,在深入分析CORS系统的基础上,提出结合CORS系统,对浮动车采集数据进行实时差分改正的优化方案。CORS与GIS结合对综合信息进行输入,将能大幅度改善数据的准确性,提高数据的利用率,实现数据质量的优化。     

��������ͨ��Ϣ�ɼ��봦��ؼ���������Ӧ���о�

为了推动浮动车交通信息采集与处理技术的深入研究、沟通交流和推广应用，本文在概括总结国内外研究及应用现状的基础上，重点描述了基于浮动车运行数据进行实时旅行时间和平均速度估计及预测、拥堵状态判断的核心流程，介绍了国家智能交通系统工程技术研究中心自主研发的创新性的关键技术，其中主要包括浮动车地图匹配算法和路段旅行时间估计算法等，展望了浮动车交通信息采集与处理技术的应用前景。     

浮动车GPS采集交通信息数据质量评估关键技术研究

从浮动车GPS采集交通信息基本技术原理出发,分析GPS原始数据和系统输出数据的质量评测要求,提出不同数据质量要素的质量评测方法,以指导浮动车采集交通信息评估。     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.     

流动车辆数据采集方法及应用

信息是动态交通管理的基础,做好信息采集是顺畅交通管理的前提。本文阐述了流动车辆数据采集法的概念、系统构成概要、数据处理流程;择要介绍了采集数据的信息增值处理,并对其实用化进程给出了阶段性规划,指出了其中需解决的主要技术和系统问题。     

基于浮动车数据采集技术的城市交通网络功能评价方法研究

本文利用浮动车采集到的数据,根据科学性、可比性、综合性等原则,采用动静结合的指标体系对现有交通网络的运营状况、存在问题及其潜力建立了一整套完整的指标体系,反馈和检验路网运行的实际效果。采用模糊多层次综合评价方法并结合层次分析法进行综合评判。本文还结合北京市路网实例评价说明综合评价方法的适用性。     

基于浮动车数据挖掘的出租汽车运营特征研究

为支持出租汽车运营评价和行业规划,科学掌握其运营现状与特点,以深圳市一个典型工作日为例,研究浮动车数据挖掘在出租汽车运营特征研究中的应用.依托对浮动车数据的特征解析,提出面向出租汽车运营特征分析的数据处理流程,针对空驶率、运营速度、载客运营时长、出行需求的时空差异等方面分析深圳市出租汽车行业运营现状与特点.该研究可为出租汽车运营评价提供新视角,从对既有数据深度挖掘的角度提升行业效益.     

基于FCD的旅行时间估计算法研究

根据FCD(Floating Car Data浮动车数据)的特点建立基于FCD旅行时间估计的Kalman滤波模型以及BP神经网络模型,运用上述两种模型进行路段旅行时间短时预测,路段平均旅行时间为输入变量,输出预测路段的旅行时间,并用实测数据进行分析验证.结果表明,针对路段短时旅行时间估计,Kalman滤波模型方法的预测精度要优于BP神经网络方法.     

���ڸ��������ݵ��Ŷӳ��ȼ�ⷽ���о�

排队长度作为评价信号交叉口运行效率的一个重要指标,能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器,且模型假设过于理想化,本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法,方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔,主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系,在浮动车比率较高的许多主干路交叉口,精度可以达到理想效果,30 m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值.     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

城市道路交通事故特征分析——以乌鲁木齐市为例

中国正处于快速城镇化进程中,交通事故呈现频发的趋势,并时常伴随着重大恶性事故,因此,对事故的分析与研究十分迫切而有必要.以乌鲁木齐市为例,对该市2007～2010年的交通事故作了分析与研究,得到了时间、空间等方面的分布特征,将有助于减少并预防城市道路交通事故.