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%.     

基于浮动车数据的出租车规模确定方法

通过对出租车GPS数据进行预处理、地图匹配、运营信息挖掘,可以获得与出租车运营有关的信息,单次行驶的时间、距离、经过的路径等。从浮动车数据钟挖掘出租车运营信息,获得出租车在城市运营中的平均运营速度、平均运营时间、平均出行距离等信息,并在结合城市出租车需求的基础上,给出了确定出租车合理规模的方法。同时以广州的出租车数据为基础,对该方法进行了验证。结果表明该方法能够更准确地为出租车提供合理规模,为出租车管理及交通规划等提供科学依据。     

浮动车数据和定点检测数据的融合算法研究

城市道路交通信息系统涉及众多子系统和多源数据,各类数据之间互为补充,叉存在交叉、冗余甚至矛盾的现象。而运用数据融合技术,可将这些数据有效组织起来并充分挖掘其蕴含的交通信息,发挥城市道路网的整体效能。     

基于GPS数据的出租车路径选择行为研究

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义.     

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

基于浮动车数据的位置服务在智能交通中的应用

上海市交通工程学会向2013年9月27日在上海召开的＂2013年沪港科技合作研讨会＂共提交了6篇论文。经专家评审,仅《基于浮动车数据的位置服务在智能交通中的应用》一文在会上作了演讲,并获得一致好评,尤其令香港工程师协会的专家赞赏和感叹不已。他们认为香港利用浮动车采集数据达不到如此规模,内地交通诱导技术确实领先香港。现本刊予以发表,以飨读者。     

基于浮动车数据的车辆时空相遇关系分析

为研究离散时空数据之间的时空关系,以离散的浮动车数据为基础,提出了一种以时空路径为枢纽的车辆时空相遇关系分析方法.采用地图匹配方法对离散的浮动车数据进行空间插值,以获取车辆在空间上连续的轨迹;提出了根据邻接采样点的时间戳和轨迹进行线性插值的方法,以获取邻接采样点之间轨迹上任意一点的时间;以空间关系理论和Allen的时间段逻辑模型为基础,分析了不同时态关系车辆的相遇情况;最后,设计了基于浮动车数据的时空轨迹获取及时空相遇分析实验,并分析了车辆之间的时空相遇关系.实验结果表明:以连续时空轨迹为核心的分析方法,能较好地表达离散时空数据的时空关系.     

基于浮动车数据的行程时间可靠度特征研究

针对正态分布或对数正态分布往往不能有效地描述小间隔行程时间分布的问题,提出了基于浮动车数据的行程时间算法.通过基于浮动车数据的行程时间经验分布,得到了以15min为间隔的不同出发时段行程时间的可靠度指标.以广深高速公路同乐-宝安机场段为例,对不同日、不同出发时段的行程时间可靠度特征进行了分析.该研究方法对于描述交通条件变化比较频繁的城市交通环境的行程时间可靠度有较强的适应性.     

基于长春市浮动车数据的城市交通运行状态分析

为了掌握长春市道路交通运行状态,通过提取出租车GPS信息作为长春市浮动车数据源,以长春市浮动车原始数据为基础,探讨浮动车数据采集与处理的方法,并与长春市现状道路模型进行地图匹配。通过拥堵感知数据分析和浮动车速度数据分析两种方法互相校验确定各等级道路阈值,对长春市路网速度进行时空特征分析。数据表明:除极端天气可能导致大面积、系统性拥堵外,长春市道路交通拥堵主要表现为局部时段和局部区域,并有扩散的趋势。此外,探讨了目前长春市浮动车数据的不足及下一步研究方向,为相关部门政策制定提供数据支撑和决策依据。     

����迹Logit·��ѡ��ģ�͵��Ƶ���Ӧ�ü���֤

提出了一种基于相对阻抗的改进Logit模型,将判断误差的方差修正为与阻抗相关,克服了传统模型因同一分布而导致的等方差问题,并推导出基于相对阻抗的Logit模型的概率计算公式.给出了相对效用的概念在常见改进Logit独立相关性缺陷的模型中的应用.计算实例表明,改进后的模型均能有效解决“长短路”问题,且物理意义明确、计算简单,具有良好的鲁棒性.     

��������ͨ��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。     

����GPS���ݵij��⳵·��ѡ����Ϊ�о�

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义。基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据。其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型。案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径。同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义。     

基于驾驶人路径选择偏好的OD行程时间预测方法

以广东省深圳市3 000余辆浮动车近300万组数据为基础, 以地理信息系统技术为主要工具, 以最具代表性的深圳市福田区与罗湖区为研究区域, 确定了不同起讫(OD)点扩展半径。以浮动车唯一编号进行地图匹配, 根据确定的研究区域与扩展半径, 获取了浮动车OD路径与行程时间。确定了驾驶人在进行路径选择时的时间与空间偏好, 建立了基于路径选择偏好的OD行程时间预测方法。以平均绝对百分比误差、均方根相对误差与最大相对误差为指标, 对基于最短路径、最快路径与偏好路径的3种行程时间预测方法进行比较。比较结果表明: 与基于最短路径的预测方法相比, 采用提出方法的平均绝对百分比误差、均方根相对误差与最大相对误差分别降低了66.51%、61.24%、61.47%;与基于最快路径的预测方法相比, 采用提出方法的平均绝对百分比误差、均方根相对误差与最大相对误差分别降低了63.64%、59.70%、58.99%, 因此, 采用基于驾驶人路径选择偏好的OD行程时间预测方法可以显著提高OD行程时间的预测精度。     

基于混合选择模型的汽车共享选择行为研究

为了深入分析出行者的汽车共享选择行为,首先以技术接受模型和计划行为理论为框架,将对汽车共享选择行为具有影响的心理因素整合到传统的离散选择模型之中,形成混合选择模型.然后,基于南京市的实证调查数据,运用混合选择模型对出行者的汽车共享选择行为进行研究.结果表明,出行者对于汽车共享的感知有用性、感知易用性、行为态度、知觉行为控制等心理态度潜变量对其选择行为产生显著的正向影响,混合选择模型比传统不带潜变量MNL模型对实证数据具有更高的拟合度.     

���������ٿռ�ֲ������о�

针对传统统计学方法在研究浮动车车速时未考虑其空间结构性的问题,在分析传统统计学研究缺陷的基础上,介绍了地统计学的特点、应用领域和在车速研究中的应用原理;阐述了空间分析方法的总体模型和算法流程．利用北京市2005年5月研究样区的实际速度数据对浮动车的车速进行了空间结构分析和空间插值分析．结果证明,地统计学方法作为一种分析空间数据的新方法,能够解决传统统计学方法无法解决的空间变异性问题．对研究具有空间特征的交通对象,开辟了一条新途径和提供了一种新思路,对研究宏观层面的交通规划和中观层面的交通系统运行特征具有重要的参考意义并具有广阔的应用前景．     

基于典型经验路径库的路径规划算法

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性。为了挖掘出租车驾驶员的路径选择经验,最大程度地保留经验选择并融合到路径规划算法中,建立了基于典型经验路径库的路径规划算法。首先,通过对出租车GPS数据进行预处理、地图匹配、载客轨迹信息提取,建立出租车历史载客轨迹集;然后,基于网格划分建立不同时段、不同网格之间的经验路径库;最后,提出了基于典型经验路径库的路径规划算法,并以广州市交通网络和浮动车为实验数据。实验结果表明,该算法得到的路径其行程时间较少,平均速度较高,能够保持道路等级的连贯性,且能适应不同时段的交通情况,更符合个人认知。     

路径信息诱导的双层规划模型

为了缓解交通拥堵与提高路网运行效率, 建立了路径诱导信息的双层规划模型。上层模型描述信息发布者通过交通诱导信息发布手段优化路网层面的性能函数, 下层模型采用效用函数描述驾驶员最优路径选择行为, 其决策变量为交通信息类型, 从而将交通信息对于驾驶员路径选择行为的影响引入模型中。利用极点搜索算法对一个简单路网的双层规划模型进行算例分析, 得出了各种交通信息条件下上层目标函数值。虽然计算结果存在8%~13%的波动范围, 但交通拥堵时发布的拥堵消散信息是最优方案, 定性信息带来的总体效益要好于指示信息, 因此, 该模型可行。