干道交通状态识别及演变机理研究

为减少城市交通拥挤、避免交通瘫痪、保障出行安全,在综合分析交通信息采集技术、交通状态识别、交通状态演变研究现状的基础上,对干道交通状态识别及演变机理进行分析,建立适用于精细化交通管控的城市道路交通状态识别及预测框架,主要包括基于深度学习结合视频跟踪算法提取交通参数、基于路段单元运用堆叠式稀疏自编码结合K-均值聚类对车道和路段交通状态进行精准判别、基于LSTM循环神经网络与3D-CNN卷积神经网络对交通状态进行预测;最后提出干道交通状态识别与预测面临的挑战和研究方向。     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

基于两阶段分类算法的中国交通标志牌识别

自动驾驶技术对于缓解交通拥堵,降低交通运输成本具有重要作用;高级驾驶辅助系统（ADAS）可以有效增加汽车驾驶的舒适性和安全性。交通标志牌中包含了丰富的语义信息,为自动驾驶汽车和ADAS的决策提供重要约束,因此交通标志牌的识别算法开发至关重要。本文基于中国交通场景特点以及自动驾驶、ADAS对于交通标志牌识别的高准确性需求,提出了一种基于两阶段分类的交通标志牌识别算法框架。算法包含检测和分类两个阶段,检测阶段检测出图像中的交通标志牌,分类阶段对交通标志牌先后进行大类和子类划分。算法通过细化任务,独立提升各算法模块的性能,进而提高整体算法的识别精度。本文对单阶段识别算法进行改进作为算法的检测模块,实验结果表明,提出的算法精度上优于基准单阶段识别算法,mAP平均提升8.52%,并且在检测速度优于传统两阶段识别算法Faster RCNN的情况下,mAP提升40%以上。     

高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法：①路段平均车速算法；②交通流区段类型判定算法；③排队类型判定算法。考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况，使得模型所提供的信息更能反映路段的真实交通状况。采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性，并且采用“客观”标定临界车速作为基于现场数据判定车队状态的一种方法。     

一种高速公路典型路段的交通状态识别方法研究

为解决高速公路交通状态识别问题,提出一种省级高速公路交通状态的识别与推理方法,该方法首先对大量交通流历史特征数据进行预处理,然后建立基于一种塔式结构的交通流特征数据提取模型。通过系统开发,实现了某路段的分析,表明可实现高速公路运行状态的识别。该识别与推理方法将用于省级高速公路联网应急联动平台,有较好的应用前景。     

基于博弈论的高速公路网络关键路段识别方法

高速公路网络的关键路段识别对于网络的正常运营及潜在危险的评估具有重要意义。作为交通管理者,需要帮助出行者进行路径的选择策略以尽可能的规避风险并实现出行;而各种潜在威胁,以基于路段失效的策略尽可能地使网络服务能力降低,达到攻击网络的目的。将影响高速公路网络性能的潜在威胁看作网络的攻击者,与交通管理者构成攻防博弈的关系,构建了高速公路网络关键路段识别的攻防博弈模型,实现网络关键路段识别与交通流量分配的同步改善。引入加权熵函数,以表征网络攻击者发出攻击网络的信息的不确定性,结合用户均衡分配方法,提出了该博弈模型的求解算法。黑龙江省高速公路网络的算例结果表明,加权熵函数中的参数θ对关键路段排序结果影响不大,在θ=5时,该方法识别出关键路段排序结果均为路网中的问题路段(事故多发、多雨雪、高流量等),与经验情况及实际情况一致。同时,该方法还能够给出相应的路段流量分配比例,为交通规划与管理提供参考。     

马驹桥地区交通组织设计方案研究

本文在对马驹桥地区交通现状及规划分析的基础上，采用TransCAD进行交通需求预测，分析了路段和重要枢纽的适应性。并以此为依据，针对规划年可能出现的问题，对项目范围内重要路段、内部交叉口、对外交通枢纽进行了交通组织设计，确定了实施原则，提出了实施方案，使该地区的交通问题得到了较好解决。     

高速公路改扩建工程周边路网交通瓶颈识别

为满足日益增加的交通需求和提高通行质量,同时保障高速公路区域路网和作业区的交通正常运行,有必要开展高速公路改扩建工程周边路网交通均衡诱导研究,对改扩建高速公路上过载的交通流量进行分流和转移。准确地识别高速公路周边路网的交通瓶颈路段,是进行高速公路改扩建工程周边路网交通均衡诱导的重要基础。在对国内某高速公路改扩建工程周边路网交通运行状况调研的基础上,耦合了速度-密度关系模型和服务水平法,构建了交通瓶颈识别模型。然后,基于所构建的交通瓶颈识别模型,结合周边路网的通行能力和不同时段的服务水平,对周边路网不同时段下的交通瓶颈路段进行识别。     

基于FCD的桥下积水导致城市交通拥堵点段识别方法研究

城市暴雨天气不仅导致了城市大范围的交通拥堵甚至全路网交通瘫痪,同时还造成了严重的经济损失和人员伤亡.文中通过对比分析降雨导致桥下积水日和正常日天气状况下的快速路浮动车交通流特性,综合考虑积水导致交通拥堵的空间影响范围、积水路段的速度变化和时空分布情况,提出了基于样本量比率和交通流速度变化、速度差三者共同作为积水交通拥堵点段识别指标的方法.该方法可排除GPS受随机因素的干扰,减少积水时段内常发性交通拥堵的影响.并将基于ArcGIS程序应用识别算法与实际情况对比,分析结果表明该算法具有一定的准确性和实用性.      

基于环形线圈的城市道路路段交通异常自动检测方法研究

本结合城市道路交通流是间断流的特性，综合交通异常累积占有率检测算法和历史数据比较算法，给出城市道路路段的交通异常检测算法。     

考虑数据缺失的高速公路交通参数计算方法

为提高数据异常状态下的高速公路交通参数计算的精确度，提出了基于数据融合的交通参数计算方法，首先结合收费站数据对门架数据所缺失的行车记录进行填充，再根据每辆车的平均行程速度，利用两阶段的聚类算法剔除驶入服务区和行驶异常的车辆，最后计算各个路段的路段流量和路段平均行程速度，对缺失的交通参数利用融合时间特征的KNN算法进行填充。选取3 d 15个门架的行车数据作为实验数据。结果表明，门架数据行程记录缺失较大，平均缺失率为46.95%,其中门架数据记录最大缺失率为56.25%,最小缺失率为31.73%,并且速度较快的小客车相较于速度较慢的中大型货车的行车记录更容易缺失。两阶段的聚类算法可以有效地识别并剔除驶入服务区和行驶异常的车辆。在填充连续复杂缺失场景下的交通流时空数据集方面，KNN算法相较于最大似然估计、决策树、链式方程多重填补方法在RMSE指标上分别下降24.90、15.88、5.81,添加时间特征以后RMSE在原始KNN基础上下降3.03,证明了融合时间特征的KNN算法在填充连续复杂缺失的交通流场景下的可行性和有效性。数据异常情景下的交通流缺失值填充以及交通参数计算方法为管理部门在高速...     

交通分配和信号控制组合模型及算法研究

对传统的信号控制模型进行简化，既能使系统的总延误最小，又能保证交叉口的通行能力满足各个路段的交通需求，从而提高交叉口的交通效益，并针对模型的特点设计一种启发式算法——广义的拉格朗日算法，通过简单的算例说明算法是有效可行的。     

交通分析软件中路段方向性问题的处理技术

路段方向性问题对交通分析软件的交通网络建模、单／双向路段数据处理和图形显示技术等方面提出了更高的要求。文中重点给出一个适合路段方向性问题的交通网络模型，提供合理、有效的单／双向路段数据处理机制。介绍单／双向路段的数据转换方式，解决交通专题地图中单／双向路段显示的关键技术。路段方向性问题的有效处理技术将为交通分析软件提供更为合理的设计依据，从而提高其运行效率和应用效果。     

道路交通拥挤事件判别准则与检测算法

针对中国城市道路中存在的交通拥挤现象,通过对城市道路路段上环形线圈采集到的交通流流量和占有率数据进行对比性分析和统计推导,从理论上论证了交通拥挤产生的原因;提出了交通拥挤现象出现与消散过程的相对增量判别准则,并利用给出的判别准则构造出相应的拥挤检测指标,给出了城市道路路段上交通拥挤的平均占有率自动检测算法;最后结合实际调查的数据,对算法的正确性进行了验证。     

系统最优动态交通分配中一种实用的配流方法

建立了描述路段交通量变化的状态方程及相关约束，给出了一种新的动态系统最优配流算法。该算法通过在每个时段把车流分配至边际行程时间最小的路段上，从而最小化交通系统内车辆的总运行时间。该算法适用于多起点、多讫点以及O-D量随时间变化路网的动态系统最优交通分配，仿真结果验证了算法的有效性。     

非理想条件下路段通行能力的模糊识别修正法研究

本文从分析各种因素对道路通行能力的影响入手，研究了非理想条件下路段通行能力变化的机理，提出了车道利用损失率的概念，并在此基础上应用模糊识别的有关原理，得到了一种适合于各类路段通行能力分析的修正方法。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.      

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。