基于卡口车辆识别数据的车辆路径识别

车辆出行路径数据是城市道路交通调查的重要数据,如何利用卡口车辆识别数据推算车辆路径,是交通大数据处理的一个典型问题.通过开源OSM地图,识别卡口间路径,可获得卡口间路网距离矩阵,并经计算转换为卡口间旅行时间矩阵.然后基于车辆多次出行的连续性条件,采用时间阀值条件匹配算法将车辆全部卡口识别数据打断,获取出行链表.仙桃市城区车辆路径推算实例的实现简洁高效,可在类似项目中取代传统车辆出行调查.     

基于活动链的出行需求预测方法综述

基于活动链出行预测理论主要研究人们对社会经济活动(以下简称活动)和出行行为的决策特性。介绍此理论的发展过程,给出6个重要的模型系统,并简要评价各个模型的优缺点。然后简单介绍1994年由Ben Akiva提出的基于活动链出行需求模型,进一步说明系统的框架和预测过程。通过对基于活动链理论发展过程和实际模型应用效果的分析,给出目前模型系统存在的缺点和问题,探索改进出行需求预测方法的途径。     

出行公司车辆数据运营管理

以出行公司大数据产品及技术为核心,在出行公司的车辆运营及管理等方面充分发挥大数据的优势,实现出行公司车辆运营管理数据化、数字化、自动化、智能化。从出行公司数据来源、数据传输、数据存储、数据处理和数据应用几个层面,对出行公司在车辆安全管理的大数据应用情况进行介绍,分析大数据在出行公司车辆管理方面的应用价值和意义,并对大数据在未来出行行业的发展和应用进行展望。     

基于出行链理论的城际旅客出行特征研究

在传统"四阶段法"不满足城际出行研究要求的情况下,借鉴出行活动分析理论对城镇群内城际出行行为进行研究。通过构建城际出行链理论模型,结合长江三角洲城镇群旅客城际出行调查数据,采用统计分析方法,探讨了城镇群内旅客城际出行全过程的时空变化规律,分析了各类客流在城际出行不同阶段的差异性。     

基于定位数据的旅游出行链提取方法及客流时空特征分析

旅游交通出行信息的提取为挖掘旅游者出行时空特征提供数据基础,从而对旅游交通规划与设计、旅游客运优化以及多模式旅游交通协调系统构建等提供支持.本研究以客运包车定位数据为基础,利用DBSCAN算法建立了旅游出行停留点识别方法,并基于关联规则技术提出了出行链提取、分类方法.论文以青海省热度排名前三的青海湖,塔尔寺和茶卡盐湖为研究对象,从多时间粒度挖掘了旅游出行者的旅游交通客流月/日变特征和旅游时间分布特征,以及旅客出发时间、抵达时间、景区驻留时间等信息.论文的主要方法及研究结论可为政府主管部门、景区监管部门以及交通运营管理部门提供决策支持.     

基于车辆行驶数据的驾驶风格识别

车辆驾驶员驾驶风格对于汽车的燃油经济性和行驶安全性有重要的影响。文章就基于车辆行驶数据在驾驶风格识别方面的研究进行综述,首先介绍了驾驶员驾驶风格识别的基本流程,接着论述不同学者在驾驶风格识别方面使用的算法模型,包括支持向量机（SVM）算法、反向传播（BP）神经网络算法、随机森林模型算法,然后基于实际车辆行驶数据,利用不同驾驶风格识别模型对其进行实现分析,最后对驾驶员驾驶风格识别的研究工作进行了展望。     

基于GIS的城市公交出行时间链研究

分析城市公交网络的各种空间实体数据和属性数据,建立了基于GIS的公交网络信息数据库。利用GIS空间分析与决策功能,分析研究乘客公交出行时间链,采用Logit反推模型,结合苏州市公交规划调查数据,回归计算出公交出行时间链各部分权重值。公交出行时间链的研究是公交网络配流及网络优化的理论基础,其权重值的分析计算具有重要的实用意义。     

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.     

基于乘客出行链的公共交通服务质量评价研究

基于乘客观点的公共交通服务质量评价方法对于改善城市公共交通的服务质量、选择公共交通线网资源优化方案具有重要意义.文中从乘客完整出行链的角度出发,在分析公共交通出行影响因素及出行决策过程的基础上,从公共交通的可用性、便捷性、经济性、安全性和舒适性5个方面建立了人性化的公路交通服务质量评价体系,并对指标进行量化处理与分级界...     

基于马尔可夫链的车辆规划行驶工况构建方法研究

为准确反映车辆在实际道路上的行驶运动特征,提出马尔可夫链融合在线地图信息的车辆行驶工况构建方法。对实际采集的车辆行驶数据进行清洗、分段,通过主成分分析（PCA）法和K均值（K-Means）聚类法对数据进行聚类分析,建立了基于马尔可夫链的典型工况片段库。将在线地图规划路径的道路信息融入片段库,构建了车辆行驶工况。以某款纯电动车为研究对象进行了仿真分析,仿真结果表明：与在线地图基础规划工况相比,采用基于马尔可夫链片段库构建的在线地图规划行驶工况,车辆能耗更接近实际道路工况,特征参数平均误差仅为4.29%,能耗误差仅为4.09%。     

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。

     

通勤者出行方式与出行链选择行为研究

通过分析2005年北京市居民出行调查数据,构造通勤者上班出行方式选择和出行链类型选择相互影响的NestedLogit模型,分别建立出行方式→出行链和出行链→出行方式两个方向模型结构,采用统计软件STATA9.0对模型进行标定,并利用包容系数对Nested Logit模型的结构关系进行辨识。结果表明,出行方式选择和出行链类型选择之间不是单方向影响关系,而是一种双向的相互作用关系;出行链→出行方式选择决策较为合理,反应通勤者倾向于首先考虑如何组织当天要参加的各种活动,然后在出行链安排的约束下考虑选择合适的出行方式。     

基于雷达测距的车辆识别与跟踪方法

本文中提出了一种基于雷达测距的车辆识别与跟踪方法,以准确地识别道路上的车辆目标。首先对采集到的每帧数据采用自适应距离阈值的方法进行聚类分析。在聚类内部采用端点迭代拟合算法提取线段,在此基础上得出目标的特征向量,并据之识别车辆目标。然后通过计算特征向量的代价函数进行多目标关联,利用卡尔曼滤波器根据关联结果更新目标的状态。最后,以智能车辆BJUT-IV配备LMS291激光雷达在校园道路上对本方法进行验证测试,结果表明,提出的方法能够准确地对多个行驶车辆进行跟踪。     

基于互联网出行数据的停车设施选址规划方法

为解决不确定需求下的停车设施选址问题,提出了基于互联网出行数据的停车设施选址规划方法。该方法基于居民通勤数据估计停车需求、识别备选停车设施点,并以停车设施的建设维护成本、停车设施到停车需求点的步行距离最小化为目标,构建不确定需求下的停车设施选址优化模型。为验证模型的可行性,基于北京市2021年9月—11月的居民通勤数据,针对海淀区中关村附近区域,构建并求解模型,并对建设维护总成本变化与停车需求不确定性之间的关系进行研究。研究结果表明：停车设施点的最优配置数量及其车位规模会随着停车需求被满足的置信水平（即实际停车需求小于或等于停车设施容量的概率）的提高而增加,且当置信水平达到0.9时,建设维护总成本变化显著提高,此时停车设施点的数量为30个,停车位总数为28 862个。此外,建设维护总成本对停车需求不确定性水平较敏感,会随着停车需求不确定性的提升而增大,在停车需求不确定性水平分别为0.4,0.5,0.6时,停车设施建设和维护的相对总成本变化率分别为1.25,1.75,2.25,而在同一置信水平下,停车需求不确定性越高,相对总成本变化率越大,相对总成本对需求不确定性也较敏感。本研究对停车设...     

基于地磁的车型识别模糊数据融合方法研究

把由各向异性磁阻传感器检测获得的地磁曲线视为车辆磁偶极模型的映像,通过分析车辆地磁曲线的峰值、峰谷比、峰值时间、谷值时间、车身长等特征的选择和提取,建立相应车型特征向量;然后,依据各类车型特征,应用三角形隶属度函数特征描述和模糊数据融合,提出了一种基于地磁传感器实时数据采集的车辆检测与车型识别流程和车型识别分类算法;最后,通过一组实际采集的车辆检测数据的分类结果,比较了4种模糊数据融合算式的差异,证明了车辆识别分类算法的有效性,并讨论了有待进一步研究的问题。     

蓝色车辆号牌引发的有害气体排放

空气污染加剧,已经到了让人无法漠视的地步。更让人焦虑的是,至今各个部门对污染源的认识没有形成统一意见。找到问题的源头是解决问题的第一步。在笔者看来,大气污染,绝不是一个部门或者几个人的问题,这是社会各个层面上的问题共同导致的结果,谁也跑不了,谁也躲不开。我们要改善空气质量,必须从各个领域,从人类活动与生产的各个环节去发现问题,解决问题。     

基于行为识别和曲率约束的车辆轨迹预测方法研究

为对智能车周围环境中车辆的行驶轨迹做出合理、有效的预测,提出了一种基于行为识别和曲率约束的车辆轨迹预测方法。首先,接收感知得到的障碍物信息,结合高精度地图提供的车道线信息,对车辆进行行为识别;然后建立s-l坐标系,将车辆运动分解为沿车道线方向(纵向)的运动和垂直于车道线方向(横向)的运动,依据行为识别结果得到车辆在横、纵向运动的多项式方程;再以高精度地图中的车道线曲率作为约束,筛选出一条最优的预测轨迹。实车实验结果表明,在车道保持、换道和转弯3种基本行为下,车辆在4 s内的轨迹平均预测误差分别为:0.52,0.51和1.03 m,较CTRA模型预测误差分别减小了1.81,4.48和5.49 m,单个车辆轨迹预测平均耗时为0.103 ms,验证了本文中所提方法的有效性、准确性和实时性。     

基于大数据的出行方式分配预测研究

随着城镇化及城市交通机动化的进程加快,在城镇化和机动化的共同作用下,交通拥挤问题已经成为制约城市发展和影响居民生活质量的主要问题之一。居民出行行为研究在交通管理和控制中有着非常重要的作用。结合多元大数据,构建出行方式选择的概率模型,有助于不同小区的出行方式分担率的预测,对缓解城市交通压力、提升运营管理能力有直接作用。本文基于小区出行分配、公共交通和非公共交通以及公交和轨道出行三个层级,分别得出出行分配预测模型,并形成计算机程序。利于实际应用,对识别城市出行特征、缓解城市交通压力提供有效措施。     

RFID数据驱动下出行路径选择方法研究

精准掌握车辆的出行特征是有效解决交通拥堵的重要前提之一.文中针对现有出行路径选择方法受模型局限性影响,无法深入挖掘出行者的出行特征来研究出行行为的问题,结合R F ID数据可靠度高、完整性强及准确性大的优势,构建车辆出行特征指标体系,基于高斯隐马尔可夫混合模型对车辆出行特征进行建模研究,提出通过结构方程模型表征路径级阻...