基于大数据架构的智能交通信息处理的研究与设计

随着交通领域的信息资源越来越庞大,传统的处理方法难以支撑海量数据的实时计算、低延时查询和统计分析等需求。文中提出一种基于Hadoop大数据架构的智能交通信息处理的设计方法,通过分析智能交通领域的应用需求状况,研究结合大数据处理技术的计算模式,处理多用户需求及大规模海量的交通数据,实现大数据的共享的、高效的存储和计算方法,不仅动态实时地、按需地提供个性化服务,还能构造交通管理、出行参考、监控刑侦等全方位、多角度的智能交通信息处理体系。     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

大数据在交通信息化中的应用研究

大数据在当今社会发挥重要作用，并在各个地方的智慧交通建设中逐步应用。它是一场智能、创新的技术变革。“数据交通”已是大势所趋。为了探索大数据技术在昆山市交通信息化中的进一步应用，先从交通大数据的来源及使用特点入手，然后采用大数据技术研究了昆山市市民出行和行业监管方面的实际成效，最后就如何提高交通大数据的应用价值，实现各部门数据资源的协同共享，业务系统的互联互通，并为建立一个更加健全合理的智能交通系统提出了建议。     

基于视频图像处理的微观交通数据的获取

微观交通数据对于通行能力的分析、智能交通系统的建立、异常交通状态的识别、微观交通流特性的研究以及微观交通仿真技术的发展具有重要意义.随着视频采集技术在交通领域应用的日益增加以及图像处理技术的发展,使得获取微观交通数据成为可能.鉴于此,利用摄影学原理,实现了图像坐标与实际坐标的转换,并从视频中提取了车辆的行驶轨迹、车速和车头时距,为研究微观交通系统提供了数据支持.     

大数据及其在城市智能交通系统中的应用综述

大数据给城市智能交通系统的技术发展与应用革新带来了机遇和挑战.从交通大数据的基本概念、交通大数据带来的问题和大数据驱动的数学建模方法等方面,阐述了交通大数据给智能交通系统带来的变革.为了深入理解交通大数据的内涵,分析交通大数据的产生背景,提出了交通大数据的“6V”特征,总结了智能交通系统中大数据的基本类型.面对交通大数据带来的数据安全、网络通信、计算效率和数据存储等诸多问题,提出了应对策略和思路.对数据驱动的建模方法进行了分析,说明了混合模型的意义.最后,讨论了大数据驱动的智能交通系统的体系框架.     

�������ܵ������ݵĹ���IC���˿��ϳ�վ���жϷ���

为了能够应用公交IC卡数据分析公交乘客的出行特征,对判断公交IC卡乘客上车站点的方法进行研究.以南宁市智能公交系统为例,采集公交IC卡收费系统和公交智能调度系统的运营数据,应用数据仓库技术建立智能公交数据分析平台.通过将智能调度系统数据与公交IC卡收费系统数据进行关联,判断公交IC卡乘客的上车站点,对提出的方法进行精度分析和算法实现,并应用海量的智能公交系统实际数据对算法进行了试验.研究结果表明,本文提出的方法判断公交乘客上车站点的准确率达到98%以上,算法效率满足实际应用需要,该方法能够用于公交系统的规划和管理工作.     

城市智能交通大数据平台的模型库研究与设计

城市智能交通的发展,逐步从传统的设备迈向模型库、知识库的建设和应用。论文研究了城市智能交通大数据平台的模型库框架,设计了交通状态判别模型、交通专题分析模型、跨专题交通大数据分析挖掘模型以及交通仿真与平台融合等模型库,实现道路交通状态判别、交通专题分析、交通大数据分析挖掘、数据共享、仿真决策等功能,以更好的为城市交通管控、规划、决策提供数据支撑。     

浅谈深度学习技术在交通态势预测中的应用

随着区域经济的增长, 公路通行需求呈爆炸式增长。 高速公路作为区域的主干道和大动脉, 路网通行能力和通行需求之间的矛盾越来越突出, 拥堵成为高速公路运营管理最大的痛点之一。 高速道路运营单位、 政府管理部门亟需一种实时性强、 可靠性高的路况分析技术为拥堵治理提供服务。 传统的分析技术 (如机器学习、 统计学方法等) 无法满足处理海量的多源异构数据的需求。 随着近十年来大数据技术和 GPU 计算能力的发展, 深度学习技术这门新信息技术日益成熟, 拥有强大的数据处理能力。 在交通态势预测领域, 借助深度学习技术处理海量的交通数据可以实现道路通畅度的高精准、 高可靠性预测, 再辅以主动管控和车路协同技术来提升高速路网的通畅性和安全性。 文章首先简要介绍深度学习技术的发展历史和交通态势预测领域的发展现状, 再浅析深度学习在智慧高速中的应用场景, 最后分析深度学习技术面临的隐患并进一步对深度学习进行展望。     

交通状态划分的参数权重聚类方法研究

由于交通流量、速度、占有率或密度等参数在交通状态划分中作用不同,本文提出了基于参数权重聚类的交通状态划分方法.根据交通参数数据的相似性,应用基于加权欧氏距离的相似性度量方法构建了交通参数评价函数,并用梯度下降法极小化评价函数对交通参数权重进行求解.将交通参数权重应用于模糊C均值聚类算法（FCM）,得到基于参数权重的FCM道路交通状态划分方法.应用提出的模型对选取的实际交通参数数据进行交通状态划分,并与基于欧式距离的FCM状态划分结果对比.研究结果表明,本文提出的方法提高了交通状态划分精度,更接近交通实际运行状况.     

城市道路交通流实时数据质量控制技术

随着城市交通系统越趋复杂．交通数据量越趋庞大．传统的历史数据修正方法和交通流理论修正方法在数据质量控制上渐显不足,以致隐含在交通流数据中的真实规律得不到体现？文章总结归纳国内外相关领域的研究成果,结合广州市在建和已建智能交通系统中数据质量控制技术现状,提出一种基于数据类型、缺遗原由等特征的城市道路交通流实时数据质量控制技术,并且通过实际工程应用案例验证了该项技术能有效解决交通数据处理的;住确性、可靠性和实时性问题。     

Urban Traffic Situation Calculation Methods Based on Probe Vehicle Data

Urban traffic situation information is the basis of effective traffic guidance and traffic control. It is usually expressed by average speed and average travel time of the vehicles on the road. On the basis of the error analysis of the algorithms based on average speed and average travel time, this article promoted the urban traffic situation calculation methods based on probe vehicle data. And experiments were made based on probe vehicle data provided by the taxi management system of Guangzhou, China, combined with the data by the method of vehicle license timing and vehicle following. The results proved that the method is quite effective and practical.     

���ڸ����������ij���·�����㷽��

城市道路交通运行状况信息（路况信息）的准确、实时的获取和处理是交通诱导、交通控制等应用的基础。而路况信息一般用路段平均通过时间和平均速度来表示。本文在分别对基于平均速度和基于平均通过时间的算法误差分析的基础上，提出了基于浮动车技术的城市路况计算方法。并利用广州市出租车综合管理系统提供的浮动车数据，结合车牌计时和跟车测试等实验对该方法的有效性进行了验证。实验结果表明本文所提出的方法是有效且实用的。     

基于自适应加权平均的路网MFD估测融合方法

路网宏观基本图(Macroscopic Fundamental Diagrams,MFD)的估测方法有基于固定检测器数据估测法和基于浮动车数据估测法,但很少有文献将两者结合起来,鉴于此,本文提出以车联网环境下联网车数据估测的交通参数为检验数据,引入动态误差,建立两个自适应加权平均数据融合模型,对两种估测法所得的路网加权交通流量和路网加权交通密度分别进行数据融合,从而更加准确地估测路网MFD.为验证模型的有效性,以广州天河区核心路网为研究区域,通过Vissim交通仿真建模分析,对比各种估测法所得路网MFD参数的平均绝对相对误差、路网MFD的状态比和差异值.结果表明,经数据融合后的路网MFD参数平均绝对相对误差和路网MFD差异值均最小,最接近标准路网MFD.     

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.      

基于实时信息的公交运行速度控制策略与算法研究

针对公交运行到站时间不稳定的现象,本文提出实时的公交速度控制方法,以车头时距平均绝对误差最小为目标进行求解.设计了3种公交运行场景,基于实时道路交通状态及乘客到达率,求解期望速度.并通过数值仿真对公交车头时距的稳定性、公交运行时间的可靠性、乘客等待平均时间及运行速度进行评价.结果显示,3种场景下,不考虑道路交通流影响的速度控制方法效果最佳,可以提高公交车头时距的稳定性(77.63%)及公交运行的可靠性(93.5%).如进一步考虑道路交通流影响,乘客的平均等车时间会略有增加(6.12%).因此速度控制方法更适用于受道路交通流影响较小或长度较短的线路.此外,本研究还发现,在要达到公交运行可靠性的目标下,公交站间运行速度并不是越快越好.     

城市道路交通系统频谱分析方法及应用

对实际道路交通系统特征的研究是通过分析布设在路网中不同地点大量交通信息采集设备采集的数据来进行的。交通信息采集是对城市道路交通系统在时间和空闻上一个采样过程,其数据具有时问和空间属性．本文系统地建立了一种城市道路交通系统频谱分析方法。对于时间采样,通过功率谱分析认为：不同的数据采样间隔,获得的交通信息不同,从而分析出的...     

����BRT���ź���ʱ�ĸɵ�ͨ����������

由于城市道路交通行为的复杂性以及高质量交通数据的缺乏,实时估计城市主干道的旅行时间具有一定的难度.基于实时的快速公交（BRT）以及信号配时数据,作了一系列研究,用以估计主干道旅行时间以及交通服务水平（LOS）.本文通过将公交车的排队延误时间、平均信号灯等待时间和自由流旅行时间综合在一起来实现旅行时间的估计.并以Valley Transportation Authority（VTA） BRT和智能驾驶系统作为数据源进行实验.实验结果表明,本文提出的估计主干道性能的方法非常有效.其中根均方误差（RMSE）和根均方百分比误差（RMSPE）分别为49s和9%,LOS估计的精度高达73%.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于实时交通数据的路网展示系统的开发研究

深入研究实时交通数据,并将其应用在交通管控系统中,研究开发出实时交通数据路网展示系统,可为交通管理者提供辅助决策的依据,增加道路交通指挥的反应时间,起到提前知晓、提前疏导的作用,同时也为交通参与者提供实时路网信息,为现有的道路导航系统提供道路状态信息。