基于云模型的城市快速路交通状态评价方法研究

交通状态具有模糊性和随机性的特点。基于北京市快速路检测线圈数据,引入了基于云模型的模糊系统来评价快速路交通状态。在充分分析交通流特性的基础上,提出了交通状态划分原则、依据,评价指标,以及基于云模型的模糊综合评价方法的算法流程。为实施交通信息发布以及后期交通状态的改善提供依据。最后,以北京市快速路系统为例,进行实证研究。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

基于模糊聚类和判别分析的交通状态提取算法

针对交通状态的模糊性和不确定性,在综合考虑交通流3个参数（流量、速度、占有率）的基础上,设计了城市道路交通状态提取算法。采用模糊聚类技术,对覆盖所有交通状态的历史数据进行聚类分析;根据聚类结果,对交通数据进行判别分析,判断其所属交通状态;用实测交通数据进行了状态提取实验,并和问卷调研的统计结果进行了对比分析,结果表明该方法能够有效地进行交通状态的提取,可以准确反应道路使用者的真实感觉。     

道路交通安全感综合分析

通过研究交通安全感的影响因素，全面分析交通安全感所具有的模糊性，滞后性及可测性，指出交通安全感对公民的交通行为的具体作用。文章在最后提出了量化交通安全感的评价方法和调整公民交通安全感的几项具体措施。     

公路建设项目的模糊综合评价

公路建设投资大、相关因素多，确定方案时必须用综合评价方法进行优选。在众多相关因素中，有一些指标及因素间的关系具有模糊性，把它们简单地视为量化指标和人为地划分界线，会使方案的优化结果产生偏差。基于模糊数学理论的模糊综合评价则是实践证明了的一种较为适宜的评价方法。模糊综合评价首先要确定模糊集，找出描述模糊集的隶属函数，建立数学模型后进行模糊综合评价、这种方法操作方便，得出的结果客观、科学。当然，为提高评价结果的精度，某些环节还有需要进一步研究的内容。     

不同时间间隔下的道路交通状态判别

为了提高城市道路交通状态评价结果的准确性,确定合适的交通状态评价间隔,以连续通过断面的车辆数作为划分评价时间间隔的依据,基于集对分理论建立了交通状态评价模型。首先为了提高评价模型的运行效率,在总结分析当前研究现状的基础上,提出了以通过路段断面的车辆数来划分评价时间间隔,以车辆的瞬时速度作为交通状态识别的单一指标。其次根据集对分析的原理,以集合A(实测数据)与集合B(判别指标的标准构成)构建了集对H(A,B),从同、异、反3个角度出发,建立了基于五元系数的道路交通状态评价的模型。最后为了验证模型的有效性,以西安市某路段的实测数据为例,分别利用模糊评价法和集对分析法对此路段的交通状态等级进行了判别,证明了该方法的优越性。研究发现:两种方法的评价结果基本相同,但是基于集对分析理论的交通状态评价方法对速度的变化反应更为灵敏,得到的交通状态转变曲线更为平滑,在一定程度上可以更好地反映交通状态转变的过程性和渐变性;评价时间间隔划分得越小,交通状态对速度的变化反应越灵敏;但当评价时间间隔小于1 min时,交通状态评价结果不再受时间间隔的影响。     

1种基于浮动车数据的多车车速融合算法

在浮动车处理技术中,多浮动车样本车速的融合是整个计算的最后1个环节,算法的好坏直接影响到动态交通信息的准确性。从多权重系数和多种路况状态的角度构建了1种新的基于浮动车数据的多车车速融合算法,该算法从浮动车行驶特征等角度,综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速,提高了实时路况的准确性,并且可根据实际交通环境快速调整相关参数。最后通过实证分析对其准确性进行了评估验证,结果表明能有效提高动态交通信息的准确性,具有良好的实用性。     

基于判别分析法的交叉口进口道交通状态预测

针对交叉口进口道交通状态的模糊性和不确定性,在综合考虑影响进口道交通状态因子的基础上,选取到达率、排队长度、信号周期、饱和度和车道数为预测交叉口进口道交通状态的影响因子。采用判别分析法中的Fisher判别法,利用调查得到的样本数据建立了交叉口进口道交通状态预测模型,并用调查得到的验证样本进行验证,结果表明利用Fisher判别法能够有效的进行交叉口进口道交通状态的预测。     

交叉口信号控制模型指标权重的确定方法

交叉口信号控制评价指标的权重系数应随控制策略的不同而变化。根据各个进口道流量和占有率的关系,可以把交叉口交通状态划分为空闲、顺畅、繁忙和拥堵4种类型。考虑4种交通状态下交通流的不同特点,运用层次分析法,对机动车平均延误、平均停车时间、车道通行能力、车辆排队长度和行人平均延误等评价指标建立判断矩阵,通过计算特征向量,从而确定各个评价指标的在信号控制模型的权重系数。最后对佛山市实际交叉口的例子进行计算和仿真,结果表明,基于层次分析法的权重确定方法综合反映了不同交通状态的控制需求,提高了权重制定的准确性和客观性。     

基于多指标融合的单交叉口运行状态实时评价方法

为有效评价单交叉口处的运行状态,从而为交通管控方法的制定提供依据,研究了一种基于多指标融合的单交叉口运行状态实时评价方法.通过研究视频检测技术可获取的实时交通参数,确定了流量比、车速比、空间占有率和排队长度比4个评价指标.运用层次分析法计算出各指标权重;借鉴可拓物元法框架,构造交叉口待评物元矩阵,计算其关联系数,结合各指标权重,得到综合关联度,即交叉口运行状况评价得分.以徐州丰县的交叉口为例,运用Vissim仿真获取不同交通状态下的交通参数,应用上述方法进行交叉口运行状态评价,结果显示该方法能有效反映交叉口运行状况,具有良好的实时性和应用可行性.      

道路交通状态识别技术研究

交通拥堵和突发事件已成为困扰当前城市交通的2大难题,重点讲述了如何识别交通状态,提出了1种基于模糊推理的交通拥堵等级评判算法和1种基于双变量模型的交通事件识别算法。经过验证,这2种算法可达到较好的交通状态识别效果。     

模糊综合评判模型在道路交通安全研究中的应用

该文阐述了基于影响道路交通安全的诸因素的特征,通过专家咨询确定评价指标及权重。运用模糊综合评判模型对道路交通安全进行综合评价。并通过实例验证模型的准确性。     

服务于高速公路实时容错性评价的车辆检测器布设研究

车辆检测器采集到的信息的准确度与检测器的空间密度和空间位置有极大的关系,而目前车辆检测器的布设却没有统一的标准。本文以高速公路实时容错性评价模型为基本的分析方法,首先通过道路线形安全评价对高速公路进行路段划分,然后采用仿真手段研究车辆检测器不同布设间距条件下,高速公路实时容错性评价模型对交通事件响应时间的变化规律,最后得到服务于高速公路实时容错性评价的车辆检测器布设方法,并给出各种路段安全等级和交通量条件下的车辆检测器布设间距推荐值。     

基于时空图的交通状态转变时刻的判别方法研究

针对交通状态转变时刻的判断问题进行了研究,在传统的交通状态研究模型基础上提出了时空图在状态判别中的应用,并在利用前人提出的调整累积曲线方法进行了比较,证实了引入该方法的有效性和准确性,提高了对交通拥挤转变时刻的判定上的准确率,在交通流特性的研究中起到十分重要的作用。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

基于时间卷积自编码网络的实时交通事件自动检测方法

为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。     

城市快速路基本路段运行状况评价方法研究

与传统的服务水平评价不同，采用能够综合反映道路管理者和道路使用者共同要求的评价指标——临界密度比对城市快速路基本段的运行状况进行评价；根据快速路交通信息采集系统提供的大量数据，比选了适合的交通流模型，并对临界密度进行标定；最后给出了评价指标的等级划分和对应状态的描述。     

基于改进的可拓学模型的城市道路隧道交通安全评价

为提高城市道路隧道的交通安全性,克服运营隧道安全评价难以进行定量分析的不足,根据改进的物元可拓学模型和变权理论,建立城市道路隧道交通安全评价模型,基于相关规范和已有研究成果,构建评价指标体系和指标定量分析标准。运用该模型进行实例分析,结果表明： 实例隧道1的交通安全等级为“低/3级”,偏向等级“较高/2级”; 实例隧道2的交通安全等级为“较高/2级”,与2座隧道的实际运营状况比较相符。将所建模型与其他常用评价模型进行对比分析,验证其实用性。从指标综合权重可以看出,路面亮度的均匀性和车型混杂率对评价结果影响较大。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。