基于行程时间的车辆通行连续性分析

定点检测器采集的路段行程时间样本中通常包含连续通行和非连续通行两部分,针对连续通行样本的识别,传统的固定阈值方法无法提供合理的结论.将行程时间样本时间序列化后,利用其差值的平稳随机性质,采用基于统计学的离群点检测的参数方法分离样本比传统方法更加科学有效.通过实证分析,非连续通行样本的占比是一种能够分离样本的指标.关联性分析的结论表明,该指标在4 分钟车程长度以内的路段中取值平稳,在4 分钟车程长度以上的路段中取值则受到道路等级、路段长度、交通运行状态、区位用地性质等多种因素的综合影响.     

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.     

路段平均行程时间估计方法

为了有效利用线圈检测数据, 精确估计路段平均行程时间, 提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点, 通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程, 用Markov排队模型描述车辆排队过程, 用生灭过程描述排队车辆数, 得到车辆排队模型, 计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长, 计算了平均通过路口时间。计算结果表明: 平均行程时间估计值与实测值的误差小于12%, 说明路段平均行程时间估计方法可行。     

基于实时数据的路网行程时间可靠度模型研究

道路行程时间可靠度是衡量城市道路交通服务质量的指标之一。本文分析和处理道路实时交通数据．统计其行程时间的分布,并拟合行程时间的分布曲线。以此为基础,构建行程时间可靠度模型,并进行案例分析。本文研究得出：路段的行程时间服从正态分布;出行者要求可靠度越高,需要预估的行程时间就越大;即使出行者期望的可靠度相等,对应不同的出发时刻预估行程时间也不同。     

紧急救援车辆实时行程时间研究

以分析紧急救援车辆行驶特性、行程时间影响因素为基础，运用波动理论建立紧急救援车辆实时路段行程时间预测模型，给出模型的标定方法，结合实际数据标定模型参数、检验模型精度。     

基于极限学习机的公交行程时间预测方法

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.     

基于路径的行程时间可靠度评价方法研究

平均行程时间是交通运行评价工作及信息发布中经常使用的参数,但计算过程中由于采用算术平均而往往丢失了很多有用信息,其中就包括可靠度情况.因为现实中对于同一路径不同日期的相同时刻行程时间也是不一样的,人们为了准时到达目的地,出行前往往需要根据过去若干天的经验预估可能的异常情况影响,而这恰好是当前平均速度等交通指标所不能表示的.文章针对能准确反映这种不确定性对出行者产生影响的行程时间可靠度指标,进行分析及实证研究.     

路段行程时间估计的浮动车数据挖掘方法

基于浮动车数据, 提出一种信号配时信息缺失下的路段行程时间估计方法, 由交叉口范围动态划分、路段影响范围划分、浮动车数据提取与路段行程时间估计4个模块组成, 每个模块的实现均需借助于前一模块的输出。根据交叉口信号控制下的车辆行驶状态, 在交叉口范围动态划分与路段影响范围划分2个模块中, 利用密度法将单元路段划分为不同区域。根据路段行程时间估计原理, 利用浮动车数据提取模块过滤掉受信号控制影响较大的浮动车数据, 提取路段行程时间估计的目标数据。利用路段行程时间估计模块挖掘历史浮动车数据, 根据浮动车目标数据点存在区域的不同, 将浮动车数据分为3类, 并对不同类型数据采取相应的断面通过时刻估计方法, 建立基于不同数据条件下的行程时间估计模型。利用VISSIM软件对路段行程时间估计方法进行仿真验证, 并与直接法和间接法进行对比分析。分析结果表明: 对于粗粒度浮动车数据, 路段行程时间估计方法的平均绝对误差和平均相对误差分别为12 s和8.67%, 优于传统的直接法与间接法。     

城市快速路行程时间预测模型研究

根据快速路行程时间数据序列规律分析,选择移动平均参数预测模型、指数平滑参数预测模型与卡尔曼滤波预测模型进行比对.通过上海市快速路车牌识别设备采集的行程时间实测数据,对各种模型的效果进行评估,结果表明:卡尔曼滤波预测模型在不同数据特征案例情况下均取得比较理想的效果.     

�г�ʱ���������ݴ������о�

车牌照匹配技术的广泛应用为行程时间样本数据的精确获取提供了一种可行的方式。但是,由于各种客观原因,采集到的原始数据夹杂着大量的噪声数据,只有剔除了这些噪声数据,行程时间样本数据才能更好地应用于行程时间分析与服务。本文对产生噪声数据的原因进行了详细的分析,回顾了现有的噪声剔除方法,并分析其可能存在的问题;基于交通信息提取计算模型,提出了一种噪声剔除的新方法。以荷兰代尔夫特的一条城市道路为研究对象,基于实际数据对新方法和现有方法进行了对比分析。结果表明,新方法能够更好地剔除噪声数据。     

基于卡尔曼滤波算法的公交车辆行程时间预测

通过分析公交车辆的行驶特性,利用卡尔曼滤波算法建立行程时间预测模型,并用该模型预测未来时段的公交车辆路段行程时间.预测结果表明,该方法预测精度较高,可有效地改善公交车辆动态调度效果,提高交通资源利用率,因此该方法具有推广意义.     

应用车辆牌照自动识别系统自动检测行程延误的算法研究

为实现行程延误信息的实时自动采集,并提高信息采集的准确性,本文提出了应用车辆牌照自动识别系统实时自动采集行程延误的思想,并设计了面向路网的行程延误算法．该方法可以为交通管理与控制、路线诱导及交通规划等方面的研究提供重要的基础数据,具有广泛的应用前景．     

不同交通流运行状态下的行程时间可靠性分析

行程时间可靠性可以直观反映道路交通流的运行状况,为管理者和出行者提供决策依据。本文以车牌识别系统数据为行程时间数据来源,每10 min作为一个出发时段,研究行程时间可靠性在全天的分布情况。提出了从运行效率和运行稳定性两个层面定义行程时间可靠性的内涵,并通过相关性分析,将现有常用行程时间可靠性指标分成了两类。提出了基于行程时间的交通拥挤判别方法,依照拥挤情况对交通流运行状态进行了分类,分析了行程时间可靠性随交通流运行状态的变化趋势:从效率层面讲,行程时间可靠性与交通拥挤情况的变化趋势完全一致;从稳定性层面讲,稳定交通拥挤时段行程时间可靠性较高,而交通流转变时段行程时间可靠性较差。     

���ڳ���ʶ�����ݵij��е�·����ʱ��ֲ����ɼ����Ʒ����о�

利用北京市道路交叉口的车牌识别数据,应用假设检验的方法研究城市快速路及主干道的旅行时间及其可靠性的分布与估计方法.首先使用四分位数据筛选法对原始数据进行了筛选,获得分析所用数据集.其次对旅行时间的分布进行了研究,提出了与旅行时间有关的分布假设并进行了相应的检验分析,随后研究了旅行时间分布与路段道路运行状况的关系.基于对北京市的数据分析可以看出,道路拥堵时旅行时间分布多接近Weibull分布,通畅时接近对数正态分布.最后,本文进一步探讨直接利用正态分布进行数据拟合以及参数估计的可行性.案例分析显示,使用正态分布估计旅行时间平均值误差较小,但对旅行时间可靠性的估计则误差较大.     

出行时耗预算机理解析

从20世纪60年代开始,一些学者发现城市居民人均日出行时耗在不同年份表现出一定的稳定性;扎·哈维提出日平均出行时耗预算相对恒定假设。首先,通过国内外全日、单次出行平均时耗变化的历史数据,验证了出行时耗的相对稳定性。在解析出行时耗相对恒定形成机理的基础上,重点分析单次通勤出行时耗分布机理,并提出相应的模拟公式。同时,探讨交通拥堵状况对出行时耗分布的影响作用,分析表明较小的出行时耗增加可能隐含较大程度的交通拥堵。最后指出,应结合中国城市居民的出行时耗预算,为其适宜的交通模式规划路网和城市用地布局。     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。