基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左（右）客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明：(1)所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;(2)同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。     

基于数据可视化的区域交通状态特征评价方法

引入交通拥堵时空累积指标对区域交通运行状态进行判别与定量分析, 建立拥堵源与拥堵评价点之间的函数关系以构建可视化模型, 利用梯度方向直方图与主成分分析法对交通运行状态数据进行特征提取, 并利用高斯混合聚类方法对特征数据进行聚类, 划分区域交通拥堵的空间分布模式。选择了广州23 478辆出租车, 得到了509 376个数据样本, 并对交通路网拥堵模式进行识别和划分, 分析和评价了城市交通拥堵分布特性。试验结果表明: 3个样本的拥堵强度平均值分别为0.558、0.559、0.559, 交通拥堵聚集度指标分别为3.518、3.121、2.800, 3个样本的整体路网拥堵强度相同, 但是空间拥堵分布有较大差异; 广州在拥堵等级为6时的3种拥堵模式的主要聚集区域数分别为2、4、3个, 符合实际调查结果。可见, 本文提出的方法能更科学直观地描述区域交通拥堵程度和分布情况以及空间层面上的城市区域交通运行规律。     

基于TOD的哈尔滨市交通规划研究

通过对哈尔滨市公共交通现状的调查,以TOD模式作为哈尔滨城市规划的出发点,分析哈尔滨市公交发展的概况以及路网布局和客流分布的特征,由此预测哈尔滨市的公交需求总量,界定其公交走廊线路,分层次地规划研究哈尔滨市的公交方式,以期为相关研究提供一些参考。     

城市交叉口交通运行现状评价方法研究

本文提出如何利用主成分分析一聚类分析法对城市交叉口交通运行现状进行合理的评价研究，可以针对每一类别的特点，实行分级治理的措施，提高工作效率。     

西部地区交通区域划分问题的研究

西部地区幅员广阔,交通与经济的发展表现出很大的地区差异性,同时交通与社会经济的发展又有着密不可分的关系,在不同的现实条件下,交通发展与经济发展之间的适应性严重影响和制约这一个地区的协调与进步.本文从交通与经济发展相协调的角度出发,利用主成分分析与层次聚类分析方法对西部地区进行交通区域划分,研究结果对于了解西部区域间交通发展的差异性及制定区域交通策略具有一定的意义.     

基于集成学习算法的航路网络航段交通拥挤识别方法研究

基于航路网络ADS-B航迹数据定义航路网络航段交通流量、航段交通密度、航段交通饱和度、航段交通接近率4 项交通拥挤状态评价指标;采用模糊C均值聚类算法和航段历史交通拥挤状态评价指标参数划分航段交通拥挤状态等级;结合集成学习算法构建航路网络航段交通拥挤状态识别模型,实现航段交通拥挤状态的识别. 实证分析表明：航路网络交通拥挤状态集成学习识别模型对实验航路网络航段交通拥挤状态识别准确率达到98.34%,采用决策树基学习器优于k 近邻基学习器,且增加的集成学习基学习器数量可提升模型的识别精度;集成学习识别模型的识别性能优于BP神经网络模型,识别方法符合实际且具有应用价值.     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

城市快速路交通拥堵持续时间分布特性研究

依托上海市南北高架西侧的交通流数据,引入生存分析方法,建立基于风险的交通拥堵持续时间模型。其根据大量交通拥堵样本的时间属性,采用Kaplan-M eyer非参数回归模型定量估计拥堵持续时间,并按星期数、高峰时段、数据年限、样本位置和天气划分五类影响因素,从生存函数和危险函数两个方面,分析拥堵持续时间的时空分布特性。结果表明上海市南北高架西侧的交通拥堵持续时间70％能在1小时内消散,在不同类别的影响因素下分布特性存在明显差异。     

典型交通设施对道路交通事故致因影响分析

在分析黑龙江省2006～2010年间1万多起道路交通事故数据的基础上,选取道路交通控制设施、路侧防护设施、道路物理隔离设施、照明设施等四类典型道路交通设施作为研究对象,分析不同敏感条件下（如不同道路类型、不同天气条件、不同事故形态、不同路表条件等）发生的交通事故形态与特征,据此分析道路交通设施对交通事故发生的影响情况,这将有利于道路交通设施功能的有效发挥,道路交通安全度的提高,也有利于道路交通设施的管理与维护。     

不同交通监控设施对车辆闯红灯行为的影响研究

通过对哈尔滨市4个不同交通监控设施的交叉口驾驶员闯红灯违法率的调查和对比,发现安装电子执法设施的可以分别降低绿灯末期、绿灯初期闯红灯违法率15％和30％;安装交通信号倒计时器对绿灯末期闯红灯违法率无显著影响,但会增加绿灯初期闯红灯违法率150％以上;而同时安装了电子执法与交通信号倒计时器,可以分别降低绿灯末期、绿灯初期闯红灯违法率17．6％和30．4％。建议同时安装电子执法与交通信号倒计时器以降低绿灯末期与绿灯初期的驾驶员闯红灯违法率．     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

车辆装载几何参数超限识别方法

为了提高超限运输检测的精度, 提出了车辆装载几何参数超限识别方法。应用2个激光测距传感器分别扫描通过车辆, 得到不完整的端部轮廓以及各点坐标值, 根据左轮廓最小横坐标、右轮廓最大横坐标与两轮廓的最小纵坐标, 计算了车辆装载宽度和高度, 再经过轮廓合成, 得到完整的正投影, 应用光幕和光电开关构成的复合基准点判定装载长度, 并与载货汽车运输超限判定标准比较。现场测试结果表明: 检测误差在±3%的范围内, 可以实时存储通过车辆身份, 因此, 识别方法精度较高, 检测结果直观。     

基于主成分分析理论的交通事故成因研究

研究了道路交通事故的各种成因,用主成分分析理论对引起道路交通事故的主要因素进行分析,得出影响交通安全的主要矛盾,并采取适当的安全措施,从而达到降低交通事故发生的次数和强度的目的。     

省会经济的分类分析

采取12项重要经济指标,利用2004年的数据,对全国省会城市的经济进行主成分分析后又进行了聚类分析。然后分析省会经济发展的聚类情况。