基于卡口数据的交通参数提取方法研究

针对交通参数提取繁琐及流程混乱问题,提出了数据预处理-指标提取-可视化一体的交通卡口数据挖掘流程.针对传统断面数据无法获取过饱和状态交通参数的缺陷,通过深入挖掘卡口数据蕴含的时间关联信息,并结合路网空间逻辑关系,基于Pandas和NumPy工具包构建了行程时间、平均车速和车辆延误提取模型,进而利用时空轨迹图研究了过饱和...     

基于时空特征对抗网络的路网交通流缺失数据补全方法

针对高速公路的交通流数据缺失问题,为解决现有方法对时空特征挖掘交通流特征不充分的情况,提出了基于时空特征对抗网络的模型。该模型使用门循环控制单元(GRU)快速学习数据中的时序规律,通过图卷积神经网络学习路网拓扑中的空间关联性,用时空特征融合的对抗网络互相博弈不断优化生成网络和判别网络,以实现生成网络构建数据判别网络,达到对缺失数据的精确补全。基于真实数据的实验结果表明,与其他修复方法相比,该方法能够很好地拟合数据中时间规律性、空间关联性和时空关联性,达到有效补全缺失数据的目的。     

检测数据缺失条件下的交通流估计方法研究

城市路网中部分交通量检测器失效会导致路段的交通流观测数据缺失,从而影响路段实时交通拥堵状况的辨识和分析.基于路网交通流数据的时空分布特性和道路交通流特征,研究了一种改进重构算法,对缺失的交通量数据进行估计.构建了交通量时空数据的三维张量模型;综合考虑道路交通流分布与环境特性,提出了基于T ucker重构模型的目标优化函数,进而求解得到检测器失效路段的交通量估计值;对改进重构算法、T ucker重构算法和时空插值算法在不同交通量数据缺失情况下的估计效果进行了比较.实验结果表明,在6条路段组成的实验路网中,早高峰交叉口进口道实时观测交通量随机缺失50% 或其中3条道路完全缺失的情况下,估计结果的平均绝对误差(MA E)分别为13.9614和14.2763,均方根误差(RMSE)分别为18.7648和18.7070.相较于Tucker重构算法,MA E分别下降了32.29% 和44.26%,RMSE分别下降了31.73% 和48.57%.     

基于指标耦合的微观交通仿真参数标定方法

为了优化交通仿真模型的参数标定方法,提高仿真模型的精度和还原真实道路环境,研究了同时考虑多个校正指标的仿真标定方法。以仿真结果为导向,通过敏感性分析确定面向应用需求的标定参数。在考虑不同校正指标相互影响的基础上,以不同时间区间下的误差变异性作为影响权重,构建考虑多个校正指标的仿真标定模型,建立了考虑6种速度的目标函数。基于VISSIM仿真软件的二次开发功能,结合MATLAB语言对模型进行了实现,以免疫遗传算法为基本求解方法,通过两阶段的熵权赋值与自适应调整确定143组参数结果。最后采用均匀取值、递归取值、指标耦合取值3种方式比较了不同取值方法之间的优劣性。仿真结果显示不同时间段主线小客车速度的误差平方值大于0.01的频数下降了50%,大型货车下降了60%;在车速方面,主线小客车现有误差5%,下降了7%,大型货车现有误差1.5%,下降了5.2%,小型货车与匝道车速误差均维持在6.5%左右;主线小客车速度与主线大型货车速度具有更小的权重值,维持在0.15~0.2范围,误差变异性更小,在目标函数中的作用更小。结果表明：相较单一指标的标定方法,基于指标耦合的标定方法考虑了多个指标之间的相互影响,同时综合考虑各指标的误差,克服了以往标定1个指标而导致其他指标误差过大的缺点。     

无人机视频的交通参数提取方法及验证

为了研究无人机监测视频准确提取运动车辆交通参数信息,采用计算机人工智能图像处理技术和实际道路场景验证试验方法,提出一种基于YOLO v3神经网络模型的目标检测和Deep-Sort多目标跟踪算法相结合的运动车辆参数提取方法.为了验证无人机交通参数提取方法的可行性、准确性、可靠性,采用试验路段场景数字化、特征点标记、世界坐...     

RFID交通数据时间覆盖率分析

在交通状态判别领域,针对磁感应线圈的\"时间占有率\"参数得到广泛应用.由于RFID交通信息采集技术无法准确获得车辆占据检测区域内的时长,因此,基于对RFID数据特性的分析,提出时间覆盖率的概念及计算方法.选取7种时间汇集度进行时间覆盖率的计算,根据计算结果画出基站的时间覆盖率随时间汇集度变化的折线图,由折线图走势可对基站的工作状态、基站所在道路的流量大小及交通流的连续性做出初步判断.选取南京市区主干道上21个RFID基站的原始数据,对所提出的方法进行实例分析,发现基站的时间覆盖率折线图可分为3种类型:①日覆盖率小于100%;②日覆盖率等于100%,并且小时覆盖率至5 min覆盖率接近于100%;③日覆盖率等于100%,并且小时覆盖率至5 min覆盖率中出现了下降.每种类型的折线图对应一定的基站工作状态和道路交通流特性.由分析结果可看出,时间覆盖率这一指标对RFID基站自身性能评判和交通流状态分析都具有一定的实际意义.     

不中断交通高速公路改扩建交通仿真参数标定

针对不中断交通高速公路改扩建工程的交通特性与组织特点,提出了敏感性分析与正交试验结合的标定方法,并对算法标定内容进行了研究.首先,确定了待标定参数及关键指标的选取依据,构建了不同水平下的参数指标组合矩阵,在此基础上,以敏感性分析与正交试验结合的方法筛选出最具代表性的指标参数集加以校正,梳理并修正了标定流程.研究结果表明...     

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.     

基于数据约减和支持向量机的非参数回归 短时交通流预测算法

交通流短时预测对保障智能交通系统的快速运行具有至关重要的作用.准确高效的交通流短时预测不仅可给交通流管理者提供辅助决策支持,同时可提高驾驶人员的出行效率,躲避或减缓交通拥堵.利用传统的非参数回归方法短时预测交通流在数据体量大、 维度较高时,存在模式库需要的存储空间大、 查询速度慢等缺点.针对这一问题,提出了一种改进的非...     

RFID 交通冗余数据检测及分析

数据质量控制是智能交通系统应用建设的关键技术之一。基于对射频识别(RFID)数据特性的分析,将 RFID 冗余数据分为重复数据和相似数据,通过分析同一车辆的相邻过车时间来检测2类冗余数据。针对相似数据给出了冗余率曲线和冗余时间点的定义,解决了 RFID 交通数据中冗余数据的识别问题。针对2类冗余数据的特点,给出了2类冗余率的计算方法,提出了从基站和冗余率曲线走势2个角度出发对冗余率进行分析的方法,并给出了冗余数据的清洗方法。选取南京市区主干道上21个 RFID 基站的原始数据作为实例,对所提出的方法进行了验证。研究结果表明,21个基站采集重复数据的平均冗余率为0.0062%,相似数据的平均冗余率为0.92%,说明 RFID 数据采集技术采集到的数据具有较高可靠性。同时,各个基站采集的数据中相似数据数量远远多于重复数据数量。观察不同形状的冗余率曲线发现,冗余率曲线呈趋于平缓和尾部上升的基站冗余率较高;冗余率曲线呈直线上升的基站冗余率较低。针对分析结果,给出了相应的质量控制措施以控制 RFID 冗余数据的产生。     

考虑道路收费的系统最优高速公路改扩建交通分流方法

交通分流是保障高速公路改扩建期间交通运行效率的重要措施。然而,目前国内高速公路改扩建工程多依靠管理人员经验性地确定分流措施,缺乏系统客观的分流方法,分流效果有待进一步提升。根据区域分流路网的道路特征,在行程时间基础上考虑道路收费对出行者路径选择的影响,构建路段阻抗函数。从交通管理者角度出发,以路网总出行阻抗最小为优化目标,考虑需求守恒、路径路段流量关系和路径流量非负约束,建立系统最优高速公路改扩建交通分流模型。分析模型的卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT) 条件,设计基于梯度投影的路径型算法,求解得到路网各起讫点(origin-destination,OD)之间的分流路径和路径流量。以广东省某高速公路改扩建工程为例,量化分析不分流、分流时不考虑道路收费和分流时考虑道路收费3种情形下的整体路网及改扩建高速施工路段交通运行状况。结果表明：分流时不考虑道路收费,改扩建高速施工路段交通量平均降低27.72%,饱和度降低0.09,平均车速提高4.26 km/h;分流时考虑道路收费后,改扩建高速施工路段交通量平均降低44.8%,饱和度降低0.4,平均车速提高12.98 km/h,道路通行效率得到有效改善,同时分流并未导致路网中其它路段交通运行情况变差。以上结论验证了本文所提出的改扩建交通分流方法的有效性和优越性。     

基于社交网络数据的交通突发事件识别方法

为了从社交网络数据中挖掘出交通突发事件,研究了基于机器学习的文本识别方法。通过关键词和地点定位,利用网页爬虫“Beautiful Soup”爬取到原始文本。采用正则匹配、重复度计算以及“0-1”标记预处理原始文本。基于预处理后文本特征,研究了基于特征权重的特征词选取方法;其中,特征权重的计算综合了词语的出现频率和含有该词语的文本所占比例,通过将二者归一化并加权合并,获得训练集突发事件文本中各个无重复词语的特征权重;依据此值选择确定特征词,并用于后续分类器的输入。测试对比了不同的分类器以及特征词选择方法,结果表明,所提特征词选取方法与XGBoost分类器结合,在交通突发事件识别上具有最好的综合表现,精确率为0.679 6,召回率为0.648 1,F1值为0.663 5,AUC值为0.759 4。     

交通流量数据缺失值的插补方法

交通流量的时空数据挖掘需要完整的数据，因此必须处理交通流量数据中的缺失值。章叙述了数据的缺失方式和常用的插补方法，根据交通流量数据时间上的周期性和空间上的相关性，采用平均值方法、最大期望法和数据增量法等确定性和随机性方法插补缺失数据，分析了这些方法的优缺点．并对插补结果进行比较。提出了交通缺失值插补的研究方向。     

基于浮动车车速数据的交通状态实时判别系统和方法

提出一种交通状态判别方法,使之符合交通状态变化连续性。基于浮动车数据特性分析,考虑交通阻抗及临界跳变现象的影响,通过预判别及二次修正,优化了交通状态判别结果。该方法能有效滤除交通状态参数在阈值附近频繁变化产生的交通状态非正常跳变,同时可以修正异常数据导致的交通状态阶跃,从而优化了交通状态判别结果。构建并实现了基于该方法的实证系统,通过多种指标的验证,表明该方法提高了交通状态发布的准确度。     

基于收费数据的交通运行参数估计方法

为更精准利用收费OD数据获取路网时空交通运行参数,提出一种机器学习预测服务区驶入与收费OD数据增量迭代相结合的计算交通运行状态的方法.首先利用机器学习方法开展服务区驶入预测,通过调查获取23 515份问卷数据,利用随机森林模型、支持向量机、朴素贝叶斯模型3种机器学习方法开展训练和预测精度敏感性分析,结果表明进入服务区最...     

高速公路交通拥挤与智能交通系统

高速公路交通拥挤问题将伴随着高速公路交通量的增长而日趋严重 ,文中着重分析了高速公路上交通拥挤的种类、形成原因以及相应的解决办法 ,分析了高速公路交通管理功能和以智能交通系统技术解决高速公路上交通拥挤的方法。     

基于数据融合的交通事件检测方法

针对传统交通事件检测方法的不足,文章提出一种基于数据融合的交通事件检测方法,该方法结合了直接检测与间接检测的优势,有效提高了交通事件自动检测的效率,对于提高高速公路的安全运营和自动化管理具有重要意义。     

基于手机信令数据的交通 OD 提取方法改进

手机信令数据作为一种大数据,在交通 OD 调查中应用日益广泛。从手机信令数据中提取交通 OD 量化指标需要经过出行端点识别和出行端点匹配2个步骤。为了克服现有研究中基站覆盖范围假设与实际出入较大的情况,笔者改进了出行端点匹配方法。首先分析了传统交通小区和基于蜂窝小区聚类交通小区2种交通小区划分方法各自的特点和适用条件;对于使用传统方式划分的交通小区,提出了缩小基站可能覆盖范围的方法,使用用户最大可能活动范围,排除用户不可能达到的区域,结果表明该方法可提高部分出行端点匹配精度。对使用蜂窝小区聚类划分的交通小区,将聚类流程进行了简化,去掉了部分不能显著提高精度的流程,结果表明简化后未明显降低匹配精度。