基于马尔科夫链的公交站间行程时间预测算法

公交站间行程时间具有明显的时段分布特征,且公交车辆是典型的时空过程对象,其运行具有状态转移性。为了准确预测公交站间行程时间,在应用马尔科夫链预测公交站间行程时间基础上提出其改进算法。通过大量公交GPS数据构造不同时段下具体线路站间行程时间的马尔科夫状态转移矩阵,并对站间行程时间进行状态推导,采用移动误差补偿法对马尔科夫预测值进行动态修正,改进原有的马尔科夫预测算法。以广州市BRT线路B1的实际运行数据对算法进行了验证,结果表明,移动误差补偿改进算法优于基本马尔科夫算法及 BP模型,同时该改进算法还具有实现过程较简单。      

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.      

基于运营数据的出租车违规行为研究

为解决相关管理部门对出租车经营违规行为监管处于事后获取或采用巡查方式的问题,为管理部门对出租车加强事前预防和管理决策提供有力保障,利用时间序列匹配GPS数据与计价器数据,通过地图匹配方法、Dijkstra算法、计价器获取了不同的里程数据。分析了出租车GPS里程和最短路径、GPS里程与计价器里程、GPS里程计算费用与计价器费用的关系。经过对连续一段时间内数据的统计分析,计算了上述关系的比值。采用D-S证据理论方法,以里程、时间、费用作为约束指标,综合判别了其行为是否违规,并将分析结果直观显示在地图上。利用深圳市2015年9月8日至2015年11月7日16 275辆出租车GPS数据和计价器数据进行了实例验证,经过与管理部门进行核对,发现其查处的违规车辆均在分析结果中有所体现,由此说明该方法切实有效。     

基于最小二乘支持向量机的车型识别算法研究

以感应线圈车辆检测器检测数据为分析基础,给出了基于Bayes理论的感应曲线自适应特征提取流程和方法,对选取的12个统计特征指标进行提取和优选。选择了曲线宽度、最大值、波峰数量、最小波谷值和波谷比组成车型识别模型的特征输入向量,不仅降低了输入向量的维数,缩短了最小二乘支持向量机的训练时间,同时也可加快车型识别的分类速度,增强特征值的分类辨别能力,提高车型分类的可靠性。在提出的基于最小二乘支持向量机的车型识别算法中,采用了修剪算法,加快了计算速度,同时保持了良好的回归性能。通过实例分析证明:基于最小二乘支持向量机的车型识别算法可提高自学习能力和识别准确率。     

面向超高频多标签密集场景的RFID智能天线波束成形方法

与传统条码技术相比,超高频RFID技术具有非接触识别,良好的环境适应性等特点,已经成为实现物流跟踪,供应链透明化管理的理想技术。在超高频多标签密集场景中,RFID系统应用中会遇到标签识别率低,无法正确阅读期望的标签等问题。本文提出一种基于空分复用理论的多天线波束形成算法,有效的提高了RFID阅读器检测效率。仿真结果证明本算法在指定方向上集中RFID传输,提高RFID天线的方向性。     

基于模板匹配的结构振动无靶标视频识别算法

针对无人工靶标视频的结构振动识别,提出基于模板匹配的视频识别流程.基于某悬索桥风振视频,对比分析了模板选择、插值算法、局部插值放大倍数以及相机抖动对算法识别精度、计算时间的影响.研究结果表明,选择具有双向特征的图像模板识别结果相对可靠.插值算法中,最近邻插值算法对识别结果精度改善不明显.局部插值放大可改善识别精度,但需...     

基于大货车GPS数据的轨迹相似性度量有效性研究

目前,中国货车上全球定位系统(GPS)的强制安装,使得利用包含时间、空间和速度等信息的货车轨迹数据来研究货车运行模式成为可能。基于距离的轨迹相似性度量算法,采用全国道路货运车辆公共监管与服务平台获取的货车GPS轨迹数据,对比分析其在货车轨迹模式识别中的应用。选用文献中最常用的4种基于距离的轨迹相似性度量算法,分别为离散弗雷歇距离(DFD)、动态时间规整(DTW)、最长公共序列(LCS)和实序列编辑距离(EDR)。试验结果表明:当使用二维地理空间轨迹数据(即经度和纬度)时,4种基于距离的轨迹相似性度量算法都能很好地对相似轨迹进行分类(正确率均高于85%),这与现有文献的结论一致。虽然一般认为二维轨迹相似性算法可以直接应用到多维轨迹数据,但是解决具体问题时可能出现的误差以及各种轨迹相似性算法的适用性仍然不确定。目前几乎没有文献对三维及其以上的多维轨迹数据进行实例分析研究,因而,通过相同路线上的三维GPS货车轨迹数据(包括经度,纬度和速度)对4种基于距离的轨迹相似性度量算法进行验证。将第3维速度加入到二维空间轨迹上后发现LCS算法对基于地理空间轨迹的速度模式分类效果优于其他3种基于距离的轨迹相似性度量算法。这说明运用LCS轨迹相似性度量算法来识别基于三维GPS轨迹的货车运行模式是可行的,LCS算法在货车运营管理等方面将有很大的应用潜力。     

基于一维卷积神经网络的驾驶人身份识别方法

近年来，智能网联汽车（ICV）已成为智能工业时代最有前景的发展方向。作为现代移动的重要模式，ICV的设计和开发越来越强调个性化需求。提出一种仅使用车载CAN总线行车状态数据，基于深度学习的驾驶人身份识别通用框架。首先采集20名驾驶人在固定试验路线下，包括不同道路类型、不同交通条件下的自然驾驶行车状态数据集；其次对9种类型的CAN信号行车数据进行数据清洗与重采样，构建数据样本集。搭建了由卷积层、池化层、全连接层、SoftMax层构成的一维卷积神经网络（1-D CNN）驾驶人身份识别模型，并且使用Adam算法、L2正则化、Dropout、小批量梯度下降等方法对模型性能进行优化。算法验证过程中，探讨了模型卷积核占比、卷积核数量、卷积层层数、全连接层节点规模对模型识别准确率的影响，进而对模型结构参数进行优选。进一步地，将该算法与K近邻（KNN）、支持向量机（SVM）、多层感知器（MLP）等传统机器学习方法及深度学习算法长短时记忆网络（LSTM）进行对比分析，同时探究样本时间窗口大小、样本数据重叠度、驾驶人数量对模型识别结果的影响。在数据时间窗口为1 s、数据重合度80%的条件下，对20名驾驶人进行识别，评价指标宏观F₁分数可达99.1%，表明该模型表现明显优于其他对比模型算法，其对驾驶人身份识别表现稳定，鲁棒性强。     

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。     

基于GPS浮动车的自然路段行程时间估计方法

针对目前基于GPS浮动车交通信息采集技术的研究大多只是涉及宏观方案,细节研究较少,导致产生所得交通信息质量不高的问题,考虑数据用户需求以及路网空间数据的特点设计了自然路段划分方法,同时结合动态GPS数据与路网空问数据的特点提出了路段行程时间估计算法.利用编程语言完成了算法实现,并且利用实测数据进行了算法验证.结果表明,自然路段行程时间估计算法不仅运行高效、稳定,同时获取的路段行程时间数据精度较高.     

城市公交GPS数据与IC卡数据时空特性融合算法

针对部分城市公交GPS数据和IC卡数据无直接联系,且2个系统存在不规律时间偏差,很难关联获取乘客上车数据的问题,进行了时空特性快速匹配数据融合分析.根据公交GPS数据和线路站点位置匹配获得公交运行时刻表,利用运行时刻表与时间修正后的IC卡数据进行遍历计算,采用时间相似度曲线寻找二者对应关系,利用时间平均偏差曲线进行关系...     

Developing travel time estimation methods using sparse GPS data

Existing methods of estimating travel time from GPS data are not able to simultaneously take account of the issues related to uncertainties associated with GPS and spatial road network data. Moreover, they typically depend upon high-frequency data sources from specialist data providers, which can be expensive and are not always readily available. The study reported here therefore sought to better estimate travel time using “readily available” vehicle trajectory data from moving sensors such as buses, taxis, and logistical vehicles equipped with GPS in “near” real time. To do this, accurate locations of vehicles on a link were first map-matched to reduce the positioning errors associated with GPS and digital road maps. Two mathematical methods were then developed to estimate link travel times from map-matched GPS fixes, vehicle speeds, and network connectivity information with a special focus on sampling frequencies, vehicle penetration rates, and time window lengths. Global positioning system (GPS) data from Interstate I-880 (California) for a total of 73 vehicles over 6 h were obtained from the University of California Berkeley's Mobile Century Project, and these were used to evaluate several travel time estimation methods, the results of which were then validated against reference travel time data collected from high resolution video cameras. The results indicate that vehicle penetration rates, data sampling frequencies, vehicle coverage on the links, and time window lengths all influence the accuracy of link travel time estimation. The performance was found to be best in the 5-min time window length and for a GPS sampling frequency of 60 s.     

基于行动感测的实时坑洞侦测系统与方法

提出一个以行动感测和云端运算为基础的实时坑洞侦测方法,通过分析内嵌于手机内的加速度传感器数据,并利用欧拉角进行手机加速度正规化的动作,改善搜集加速度数据时需要固定手机姿态角的限制.结合坑洞侦测算法进行坑洞判定,以及使用空间内插法改善全球定位系统(GPS)定位误差,将坑洞信息回传至云端服务器.再将此坑洞信息实时传输至每个使用者的行动式手持装置中,并搭配扩增实境(AR)导航功能,让用户可以避开坑洞路段.实验表明,所提出的基于行动感测的实时坑洞侦测方法将可以准确判断出坑洞.      

A weight-based map-matching algorithm for vehicle navigation in complex urban networks

A map-matching algorithm is an integral part of every navigation system and reconciles raw and inaccurate positional data (usually from a global positioning system [GPS]) with digital road network data. Since both performance (speed) and accuracy are equally important in real-time map-matching, an accurate and efficient map-matching algorithm is presented in this article. The proposed algorithm has three steps: initialization, same-segment, and next-segment. Distance between the GPS point and road segments, difference between the heading of the GPS point and direction of road segments, and difference between the direction of consecutive GPS points and direction of road segments are used to identify the best segment among candidates near intersections. In contrast to constant weights applied in existing algorithms, the weight of each criterion in this algorithm is dynamic. The weights of criteria are calculated for each GPS point based on its: (a) positional accuracy, (b) speed, and (c) traveled distance from previous GPS point. The algorithm considers a confidence level on the assigned segment to each GPS point, which is calculated based on the density and complexity of roads around the GPS point. The evaluation results indicate 95.34% correct segment identification and 92.19% correct segment assignment. The most important feature of our algorithm is that the high correct segment identification percentage achieved in urban areas is through a simple and efficient weight-based method that does not depend on any additional data or positioning sensors other than digital road network and GPS.     

基于车载式视频图像的车辆行驶速度鉴定

文章论述了基于车载式视频图像鉴定道路交通事故中目标车辆行驶速度的基本原理,提出一种依据射影几何学中的交比不变性原理测算目标车辆行驶距离的算法。该算法可以避免因车辆运动轨迹与视频摄录设备镜头光学轴线不垂直而产生的误差,从而提高了目标车辆行驶速度鉴定的精确度。最后根据一个真实案例,探讨了用车载式视频图像进行车辆行驶速度鉴定的方法、步骤以及主要注意事项,可为评价这一鉴定方法的准确性和科学性提供参考。     

地铁列车节能运行惰行控制研究

惰行可以有效降低地铁列车能耗,通过选择合适的惰行点可以实现列车的节能运行。建立了定时约束条件下列车节能运行惰行控制优化模型,将模型求解的遗传算法嵌入到城市列车运行计算系统中,实现了给定线路条件下站间最佳惰行点的自动计算。结合具体算例对不同站间距离、线路条件、区间限速、运行时间、惰行次数等条件下的惰行控制进行了仿真研究,给出了各影响因素与惰行控制的关系。仿真结果表明,该方法能较好地解决惰行控制优化问题,地铁列车合理的站间运行时间取值,一般在最小运行时间的基础上增加8%~15%比较合适。     

基于出站时间的高速公路收费站车辆排队检测

目前,对高速公路收费站进行服务评价的数据主要依靠人工现场调查或使用专用检测设备来获取,在人力、资金方面消耗较大。而收费站的海量收费数据则可通过自动调查直接获得,充分利用这些收费数据资源可以获得很好的经济价值。分析了目前国内在公路收费站排队研究方面的局限性和不足。基于高速公路收费站的实际数据,研究分析了排队情况下同车道相邻车辆的出站时间规律,对收费站的车辆排队检测算法,以及车辆队长、排队逗留时间、服务时间等指标的量化计算进行了方法设计。以陕西省富平、韩城和芝川收费站的收费数据进行了实例计算,并与 M/G/1模型的计算结果以及调研数据进行对比,分析其绝对误差,对比结果表明平均服务时间的绝对误差不超过3 s;除韩城收费站105车道外,平均队长的绝对误差不超过1辆;除富平收费站101车道外,平均逗留时间的绝对误差不超过10 s。验证了算法的有效性与普适性。      

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.