基于浮动车数据的交通拥堵时间维度特征

以北京市浮动车数据为基础,对比2个工作日上午时段的交通拥堵时间百分比、持续时间特征指标,引入残存函数描述路段拥堵持续时间分布概率,采用曲线拟合后得到Log-Logistic模型可以更好地描述拥堵持续时间残存函数曲线,并对比不同路段的拥堵持续时间分布差异;此外,通过对比分析拥堵时段内速度的区间分布,得到拥堵前后时段交通状态的演变关系．通过对实际数据的具体分析直观说明交通拥堵时间维度的特征,以期为交通拥堵评估与预测奠定基础．     

杭州市交通拥堵路网分布特征研究

通过对杭州市近3年交通拥堵路段分布数据的统计分析,提出以交通拥堵概率作为衡量路段交通拥堵发生频率的指标。按照工作日、节假日、周六日等3类日期分别对杭州交通拥堵路段的分布情况进行了定量描述;以10等阶拥堵概率统计结果为基础,对不同拥堵概率路段占路网的比例及分布位置进行了探讨。提出当前杭州市的交通拥堵特征主要表现为晚比早堵、南比北堵,以时间上的偶发性拥堵和地点上的点拥堵为主,并提出了拥堵概率相对较大的路段、交叉口等的分布范围,可以为后续重点突破、全面疏导地治理杭州市交通拥堵提供决策支持。     

交通事件下快速路拥堵蔓延消散时空范围模型

研究了交通事件下拥堵蔓延消散的时空范围分析方法与模型,交通事件引发的拥堵会以某一初始蔓延速度向上游蔓延,直至达到最大蔓延边界后开始消散.通过对事件下拥堵蔓延速度的影响因素进行量化分析,建立了时变的拥堵蔓延速度模型;然后通过收集处理数据,进行参数估计;最后利用实际数据,进行了模型的实例应用,对不同情况下的交通拥堵蔓延消散规律进行了研究.该模型可预测交通事件下的交通拥堵边界和持续时间,便于交管部门制定缓堵策略.     

交通事故下的交通波特性分析——以广州市机场高速公路为例

针对目前高速公路交通事故时空性质方面研究较为匮乏的现象,提出了一种交通事故时空分析下的交通波划分方法,用于从时空特性对交通事故进行微观分析.利用高速公路交通事故下的车辆时空图建立交通波分析模型,通过拥挤速度和交通事故风险函数获取交通事故的时间特性.分别对各个交通波和交通事故区域进行定义,通过图例展示交通事故的空间分解.通过交通波传播模型和速度及加速度的限制条件建立交通事故下的交通波空间模型,对处于交通波上的时空节点进行筛选以获取交通波方程.以广州市机场高速公路为例对部分事故段绘制车辆时空图,利用交通事故的时空特征对数据进行筛选确定了集结波,启动波,停止波和消散波的方程,集结波和消散波的波速及事故发生点坐标等信息.确定了拥堵区域和消散区域的位置,利用凸包算法计算其面积,同时将该方法利用在该路段其他次的交通事故区域中以得到该方法的普适性.该特性分析方法同样可以用于其他交通事件的微观分析以及特性建模中,具有很强的理论和现实意义.     

交通事故下的交通波特性分析——以广州市机场高速公路为例

针对目前高速公路交通事故时空性质方面研究较为匮乏的现象,提出了一种交通事故时空分析下的交通波划分方法,用于从时空特性对交通事故进行微观分析.利用高速公路交通事故下的车辆时空图建立交通波分析模型,通过拥挤速度和交通事故风险函数获取交通事故的时间特性.分别对各个交通波和交通事故区域进行定义,通过图例展示交通事故的空间分解.通过交通波传播模型和速度及加速度的限制条件建立交通事故下的交通波空间模型,对处于交通波上的时空节点进行筛选以获取交通波方程.以广州市机场高速公路为例对部分事故段绘制车辆时空图,利用交通事故的时空特征对数据进行筛选确定了集结波,启动波,停止波和消散波的方程,集结波和消散波的波速及事故发生点坐标等信息.确定了拥堵区域和消散区域的位置,利用凸包算法计算其面积,同时将该方法利用在该路段其他次的交通事故区域中以得到该方法的普适性.该特性分析方法同样可以用于其他交通事件的微观分析以及特性建模中,具有很强的理论和现实意义.     

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。     

���ڴ������µı�����ͨӵ������ָ�����

交通拥堵评价指标主要用于描述整个路网或者某些特定区域的交通拥堵现象及其潜在规律.现有的研究方法能够从不同侧面反映交通拥堵现象,但不能从整体上多角度反映路网的拥堵状态,也不能够对整个路网实时运行状态进行动态跟踪.本文通过借鉴国外先进的拥堵指标体系,构建了一套符合北京市特点的交通拥堵评价指标体系.基于2011年和2012年北京各个环路检测器的数据,对北京市各个环路的拥堵评价指标进行计算和分析,我们得到了北京市道路网交通拥堵的潜在规律.     

ͻ���¹��½�ͨ��Ϣ�����о�

突发事故及其所造成的非重复性拥堵会对城市交通系统正常运行有重大影响,其造成的拥堵传播会使得拥堵区域内的大量路段瘫痪.因此研究缓解突发事故下交通拥堵的策略具有十分重要的意义.本文研究突发事故下先进的交通信息系统策略设计问题.建立了ATIS策略设计的双层规划模型,上层目标从交通管理者的角度追求出行者的系统总阻抗与交通信息运营成本最小化,下层描述在ATIS作用下出行者的动态路径选择行为,并通过元胞传输模型仿真拥堵的传播与路段上车辆的走行.提出了基于遗传算法的求解方法.算例结果表明,优化的ATIS策略能够有效地缓解突发事故所导致的交通拥堵,提高交通网络的系统性能.     

可变信息屏对北京市交通拥堵缓解的评价研究

可变信息屏（VMS）为缓解大城市交通拥堵提供了一种有效途径,它通过发布诱导信息来均衡路网上的交通需求.为了评价VMS对缓解交通拥堵的效果,本文通过数据挖掘方法建立了一种通用评价模型.所用数据包括由北京市VMS系统和道路检测器得到的VMS历史发布信息和道路交通流数据,这些数据能够真实地反映路网中的交通状况.通过比较诱导信息和提示信息下的拥堵缓解效果,并对不同道路状况下拥堵缓解效果进行时间和空间分析.结果表明,诱导信息能够更加有效地提高拥堵路段的服务水平,特别是严重拥堵路段,诱导信息比提示信息更加有效.     

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。     

基于FCM-粗糙集的多扇区交通拥挤识别方法研究

通过分析管制扇区交通时空拥挤特征,基于雷达航迹数据建立了多扇区交通拥挤识别模型.建立当量交通量、接近度、饱和度、交通密度4个多扇区拥挤特征指标,采用FCM(模糊C均值聚类算法)和粗糙集理论,对扇区拥挤程度进行划分和识别,并以中南地区区域管制扇区数据进行了实例验证.实验结果表明,扇区的拥挤态势受扇区多种宏观和微观特征的共同影响,且拥挤识别模型计算可行、识别效率较高.多扇区交通拥挤识别对空域规划、空管辅助决策、空中交通流量管理具有一定的应用价值.     

高速公路车辆排队尾部交通事故时空分布特征

根据高速公路常发拥堵路段的交通流数据, 采用累计占有率法绘制交通流占有率波动曲线, 用来判断拥堵路段内车辆排队尾部轨迹, 分析了占有率、里程位置、时间间隔的关系, 确定了累计占有率曲线的拐点。分析了排队传播、消散过程中交通事故频数与时间、空间距离的关系, 对分布特征进行了统计分析。分析结果表明: 车辆在时间和空间上接近排队车辆尾部时, 发生交通事故的频数明显增加, 时间距离与空间距离以排队尾部为中心呈现正态分布, 不同行驶方向路段内正态分布曲线不存在显著差异, 但拥堵传播与消散过程的正态分布曲线存在显著差异。建立的事故发生概率的联合正态分布模型, 可用于预测排队车辆尾部附近的交通事故风险, 为实施动态交通控制以提高快速道路交通安全提供理论依据。     

基于交通流量的城市交叉口事故预测研究——以广州市为例

通过对广州市天寿路交叉口高峰时段的流量调查及广州市的交通事故数据分析,发现北京市与广州市交通流量与事故数据存在相近性关系。应用线性回归分析法、事故率法建立北京市交通流量与交通事故数之间的一元线性关系模型,对广州市某交叉口的交通事故数进行预测分析。结果表明,在交通流量高峰时段,影响交通事故的最主要因素为交通流量,交通流量对于快速处理的事故影响作用大于一般事故;在交通流量相当小时段,交通事故存在着很大的偶然性,两者的关联度不高。     

城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。     

基于时空模型的交通流故障数据修正方法

为了提高交通流数据的准确性, 从时间相关性、空间相关性和历史相关性三方面分析了交通流大数据的特点, 建立了基础交通流时空模型。为保证数据处理的精度和速度, 进行了时空模型的简化和标定。将时空模型简化, 抽象为双层规划模型, 上层模型通过控制时空相关参数的数量实现运算速度的优化, 下层模型通过控制误差实现计算精度的优化。应用数据驱动法进行双层规划模型的求解, 完成时空模型的标定。在时空模型的基础上, 提出了交通流故障数据修正方法。以北京市某路段为例, 对交通流故障数据修正方法进行有效性和可行性验证。验证结果表明: 基于历史趋势、空间相关与时间序列的交通流故障数据修正方法的精度分别为79.65%、85.16%、89.84%, 基于时空模型的交通流故障数据修正方法的精度为90.91%, 具有较高的精度, 而且可准确描述交通流大数据的特点。     

拥堵指数自适应调节的交通运行状态识别方法及应用研究

拥堵指数是客观评价城市交通运行状态的有效指标。针对当前拥堵指数模型中对交通畅行速度时空特性考虑不足的问题，本文在车辆定位与路网时空匹配数据的基础上，引入概率密度分段原理对车辆速度进行距离和时间分段，建立了具有自适应调节能力的拥堵指数模型，用于城市交通运行状态的分类与识别。以厦门市节假日浮动车辆定位数据为例，仿真分析了拥堵指数模型在复杂道路和城市交通中的适用性，并揭示了城市交通运行状态的变化规律。分析结果表明：拥堵指数模型能有效区分道路的空闲和繁忙时段，并依据对应时段的畅行速度进行自适应调节；针对复杂互通立交和专用共线道路，拥堵指数计算结果相较传统方法平均提升了 6.5%和3.2%；厦门市交通为单一晚高峰拥堵形态，平均拥堵指数介于 1.0~3.0 之间，拥堵时间为16:10- 21:00，空间分布集中在厦门市进出岛方向的主干道枢纽位置，以及厦门岛内东西走向主干道。该项研究对于快速建立不同城市及具有特殊时段需求的交通运行识别方法起到积极作用。