基于Leiden算法的共享单车活动社区识别方法——南京案例分析

目前共享单车分区运营管理中多以行政区为基础划分运营分区,未充分考虑共享单车出行需求的空间分布特征,导致较多跨区调度工作,严重影响运营效率。结合南京共享单车出行订单数据,研究了基于Leiden算法的共享单车活动社区识别方法,构建“出行起讫点-交通小区-空间交互网络”的3层数据结构;采用Leiden社区识别算法,识别共享单车活动社区,以活动社区作为共享单车的运营子区,进行运营区域划分;通过对比不同年份的共享单车活动社区识别结果,揭示共享单车出行空间分布的时变特征;选取网络模块度与计算效率2项指标,比较多种社区识别算法的性能,以验证Leiden算法在该研究问题中的有效性与优越性。结果表明：(1)针对2019年的单车出行数据,算法共识别出23个活动社区,共享单车区内出行的比例达到82.9%,相比传统分区方法增加了11%,表明本算法能够使得共享单车出行更多被划分于社区内部,可以提高区域内部的共享单车自循环率,改善分区运营效率;(2)相比于2019年,2022年社区尺度规模有所减小,社区数量有所增加,反映共享单车用户出行距离缩短,跨区出行比例降低。(3)Leiden算法的社区识别结果中,网络模块度...     

基于高速公路收费数据的用户交通出行多维度特征分析

为提升高速公路信息化管理水平，调节高速公路需求分布不均衡问题，构建了包含时间、空间、用户个人属性3个维度的特征指标体系，在K-means聚类算法的基础上，设计并使用Mini-Batch-Kmeans聚类算法对出行用户进行了分类，同时从时间、空间、个人属性3个不同维度深入分析了各类出行特征指标。研究结果表明：1)高速公路出行者多为单次出行或周末出行；2)经PCA降维和Mini-Batch-Kmeans聚类后，出行用户可分为6类；3)时间上，用户出行早晚高峰为7:00—9:00和16:00—18:00;空间上，用户出行站点多在经济水平较高城市，长途用户多在沿海或有货物中转站的城市；个人属性上，通勤用户与长途用户多使用ETC支付且花费金额高。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...     

基于空间滞后模型的公共自行车出行特征及影响因素分析

为充分挖掘公共自行车时空出行特征，探讨城市空间环境与骑行需求的潜在联系。以宁波市中心城区为案例，基于公共自行车IC卡数据获取出行时空变化规律，在验证租、还车需求具有空间自相关性的基础上，通过建立空间滞后模型，分析了人口密度、道路分布、公共交通、站点配置和建成环境因素对骑行需求的影响。研究表明:①工作日、非工作日内租、还车需求的全局Moran's I分别为0.294，0.281，0.272和0.271，表现出显著的空间正相关性；②各模型的拟合优度R2分别是0.431，0.424，0.412，0.401，具有良好的拟合效果与解释性；③道路分布、建成环境变量对公共自行车使用的影响效应存在时间差异，其中公交专用道里程与非工作日内的站点需求量呈负相关，工作日内POI混合度对租、还车需求具有正向引导作用。      

基于边缘分布及特征聚类的车道标记线检测

提出一种基于边缘分布和特征聚类的车道标记线检测方法。首先采用可变窗口计算车道标记线局部灰度阈值,结合图像梯度提取出有效边缘。然后按照不同工况下车道标记线的边缘分布特性,提取特征点。最后对特征点进行聚类处理,将离散的特征点归类为不同的直线段。测试结果表明,该方法可取得较高的车道线识别率,有效排除误识别,准确表示车道线方向信息。     

基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性。基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测。通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配。实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点。     

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。     

基于货运强度变化规律的货运量预测方法

目前我国部分地区货运量统计数据存在收集不全、统计口径不一致及社会经济环境变化大等问题,导致常规的时间序列预测法和回归预测法难以在这些地区应用.鉴于此,分析了国内外货运强度变化的规律,指出人均GDP和第三产业所占比例是影响货运强度的主要因子.提出了通过模糊聚类方法对地区货运发展阶段进行定位,找出其发展阶段所对应的货运强度...     

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线，提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征，采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度；然后基于车道线的位置进行实例分割，利用语义分割出的车道线点位置预测对应的聚类点位置，通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明，该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测，在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。     

基于GPS数据的出租车通勤识别及时空特征分析

为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。     

Quelles interactions entre les marchés de la mobilité à courte et à longue distance ?

This paper proposes a comprehensive quantitative approach to travel analysis that considers personal travel practices with regard to three travel market segments: local weekday travel, local weekend travel and long-distance travel. The first section consists of an evaluation of the overall size of these segments and demonstrates the increasing importance of long-distance travel. Each market segment and then travel as a whole are then analyzed according to individuals’ position in the life cycle, residential location and income level. Last, the roles of location and income in the creation of travel demand in the different segments are then investigated for individuals in the middle part of the life cycle. In particular, it is demonstrated that weekend and weekday travel do not compensate for one another, but there are significant interactions between both local and long-distance travel, and, in particular, residential location.     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

考虑电动自行车骑行的非机动车道最大纵坡探讨

现行规范要求非机动车道的最大纵坡不超过3.5%,但要在山地城市、跨江桥梁两岸慢行系统衔接等场景下满足该要求存在工程占地大、造价高、可实施性差等问题,考虑到电动自行车在非机动车出行方式中占比越来越高的实际情况,以《电动自行车安全技术规范》（GB 17761—2018）规定的国标电动自行车为研究对象对骑行过程进行受力分析,提出了可满足电动自行车骑行要求的非机动车道最大纵坡参考值,可供电动车骑行占比高的类似项目参考。     

基于细节层次模型的公共自行车调度方法

公共自行车系统作为城市公共交通的重要组成部分，对于缓解城市交通拥堵和建设低碳、环保的出行体系起到了积极的作用。然而，由于公共自行车系统的借还车需求在时间和空间分布上存在不均衡性，在使用公共自行车时，经常遇到“借车难”或者“还车难”的问题，使得出行者不得不放弃使用公共自行车出行。为了有效地提升出行者借还公共自行车的成功率，研究了1种基于细节层次模型的自行车调度方法。基于公共自行车站点之间的相似度，采用谱聚类算法对站点进行层次划分，形成基于空间范围（即公共自行车站点所占据的地理空间区域）的站点簇；在每个划分层级上统计不同簇之间的自行车借/还需求，结合遗传算法对调度车辆的运输路径进行求解；将不同层级上的调度方案叠加，形成1种调度粒度由粗到细的自行车调度方案。通过对比实验证明:基于细节层次模型的公共自行车调度方法较传统方法减少了42.70%的调度路径，进而减少了相应的调度时间。      

Les systèmes de vélos en libre-service expliquent-ils le retour du vélo en ville ?

Many French and European cities have developed a bike sharing system since 2005. This policy may be explained in a great part by the success of the Velo??v in Lyon, which contributed to improve the image of cycling in the city. If bicycles, however, appear to find a new place in the city, one can wonder whether this is really due to bike sharing systems? What are the real uses of bicycles in contemporary cities, with or without such a system? To answer these questions, the paper starts with a literature review on bicycle in the city, to draw lessons from recent experiences of bike sharing systems. It then discusses the two cases of Lyon and Lille, which never had a bike sharing system on its own. The evolution of bicycle use is measured with a comparison of household transportation surveys in Lyon (1995 and 1998) and Lille (1998 and 2006). In both cities, the analysis reveals a rise in the proportion of healthiest citizens among urban bikers, as well as a return of bikes in dense areas. Bike sharing systems are part of such tendencies. They support them, but should not become a panacea for policies supporting bike use in the city.     

快速路交通流时间序列聚类预测方法与模型

针对快速路路段日交通流曲线的相似特性,提出根据天气好、坏,工作日、非工作日作为特性向量,设计一种时间序列聚类算法对不同时间尺度下快速路交通流进行预测.结果显示:此聚类算法与预测模型充分利用了历史数据,30 min时间尺度下预测精度较高,平均绝对相对误差最低为3.34%.     

Large motion mountain biking dynamics

A bond graph model of a mountain bike and rider is created to develop baseline predictions for the performance of mountain bikes during large excursion maneuvers such as drops, jumps, crashes and rough terrain riding. The model assumes planar dynamics, a hard-tail (front suspension only) bicycle and a rider fixed to the bicycle. An algorithm is developed to allow tracking of a virtual tire-ground contact point for events that separate the wheels from the ground. This model would be most applicable to novice mountain bikers who maintain a nearly rigid relationship between their body and the bicycle as opposed to experienced riders who are versed in controlling the bicycle independent of the body. Simulations of a steep drop are performed for various initial conditions to qualitatively validate the predictions of the model. Results from this model are to be compared to experimental data and more complex models in later research, particularly models including a separate rider. The overarching goals of the research are to examine and understand the dynamics and control of interactions between a cyclist and mountain bike. Specific goals are to understand the improvement in performance afforded by an experienced rider, to hypothesize human control algorithms that allow riders to perform manoeuvres well and safely, to predict structural bike and body forces from these maneuvers and to quantify performance differences between hard-tail and full suspension bicycles.     

Large motion mountain biking dynamics

A bond graph model of a mountain bike and rider is created to develop baseline predictions for the performance of mountain bikes during large excursion maneuvers such as drops, jumps, crashes and rough terrain riding. The model assumes planar dynamics, a hard-tail (front suspension only) bicycle and a rider fixed to the bicycle. An algorithm is developed to allow tracking of a virtual tire-ground contact point for events that separate the wheels from the ground. This model would be most applicable to novice mountain bikers who maintain a nearly rigid relationship between their body and the bicycle as opposed to experienced riders who are versed in controlling the bicycle independent of the body. Simulations of a steep drop are performed for various initial conditions to qualitatively validate the predictions of the model. Results from this model are to be compared to experimental data and more complex models in later research, particularly models including a separate rider. The overarching goals of the research are to examine and understand the dynamics and control of interactions between a cyclist and mountain bike. Specific goals are to understand the improvement in performance afforded by an experienced rider, to hypothesize human control algorithms that allow riders to perform manoeuvres well and safely, to predict structural bike and body forces from these maneuvers and to quantify performance differences between hard-tail and full suspension bicycles.     

基于站点爬虫数据的公共自行车系统时空特征分析

把握公共自行车使用的时空分布特征是优化公共自行车系统运行的前提.通过网络爬虫技术获取站点数据,定义了站点活跃度等指标,利用Dunn指数和Davies-Bouldin指数确定有效的站点活跃度聚类算法,引入全局Moran′s统计量和局部Moran′s统计量对站点使用情况进行空间统计分析,深入挖掘站点使用状况的时空分布特征.在对苏州市公共自行车系统的案例研究中,根据活跃度变化将站点聚为四类,发现一个站点的活跃度与周边13个(晚高峰)至20个(早高峰)以上的站点存在正的空间相关关系,可推测早晚高峰用户的平均骑行距离分别为2.2 km和1.7 km.研究结果还证实,虽然大部分站点的高峰期车桩比在空间上呈随机分布,但高车桩比站点分别聚集在几个不同的地区,低车桩比站点则集中出现在较大范围内,系统地揭示了站点间协调配合存在的问题.      

综合考量借还车需求与调度成本的公共自行车调度优化模型

传统的公共自行车调度模型要求各自行车租赁站点的自行车取送需求已知并严格得到满足,这可能会为了少数车辆的平衡而大大增加调度成本（一些站点经调度后的自行车数量可能与目标数量只差几辆,对于满足的借、还车需求大小影响很小,而如果严格按照目标值进行调度的话卡车调度路线长度或时间会增加很多）。基于此,提出一个新的公共自行车调度模型,该模型并不需要所有的站点都严格按照事先给定的自行车配备数量进行调度,并综合考虑满足借还车需求最大化目标及调度成本最小化目标,分析调度约束及系统中借车与还车在时间上与空间上的动态演化过程,对卡车调度线路进行优化,得到各站点应配置的自行车数量及可满足的借还车需求大小。随后,对模型提出相应的遗传算法求解方法,设计适宜求解的编码与遗传算子,通过算例对该模型进行验证,并与传统的自行车调度模型的计算结果进行比较。研究结果表明：通过调整多目标之间的权重,并运用该模型进行优化可得到较好的既能最大程度满足借还车需求而调度成本又较省的调度卡车行驶路线方案;提出的模型在满足借还车需求减少比例很小的情况下使得调度时间明显下降;如果硬性要求每个自行车租赁站点的调配需求都严格满足的话,调度时间将会明显增加。研究成果可为公共自行车调度提供依据。