欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

城市快速路交通事件检测的自适应算法研究

针对城市快速路交通事件检测问题,提出了-种基于自适应遗传算法与神经网络相结合的自动检测算法.通过改进的自适应遗传算法优化神经网络结构和权值参数,保证了神经网络能以较小规模和最优的权值参数来描述事件发生与交通参数间的映射关系,从而提高检测效果.利用PARAMICS交通软件模拟了北京市京通快速路从大望桥到四惠桥路段间的一组交通数据,仿真结果表明,该算法同现有的典型算法相比较,具有较高的检测率和较快的检测速度.     

高速公路固定检测器布设方案分析

为研究高速公路交通事件检测算法及固定检测器布设间距,设计高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距为200～700m时,使用不同情况的事件来检测效果。利用VISSIM4.2软件仿真获得数据,并在MATlab人工神经网络工具箱中计算,验证所设计的事件检测算法的有效性,得出基本路段固定检测器的合理布设间距。     

基于VISSIM的高速公路交通事件仿真及数据处理

交通事件检测是智能运输系统的重要部分.本文简要归纳了交通事件检测的方法.利用VISSIM的incident模块模拟单向三车道高速公路直线路段因车抛锚引起的拥堵,由检测器记录交通事件发生前后的交通流数据.利用Matlab语言对原始数据进行处理,并提出利用小波技术对交通事件进行检测的新方法.     

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中60％～70％的延误是由交通事件引起的,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自20世纪60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个AID系统,但是居高不下的误警率(FAR)和令人失望的检测效果,让一些交通管理者不得不放弃它的使用。为了提高AID系统的可靠性和实用性,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架,并以人工神经网络技术为依托,设计了基于单个检测设施的AID算法。模拟计算表明,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率(DR)、误警率(FAR)和平均检测时间(MTTD)方面都优于目标方法,而且由于每个检测器站只需安装一个检测器,也降低了高速公路事件管理系统的建设成本。     

城市信号主干道网络交通事件检测

本文论述了用向量机（SVM）技术检测城市主干道交通事件的发展应用。用来自固定检测器和浮动车的数据作为输入向量,经过以下五个步骤完成事件检测：采用ARFIMA模型处理交通输入数据,用SVM训练原始数据,运用模糊逻辑训SVM样本,融合从固定检测器和浮动车获取的数据,推断路段及路网状态。     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

交通事件下路段通行能力多层模糊估计方法

交通事件常导致道路网络区域性拥堵。研究交通事件下路段通行能力估计方法，有助于精准施策，缓解交通拥堵，提高道路服务水平。针对交通事件下路段通行能力影响因素复杂、样本数据量少等问题，本文提出基于多层模糊的通行能力估计方法。首先，宏观分析路段通行能力影响因素间关联性，基于模糊逻辑，构建通行能力估计模糊子系统，并将各类交通事件影响量化为多项特征值。其次，研究以交通事件影响量化特征值为输入，构建路段通行能力多层模糊估计方法，输出路段通行能力折减率。最后，通过实际案例验证模型的有效性，对比分析交通事件下路段通行能力实测值、经典通行能力计算方法与本文方法。结果表明：本文方法适用于多种交通事件场景，通行能力估计总平均误差为5.43%，相较HCM折减车道法估计精度显著提高。在交通事件动态检测数据支撑下，研究成果可在线估计交通事件影响下的路段通行能力，可为交通管理部门实现非常态下的智能管理与控制提供支持。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

城市路网交通状态的小波分析检测方法

选取交叉口进口饱和度和路段平均行程速度作为路网状态检测的基本参数,采用小波包变换的时频高分辨率特性,以能量分析方法识别进口饱和度和路段平均行程速度的突变与异常状况,并定义了交通状态系数来定量描述交通状态变化,设计了基于小波分析的交通状态检测算法,并采用贝叶斯算法对交通状态进行预测。仿真分析结果表明:小波包变换可有效识别节点能量分布的突变区间,据此可准确判别交通状态发生变化的时段;当采样数据的模极大值点为200～243时,此段节点能量变化比较剧烈,信号在此出现突变,由较平稳向非平稳状态变化,对应的路段交通状态系数大于0.300h.km-1,为拥挤状态。该方法原理简单,检测响应时间短,检测结果可靠。     

城市主干路交通功能可靠度量化评价方法

为了定量评价城市主干路交通功能的实现程度, 建立了城市主干路交通功能可靠度的计算方法; 分析了主干路交通功能的3个主要特征, 即承载较大交通流量, 具有较高运行速度与服务于中长距离出行, 应用可靠度理论, 提出了城市主干路交通功能可靠度的概念; 选取行程速度和直行率之积作为可靠度的计算指标, 构建了基于概率论的交通功能可靠度计算方法; 分析了2个计算指标的阈值范围, 对比了交通功能可靠度与服务水平的区别与联系; 针对郑州市2个主干路单元, 评价了其高峰和非高峰时段的交通功能可靠度。计算结果表明: 行程速度与直行率之积不相关, 且可认为二者相互独立; 主干路与支路交叉口的直行率均大于主干路与次干路交叉口的直行率, 实测的4组数据中直行率分别高出0.271、0.062、0.229和0.034;连接老城区与高新区的科学大道在高峰和非高峰时段的交通功能可靠度分别为0.803和0.702, 交通功能实现程度处于较高水平; 老城区的东风路在高峰时段的交通功能可靠度为0.386, 其交通功能特征和实现程度相对较弱, 远低于科学大道; 科学大道上3个交叉口的服务水平均为一级, 高峰和非高峰时段的路段服务水平分别处于C级、B级, 而高峰时段东风路上3个交叉口的服务水平分别为二级、二级和三级, 路段服务水平处于C级, 科学大道的整体服务水平优于东风路。可见, 交通功能可靠度评价结果与服务水平分析结果的趋势基本一致, 但与服务水平相比, 交通功能可靠度更能体现主干路的功能特征和外界因素对交通运行的随机影响。      

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。     

基于转向的Logit交通分配算法

为避免交通分配中传统的网络扩展法在处理转向延误时的缺陷,通过分析网络基本要素节点、路段和转向之间的拓扑关系,借鉴Dial算法的基本框架,设计了一个基于转向的Logit交通分配算法。该算法以源点至路段的含转向延误的最短路径长度为依据处理各条路段,正向计算转向权重,反向分配路段流量和转向流量。算法计算结果与Logit路径流量和Dial算法数据相一致,该算法可直接求解既满足Logit路径选择概率又考虑转向延误对交通分配影响的路段流量和转向流量模式,而且Dial算法是其在转向延误为零时的一个特例。     

基于浮动车的高速公路交通事件自动判别方法研究

交通事件判别是高速公路事件管理系统的重要组成部分，提高事件判别算法性能可以显著改善事件管理系统的运行效果．文中阐述了国内外交通事件自动判别方法的研究现状，分析了以往基于固定式检测器的事件判别算法之不足，如检测速度较慢、低流量情况下检测效果较差、可移植性不强等．根据交通事件会显著影响车辆运行速度这一特点，提出了一种基于浮动车数据的交通事件自动判别算法．仿真结果表明，算法具有较高的事件判别率（92．5％）、较低的误判率（1．2％）和较短的事件判别时间（1．6min）．     

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络 (Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.     

交通事件检测算法研究进展

自动事件检测系统利用检测算法来分析交通数据和快速检测事件的发生，以便于尽量减少事件所造成的不利影响．自20世纪60年代以来。人们开发了各种各样的公路交通事件检测算法，如：基于交通流理论、模式识别、统计理论和近年来发展起来的人工智能与模糊逻辑的检测算法等．文中总结评述了现有的各类算法。指出了改善算法性能的研究方向．     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。