���е�··������ʱ������Է���

了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明：（1）平均路段旅行时间能够判断上述三个状态;（2）在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;（3）路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间.     

����̽�⳵���ݵ�·�ν�ͨ�����о�

现有探测车系统的探测车数量不足,尚无法满足实时采集交通状况的需求.因此,现阶段探测车历史数据是了解城市道路的交通状况变化（Time of day variability）的重要依据.基于日本名古屋探测车实证试验获得的探测车历史数据,研究了某一干线路段的平均速度的变化特性（Time of day variability）,并分析了平均速度的变动是否能够正确地反映路段交通状况的变化特性.结果表明,获取城市道路的路段交通状态不能仅依靠平均路段旅行时间、平均速度等旅行时间指标,还需要探测车数据量等流量指标：在高峰时段,应以平均速度等旅行时间指标作为拥挤程度变化趋势的依据,而在非高峰时段,应以探测车数据量等流量指标作为估计交通状况变化趋势的依据.     

城市快速路区间旅行时间短期预测新算法

城市道路交通状况的预测,是实现未来路况查询、车辆动态导航等智能交通系统技术的关键。该文在分析浮动车数据的时间相关性的基础上,研究城市快速路的区间旅行时间短期预测算法。首先,采用统计方法和K-NN分类法相结合的新方法对缺失数据进行填充,并利用小波变换对每天的数据进行消噪处理;其次,在分别利用时间序列模型和人工神经网络模型对城市快速路区间旅行时间进行短期预测的基础上,通过模型组合获得预测值;最后,结合北京市区二环的一段快速路区间旅行时间的历史数据和实时数据,对该文所提出的快速路区间旅行时间短期预测算法进行了评价。结果显示,该算法的预测结果的平均绝对误差百分比控制在10.43%以内,具有良好的精度。     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

����̽�⳵������·��ƽ���ٶȹ���ģ��

在讨论探测车样本数量统计需求的基拙上，提出了一种基于探测车技术的路段平均速度自适应加权指数平滑佑计模型，模型中加权系数随着跟踪误差大小和路段上探测车数量的变化而自适应调整，并利用VISSIM仿真数据验证了该模型。结果表明：在路段上探测车占交通流比例随时间变化且不能充分满足统计要求的情况下，相对传统的算术平均方法，基于指数平滑的路段平均速度佑计能够有效提高估计精度，并且可有效减小由路段上探测车数量变化而引起的速度佑计方差。     

����ʱ��ռ���ʷ����ij�������ϵ���о�

车辆折算系数是高速公路通行能力和服务水平研究的重要参数。在简要介绍国内外车辆折算系数计算方法的基础上,对时间占有率和车辆折算系数的关系进行分析,提出一种新的基于时间占有率的车辆折算系数计算模型。模型首先根据车辆速度和交通构成对交通检测数据进行分类,建立时间占有率、密度和交通量之间的相互关系模型;然后利用实测数据求得各模型的回归参数;进而采用微分比值的方法计算车辆折算系数。通过京津塘高速公路的数据验证,表明基于时间占有率分析的车辆折算系数能够反映车流中车型间的差异及相互影响,有助于特定交通流交通状况的分析。     

基于BP神经网络与D-S证据理论的路段平均速度融合方法

为精确估计路段平均速度,提出了基于BP神经网络与D-S证据理论的路段平均速度融合方法。通过训练完成的BP神经网络估计概率密度函数值,进而通过D-S证据理论进行数据融合,整合了BP 神经网络自学习的特点与D-S 证据理论推理的能力。提出了融合方法的框架,给出了具体的计算模型。利用京藏高速公路上的实测浮动车数据、微波检测器数据、车牌识别数据对融合方法进行了验证,并分析了当微波检测器失效时融合方法的鲁棒性。分析结果表明：融合数据的平均绝对误差百分率比仅使用浮动车数据或微波检测器数据分别提高了7．90％、20．72％,融合方法能够得到较好的效果。微波检测器失效的情况下,融合精度有所下降,但融合数据的误差仍然小于仅使用浮动车数据的误差,说明融合方法具有一定的鲁棒性。     

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。     

移动检测技术的研究

移动检测技术是智能交通系统中实时获取交通信息的重要手段之一．介绍了移动检测技术的概念及优缺点，对当前移动检测技术中的关键问题：如检测车辆占车流的百分比，利用移动检测技术估计和预测的交通指标以及估计、预测方法作了详细介绍，指出如何确定检测车在车流中所占百分比，利用该技术对旅行速度、旅行时间进行估计和预测，以及基于链路的估计、预测方法优于基于路段的估计、预测方法、     

车辆智能化监测记录系统在高速公路上的应用

该系统根据杭州绕城高速公路黄鹤山隧道的营运管理需求，运用光电、计算机、图像处理等先进技术，能准确地记录过往车辆的牌照、速度等信息，为分析路段的交通状况、提高营运管理水平提供科学依据。     

改进的高速公路路段行程时间估计方法

准确估计高速公路路段行程时间有助于充分发挥智能交通管理与服务系统的作用,文章在传统路段行程时间估计方法的基础上,从交通流具有动态流动性的角度出发,构建了一种改进的行程时间估计方法;通过车辆运行过程中所在时空的动态变化性,根据2个时段的检测器数据和各路段预设的行程时间给2类信息分配权值;最后以南京机场高速公路为例进行分析,结果表明改进方法可有效估计路段行程时间,并且路段越长,改进效果越明显。     

����BRT���ź���ʱ�ĸɵ�ͨ����������

由于城市道路交通行为的复杂性以及高质量交通数据的缺乏,实时估计城市主干道的旅行时间具有一定的难度.基于实时的快速公交（BRT）以及信号配时数据,作了一系列研究,用以估计主干道旅行时间以及交通服务水平（LOS）.本文通过将公交车的排队延误时间、平均信号灯等待时间和自由流旅行时间综合在一起来实现旅行时间的估计.并以Valley Transportation Authority（VTA） BRT和智能驾驶系统作为数据源进行实验.实验结果表明,本文提出的估计主干道性能的方法非常有效.其中根均方误差（RMSE）和根均方百分比误差（RMSPE）分别为49s和9%,LOS估计的精度高达73%.     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

检测器技术在交通控制系统中的应用

随着计算机及信息技术的飞速发展,城市的交通控制系统也朝着智能化、信息化方向发展。作为交通控制系统取得各种信息及数据的车辆检测器,也由于计算机技术及数字图象处理技术在其领域的广泛应用,使车辆检测器的技术取得了巨大变革,使之朝数字化、图象化、智能化发展,因而其检测的精度、可靠性、灵敏度等都有了大幅度的提高。车辆检测器的功能也在大大增强,应用领域也在不断扩展,车辆检测器城市的交通控制系统、车辆停车自动车辆检测器在城市的交通控制系统、车辆停车自动计费管理系统、闯红灯违章自动监视系统（俗称“电子警察”）等领域都得到广泛应用,交通控制系统呆以通过车辆检测交通流量、流向、车速、占有率、饱和度、车种等交通参数。     

三轴AMR 车辆检测器的车型分类设计实现

随着城市机动车数量的不断增加,城市交通向智能交通方向的快速发展,传统 的车辆检测器已经不能满足智能交通对交通状况反映的要求. 车辆检测器的车型分类功 能成为检测器发展的趋势,针对目前AMR 车辆检测器弱化车型结构对磁场强度影响的 问题,设计了一种新型的AMR 车型识别检测器.单个检测器可以采集三个方向地磁变化 量,结合一个高精度的时间模块,可以获得磁场强度在立体三维空间的变化,丰富了采集 信息.通过比较常见的车型分类算法优缺点,采用DAG-SVM 进行车型分类. 实验测试的 结果表明,该检测器可以有效地对车辆进行分类.     

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.