基于数据融合的城市道路交通事件自动检测

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,提出一种基于多源数据融合的城市道路交通事件检测方法。在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车、SCATS、Citilog系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型。该模型可以有效抑制交通信号对于交通流的周期性影响。实验表明,模型在高峰时段和平峰时段均能快速准确检测交通事件。     

基于机器学习的网约车合乘出行碳减排状态预测

网约车合乘出行可有效提高车辆运输效率,与常规网约车出行相比具有显著的碳减排潜力。然而,现实中网约车合乘出行能否真正减少碳排放受多方面因素影响,往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单,提出一种基于机器学习的网约车合乘出行碳减排状态预测模型,并解析其碳减排机理。首先,基于成都市真实的网约车合乘订单与轨迹数据,应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量,进而得到合乘出行相比独乘出行的碳减排量。然后,基于历史的合乘行程碳减排及其订单特征数据,训练XGBoost(eXtreme Gradient Boosting)模型以预测未来潜在合乘出行的碳减排状态。最后,采用ALE (Accumulated Local Effects)分析方法对预测模型进行特征变量解析,以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23 g,但仍有15%的网约车合乘行程未能实现减碳;XGBo...     

基于区块链的MaaS用户服务可信评价模式与系统研究

传统交通服务用户评价存在数据集中式存储管理、评价过程不公开透明、数据易被篡改等问题,评价结果可信度不高。在出行即服务(MaaS)体系下,交通服务涉及MaaS服务平台商与运输企业等更多运营服务主体,如何建立可信的服务评价模式对于MaaS服务质量监管和改善尤为重要。文中基于区块链不可篡改的技术特点,提出基于区块链的MaaS用户服务可信评价模式,并以乘客满意度评价场景为例,设计基于区块链的MaaS乘客满意度评价系统。     

轨迹数据驱动的自动驾驶公交运行评价方法

基于自动驾驶公交车车载传感器采集的车辆位置、速度、加速度等轨迹数据,建立多变量长短期记忆神经网络二分类器模型组,将轨迹数据识别转换为车辆运行稳定性、高效性、安全性指标,以追踪车辆运行状态;在开放交通流道路中,采集自动驾驶公交车的行驶轨迹数据进行模型训练和测试,结果表明该方法能有效识别超速、急加减速、进出站等事件,命中率、召回率、准确率高于0.8,识别准确度较好;分别采集自动驾驶模式与人工驾驶模式样本,应用轨迹检测评价方法进行运行质量评价对比,发现自动驾驶公交具有更高的控制稳定性、安全性,人工驾驶模式具有更高的效率。     

���������ٿռ�ֲ������о�

针对传统统计学方法在研究浮动车车速时未考虑其空间结构性的问题,在分析传统统计学研究缺陷的基础上,介绍了地统计学的特点、应用领域和在车速研究中的应用原理;阐述了空间分析方法的总体模型和算法流程．利用北京市2005年5月研究样区的实际速度数据对浮动车的车速进行了空间结构分析和空间插值分析．结果证明,地统计学方法作为一种分析空间数据的新方法,能够解决传统统计学方法无法解决的空间变异性问题．对研究具有空间特征的交通对象,开辟了一条新途径和提供了一种新思路,对研究宏观层面的交通规划和中观层面的交通系统运行特征具有重要的参考意义并具有广阔的应用前景．     

基于AVL的公共汽车到站信息服务系统设计

为了提高公交到站信息服务系统的可移植性、降低到站时间预测误差、增强到站时间信息服务的可获取性,对如何构建公共汽车到站信息服务系统进行设计。以标准化AVL数据输入为基础,阐述了4项关键技术：制定AVL数据采集内容标准;建立基于行程时间的到站时间预测算法;建立基于事件驱动的到站时间预测控制方法;提出电子站牌与手机相结合的联合信息发布模式。选取实际线路在计算机上实现上述设计成果,并对比分析事件驱动和时间驱动两种控制方法在降低预测误差方面的效果。结果证实,事件驱动控制方法对到站时间预测误差的改善效果比时间驱动控制方法显著。     

基于矩阵元素匹配性分析的公交运能均衡性评价方法研究

针对公交运能区域分布不均的问题,提出了一种基于公交线路运能与公交出行强度匹配度的公交线网及运能配置评价方法。该方法在网格化城市区域的基础上,分别将公交线网运能和公交出行强度抽象为覆盖在研究区域上的两个矩阵,其元素值分别代表相对应网格化城市区域的公交运能和公交出行强度。通过设计矩阵元素算法和建立两矩阵元素匹配性分析模型来评价公交运能与公交出行需求之间的匹配程度,据此评价公交线网的布设与运能配置是否均衡合理,并绘制出相应的评价图。在公交资源一定的情况下,该方法为公交运能的均衡分配提供了理论支持与解决方案,其科学性与实用性在广州老城区公交运能评价与优化研究中得到了验证。     

基于Box-Cox Dogit模型的公共交通分担率预测

通过分析影响交通方式选择的外部因素和内部因素,基于最大随机效用理论,提出了城市公共交通分担率预测的非集计Box-Cox Dogit模型。针对模型的建立、参数标定以及计算过程进行了推导。最后结合杭州市的实际调查数据,进行了公共交通分担率的预测实验,独立样本检验结果表明,模型预测准确率较高。     

基于K近邻非参数回归的交通状态概率预报技术

针对城市道路交通系统中交通流演变的随机性和复杂性,以及实时交通状态判别本身所具有的不确定性,基于模式识别和相似预报的思想,提出了一种交通状态概率预报的K近邻非参数回归模型。模型首先利用城市道路路段上环形线圈采集的交通流数据,采用模糊聚类技术,生成历史样本数据库;接着采用相似离度指标进行近邻搜索;然后根据近邻子集,构建交通状态概率预报函数,对路段未来时段的交通流运行状态进行预报,并用概率定量描述该状态发生的可能性大小。最后根据该模型,结合实际数据,进行了不同预报时长的分级交通状态的概率预报试验,独立样本检验结果表明,该模型预报准确率高,稳定性好。     

快速公交路径优化设计模型及算法研究

分析了当前大城市多模式公交网络结构,构建了多模式公交超级网络;研究了公交出行者的策略选择行为,在考虑行程时间可靠性、座位期望以及诸多延误因子的基础上改进了策略阻抗模型;提出了BRT网络设计的双层规划模型:下层模型以改进策略阻抗模型为前提,进行了多模式公交网络平衡配流,上层模型旨在优化BRT的线路走向和布局;基于遗传算法和粒子群优化,设计了求解该双层规划模型的混合启发式算法,并用一个简单算例验证了本研究中模型与算法的可行性,提出了BRT线网优化设计的建议。