���������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...     

面向实时交通状态参数估计的浮动车车速置信优化算法

针对浮动车数据稳定性问题,在浮动车及其数据特性分析的基础上,设计了考虑车速置信权重的交通状态参数算法。以车速、样本数和时间为衡量基准得到置信权重,据此计算交通状态参数。在出现异常数据时进行去噪处理;在数据量不足或数据连续性不好的情况下融合历史数据及临近时段数据,以反映真实交通状态。通过编程仿真和实地实验,对优化算法进行数值分析和测试,证明该算法可有效消除异常数据波动和数据量不足的影响,对交通状态参数估计具有较高的准确度和平稳性。     

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。     

�������з�����������ָ����ϵ̽��

为了从服务学的视角准确考量公交系统运行服务的质量,本文基于交通调查和系统采集数据,通过统计分析解析了公交系统运行服务的过程和出行者出行的内在特性;基于对出行策略的定义,分析了出行者出行对时间、成本与体能消耗三方面的预算对其出行决策的影响;探讨了公交运行服务质量评价的系统边界,以价值、能耗与信息为基本维度,提出了评价公交运行服务质量的三维体系架构;最后分析提出三大预算对于从公交出行生理因素和心理过程两个基础层面揭示出行行为机理,是从乘客对服务感知视角对公交运行服务质量进行评价的更为客观有效的手段.     

中国出行即服务（MaaS）体系框架与发展路径研究

为打造以乘客为中心的门到门高度整合的一站式出行即服务(Mobility as a Service, MaaS)模式,构建适合我国国情的MaaS体系框架和发展路径,在全面分析MaaS典型特征、影响因素以及全球典型MaaS体系框架的基础上,首先对比了MaaS与传统运输服务模式的差异,然后提出了涵盖乘客、交通运营商、数据服务商、MaaS服务商、政府部门等各利益相关方的MaaS体系框架并设计各方的职责和相互关系。最后通过系统梳理我国不同公共运输模式在管理体制、运营模式、身份认证、安全检查、支付清分等方面的现状与问题,考虑不同出行服务模式在不同业务层级间整合的难易程度,对我国MaaS体系的发展阶段进行了划分,并从基础能力、关键技术、应用示范、合作伙伴关系等方面提出了我国MaaS体系发展路径。     

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。