基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

道路交通数据采集技术研究展望

交通数据是交通规划、管理与控制的基础,尤其对智能交通系统的建设和运营具有决定性作用。阐述交通数据采集技术的发展．分析、归类其技术特点,研究和展望新技术在交通数据采集中的应用前景,提出适合我国道路交通特点的交通数据采集技术。     

基于CNL 模型的公共自行车使用模式研究

正在许多城市迅速推广的公共自行车系统被认为是解决出行“最后一公里”问题的 新型交通方式.本文将公共自行车使用分为接驳地铁、接驳常规公交及全程单独使用3种模式, 构建Cross-Nested Logit模型,利用苏州市地铁沿线公共自行车使用情况的调查数据,定量分析 影响使用模式的主要因素.研究发现,相对于接驳地铁或常规公交,公共自行车在很大程度上 倾向于被全程单独使用,在短距离出行中极可能与常规公交存在竞争关系,但对地铁出行有一 定的补充作用.本研究有助于重新思考公共自行车在城市交通系统中的定位及其发展方向.