北京市快速路浮动车最小样本量研究

为确保浮动车提供信息的准确性和可靠度,首先以RTMS数据作为真值来验证当前样本量条件下浮动车数据的有效性;然后通过简单随机抽样方法来逐步减少浮动车的样本量,并计算、比较不同样本量下的浮动车数据与RTMS数据的相关系数;最后得出确保浮动车数据有效所需的最小样本量. 经验证,本文研究范围内的二、三环快速路5 min时间间隔内每千米路段上需要的浮动车最小样本量为7～9个,而当前样本量条件下的浮动车数据在时间上和空间上能达到最小样本量要求的分别占73％和87％以上.     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性，本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先，经过对车辆运行轨迹数据的分析发现，不同道路类型和平均速度条件会显著影响驾驶行为的集计特征；其次，提出改进的驾驶员特征聚类方法，第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法，从而稳定提取典型交通条件下的驾驶行为特征参数，第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明， 在相同的道路类型和平均速度条件下，驾驶员类型越激进，其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明，改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好，能有效提升驾驶员聚类的适用性与可靠性。     

��ͨ�¼���⼼���Ľ�չ�о�

交通事件是造成偶发性交通拥挤的主要原因,由于交通事件的发生时间和地点是随机的、不可预测的,偶发性拥挤难以采取控制交通需求或提高通行能力等减轻常发性拥挤问题的对策来处理。因此偶发性拥挤控制的关键是尽早地发现事件、确认事件的性质并及时采取救援措施和为其他驾驶员提供相关信息,这也就是要建立一个完善的事件管理系统,对事件实现快速、高效、恰当地处理。交通事件检测是交通事件管理第一步,也是其技术关键,本文从总体上介绍了交通事件检测技术的研究现状,详细介绍了各种自动和非自动交通事件检测技术,对两类技术进行了比较,提出了实际应用中交通事件检测技术的选择方法。     

北京市浮动车交通状况信息实时计算系统

为应用于复杂城市路网的浮动车系统建设,提出了利用浮动车数据实时计算路网速度的系统建设流程,包括GPS数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并从数据过滤合理性、地图匹配效率、路网覆盖率及结果可信度等方面验证了该方法的可行性与实际效果。经验证,原始GPS数据经过预处理过滤后能显著提高点匹配率,而改进的路径匹配算法能使过滤后的数据达到95％左右的匹配率,基本覆盖大部分北京市快速路和主干路。     

大数据时代城市智能交通系统发展方向

伴随大数据时代的到来,新技术与新思维必将引发城市交通学科的重大变革,首先是城市智能交通领域。从交通系统的基本属性、交通大数据发展特征、城市交通发展的基本理念和战略出发,深入剖析中国智能交通系统研发与应用存在的隐忧和倾向:高端智能决策支持欠缺、车联网技术研发泛化、理论创新匮乏、系统建设依旧各自为政未形成合力等。强调城市智能交通系统的发展必须服从城市交通发展战略的需要,充分利用大数据技术。最后,提出未来智能交通系统的发展方向和系统建设任务。     

高速公路交通拥挤与智能交通系统

高速公路交通拥挤问题将伴随着高速公路交通量的增长而日趋严重 ,文中着重分析了高速公路上交通拥挤的种类、形成原因以及相应的解决办法 ,分析了高速公路交通管理功能和以智能交通系统技术解决高速公路上交通拥挤的方法。     

基于浮动车数据的交通拥堵时间维度特征

以北京市浮动车数据为基础,对比2个工作日上午时段的交通拥堵时间百分比、持续时间特征指标,引入残存函数描述路段拥堵持续时间分布概率,采用曲线拟合后得到Log-Logistic模型可以更好地描述拥堵持续时间残存函数曲线,并对比不同路段的拥堵持续时间分布差异;此外,通过对比分析拥堵时段内速度的区间分布,得到拥堵前后时段交通状态的演变关系．通过对实际数据的具体分析直观说明交通拥堵时间维度的特征,以期为交通拥堵评估与预测奠定基础．     

交通路网数据自动增量识别与技术更新

道路网络数据是进行交通分析研究、规划设计的基础,为保证数据的现时性,时间和版本的继承性,交通部门需要参考不同来源数据对路网进行更新,文中针对这种专业现状和需求,提出了1种以各种来源新采集路网矢量数据为参考,进行快速、准确自动增量识别及增量更新的技术方法,从而大大减轻路网数据每年更新维护的时间与人力投入。