基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

基于主线拥堵场景的快速路级联信号控制方法

城市快速路高峰时段已经呈现出常态性拥堵,对快速路主线拥堵进行疏导尤为必要.本文通过在主线和入口匝道进行三级交通检测判别,设计了多级联动的信号控制流程与实现方式,构建了不同拥堵程度下的分级响应控制策略,基于瓶颈点通行能力最大化下的实时信号控制算法及最大排队长度限制下的实时信号控制算法,建立了主线及匝道车道开关闭、汇合处信号灯控制、主线动态限速、交通信息诱导等于一体的快速路级联信号控制方法.仿真分析结果表明,在主线不同拥堵程度下采取的级联信号控制方法,可以有效提升快速路主线平均车速,并未导致匝道排队的恶化,局部路网平均延误均有明显降低.     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求,结合城市公交线网中乘客出行密集、客流走向规律等特点,提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化,为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置,设定了Q-learning 强化学习的奖惩函数,提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明,所提出的改进方法能够降低通勤者跨区域通行的旅行时间,有效提高髙峰时段定制公交线网的通行效率.     

大连新建地铁对公交出行选择的影响

为了分析城市新建地铁项目对居民公共交通出行的影响,改善公交服务水平,提高公共交 通的分担率,针对大连市新建地铁线路展开研究。以大连市地铁1 号线沿线站点作为研究区域, 采用SP （Stated Preference） 调查方法,收集了300 名地铁沿线居民对常规公交以及新建地铁两种 出行方式的选择数据。通过建立二项Logit 模型,分析出行成本、换乘时间等选择方案特性变 量,出行特性变量以及出行者特性变量对于居民出行方式选择行为的影响,并计算弹性值及模型 精度。结果表明,通过调整出行成本及换乘时间可有效提高地铁分担率。由此提出相关政策建 议：对于出行成本,可从出行者年龄及出行次数两方面制定不同的优惠政策;对于换乘时间,可 从提高可达性、完善购票系统以及调整发班频率三方面进行改善。     

北京市旅游交通方式选择行为研究

为防止北京市旅游高峰期间景区周边交通混乱以及城市交通路网负荷增加,选取北京市三 处景点进行问卷调查,将游客的年龄、是否有车、月收入、同行人数及同伴类型等数据作为影响游客交通方式选择的因素。与此同时,对所需数据进行有效性检验,进而分析不同游客的出行方 式特性,利用非集计模型对游客的交通方式选择行为进行研究。结果显示：游客的年龄、是否有车、月收入、同行人数以及同伴类型这几类因素对游客的交通方式选择的影响均显著,并得到游 客对私家车、出租车、地铁及公交车这四类交通方式选择的比例,分别为17%, 7%, 54%, 22%。研究表明,北京市旅游交通方式的需求以公共交通为主,尤其是对轨道交通的需求,为此建议进 一步加大北京市旅游公共交通系统建设,提高旅游交通的服务质量。     

基于大数据的大学校园停车系统规划 ——以大连理工大学凌水主校区为例

为解决大学校园停车系统混乱以及用于相关规划的基础数据样本量小、精度不高、时效性 差等问题,应用大学校园停车调查数据、各出入口车辆记录数据以及各院系教职工信息数据进行多源大数据分析,提出了一种基于大数据的大学校园停车系统规划方法。以大连理工大学凌水主 校区收集到的数据为例,首先从静态角度利用各出入口车辆记录数据和校园停车调查数据获取校园整体停车需求,进而利用各院系教职工信息数据分析各部门的停车需求。然后,从动态角度考虑停车位的周转问题,利用各出入口车辆记录数据分析校园出入车辆停车时段分布状况。最后,根据多源大数据分析所得校园停车系统现状,得出相应的校园停车系统规划结果。研究结果表 明：基于大数据的大学校园停车系统规划方法可有效解决传统方法中基础数据样本量小、精度不高、时效性差等问题,提高了规划结果的实用性和科学性。     

多Agent强化学习下的城市路网自适应交通信号协调配时决策研究综述

相对于传统的交通信号配时决策方法,多Agent 强化学习及其协调方法能更好地适应城市 路网交通环境的变化。为探讨其在城市路网自适应交通信号配时决策中的应用,系统地总结了多 Agent 强化学习及协调机制的研究方法,详细地分析了国内外研究现状,并指出现有研究中存在 的问题,在此基础上对未来研究进行了展望。研究结果表明,既有研究主要针对规模较小的路 网,存在维数灾难问题,强化学习与协调机制结合研究还不够深入,相关学习参数分析不够细 致,仿真环境和情景现实性不强。未来研究可以引入马尔科夫博弈提高决策协调性,嵌入混合交 通流、公交优先等交通管理思想增强决策实用性,引入先验知识及其他学习技术加快学习速度, 融入物联网、主动管理、大数据等先进理念和前沿技术增加决策的实时性,与交通诱导等集成提 升决策的系统性。     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.     

基于部分集卡到达信息的码头进口箱翻箱优化

集装箱码头进口箱提箱作业过程中,由于外集卡到达时间的不确定性,存在外集卡提箱顺序与目标箱的堆存位置不一致,从而产生大量翻箱.为了解决这一问题,本文以期望翻箱量最小为落箱位置的选择原则,提出最小化二次翻箱启发式算法,利用算例验证算法的有效性,分析集卡到达的信息质量对进口箱提箱翻箱的影响,根据集卡到达信息质量的不同选择最佳翻箱规则.结果表明:提出的翻箱策略可以在获得部分集卡到达信息下有效地减少翻箱,针对不同的集卡到达信息质量,采取相应翻箱规则进行翻箱作业能有效减少翻箱,提高码头堆场的作业效率.     

公共自行车多层次分区调度方法研究

公共自行车发展的制约性问题在于调度滞后,服务水平无法满足用户需求.从时间分布和空间分布两方面分析了公共自行车高峰期潮汐需求规律及其与用地类型的关系.创新地提出以上层调度区域、调度小区和站点为主的多层次分区调度方法.在详细分析了各层次分区流程及相关参数的基础上,提出结合虚拟小区与有时间窗的多目标优化调度模型解决区间调度问题,并且建立了小区内调度的最优路径模型.形成区间灵活调度,区内路径固定的半确定调度体系.案例证明该方法具有较强的可操作性.该方法在保证高峰期及时调度,减少不必要的绕行和拥堵时间,提高调度效率,减少盲目性等方面具有重要意义.