高速公路运输量研究

提出了高速公路运输量的统计方法,并以南京—上海高速公路为例,首次统计了中国高速公路的客运量、货运量、客运周转量、货运周转量以及客、货运输密度。研究表明:在南京—上海通道内,高速公路和铁路起着同样的关键作用;货运方面,高速公路和铁路运送货物价值相差很大,两者是互补性的,客运方面,高速公路客运量中个性化出行与铁路是互补性的,而群体性出行与铁路是替代性的。对高速公路上运行的车辆状况进行了分析,指出货运量主要是由四轴的半挂列车和两轴的单车完成的。客运中个性化出行的乘客占40%,车数占88%。     

GIS在公路改建飞机跑道选址优化中的应用

分析了公路飞机跑道选址的影响因素,介绍了GIS技术在公路飞机跑道选址中的应用,包括利用GIS技术建立数据库,进行方案初选,提取各方案影响信息以及应用层次分析法进行多方案的综合评价等。最后通过实例验证了方法的有效性。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

基于瞬时阻抗的路径规划策略仿真性能评估

根据对实时路况的数据处理方式,常见的动态路径规划策略可分为瞬时阻抗T-SPF和平均阻抗A-SPF两种方式.如何验证这些策略的个体效益及其对城市路网的中长期影响一直是相关系统部署的核心问题.针对这一问题,通过Vissim的Car2X模块与自定义程序实现了仿真中的动态转向,并以现实路网为蓝本,对T-SPF和A-SPF在不同程度的市场占有率情况下的运行性能进行了测试.测试结果表明2种现有策略都存在各自的问题;当市场占有率达到15%以上时,T-SPF 策略可能令路网的通行容量处于振荡状态,而实施了 A-SPF 的路网的平均延误和通行量表现稳定,但在个体效益方面表现还不如静态策略.建议为城市路网实施路径规划时设计新的策略以及与之匹配的信号优化机制.     

船舶能效数据清洗方法研究

船舶能效数据清洗对于建立准确的船舶能效模型,提高船舶能效计算和分析的准确度,指导船舶节能航行具有重要意义.对船舶能效数据的故障特征进行了分析,运用阈值理论、船舶航行关联理论对故障数据进行了识别,运用插值法和灰色关联理论方法对水深、对水航速以及主机油耗数据中的异常数据进行修正,并且根据数据错误特征和数据清洗方法制定了船舶能效数据清洗流程,以内河邮轮"凯娅号"船舶上安装的船舶能效数据采集系统采集到的能效数据为研究对象,对数据清洗结果进行了分析.结果表明,水深数据修正值与实测值平均误差为1.58%,油耗数据、对水航速数据修正值与实测值平均误差为2.8%,1.5%,误差较小,能够满足后续建模以及数据挖掘等工作.     

基于双基站交通数据采集技术的假套牌车辆识别方法

假牌、套牌车辆对社会安全和交通运输行业的秩序造成了极大的负面影响,寻找快速有效的假套牌车辆识别方法十分必要.研究了一种基于射频识别(RFID)技术和图像识别技术结合的假套牌车辆识别方法.对同一处基站的RFID系统和视频抓拍识别系统采集的车辆车牌信息进行对比分析,得出疑似假套牌车辆.然后对多基站检测信息联合比对,相比于单基站,降低了疑似假套牌车辆的数量.选取南京市主干道上6个基站的检测数据作为实例,检测结果发现,通过5处基站检测的假套牌车辆比通过2处基站检测的假套牌车辆减少了210辆,降低了假套牌车辆的误检率.对建立的疑似假套牌车辆数据库验证分析,其正确率达到94.5%.相比较传统的方法,其具有覆盖范围大、不受时间限制、反应迅速等优势,可为交警部门查处假套牌车辆提供有力支撑.     

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.     

基于路侧多机视频目标关联与轨迹拼接的车辆连续轨迹构建方法

针对单个相机覆盖区域有限的问题,本文提出了通过路侧多个相机获取车辆连续轨迹数据的方法。在路侧端布置多台固定相机采集视频数据,采用直接线性变换算法解决相机外参造成的画面畸变问题;通过全时域抽帧提取图片训练样本,采用YOLOv5训练车辆检测模型;针对偶发的车辆漏检情形,通过完整性检查可以筛查出此类情况并修复;针对连续多帧漏检或误检导致的目标关联问题,通过异常轨迹核查算法及数据修复工具解决;针对相机斜下方区域的车辆轮廓变形问题,采用车辆检测轮廓修复算法解决车辆在不同路段检测框大小不一的问题;提出了基于车辆质心坐标匹配的方法实现相邻机位间的车辆轨迹拼接。基于上述多机视频目标关联与轨迹拼接方法,在多机位时间同步下构建了覆盖武汉珞狮路高架桥的车辆连续轨迹数据集,轨迹数据集验证结果表明：数据集涵盖从畅通到拥堵的各种交通状态,包含多段分合流区域,数据集连续时长达到3.5 h,覆盖区域1.41 km;车辆检测模型的召回率达到93.23%,准确率达到98.51%,F1分数为95.80%;数据集包含主路及各处匝道汇入的轨迹共25 734条,其中覆盖道路全域的完整长轨迹15 004条。本研究丰富了路侧多机视频目标关联与轨迹拼接方法,有助于路侧宽域车辆连续轨迹构建及交通管理与控制。     

中欧集装箱海铁复合运输网络脆弱性分析

中欧贸易运输涉及多个港口和车站,构成复杂的运输网络,网络枢纽节点受到自然灾害、安全事故等影响失效,导致网络仅局部连通,进而影响全局效率。为量化分析中欧集装箱运输网络在枢纽节点失效后的网络功能变化程度,基于中欧班列和海运航线网络构建海铁复合运输网络。在此基础上结合负荷-容量级联失效模型提出1种网络脆弱性仿真模型,模型考虑到节点容量、攻击方式及负载分配策略3类影响因素,并设定网络连通性及网络效率为脆弱性测度指标,仿真实验分析影响该网络脆弱性的因素与演化规律,并通过网络效率变化曲线判断了关键节点。结果显示,中欧集装箱海铁复合运输网络共计167个节点,网络具有无标度和小世界特性,度相关性系数为0.13,网络体现弱同配性,度值相近的节点倾向于互相连接;针对枢纽节点的蓄意攻击相比随机失效的网络更脆弱,失效节点数为3时,蓄意攻击下的网络连通性和效率对比随机失效时,分别下降20.15%和37.19%。从影响因素看,基于地理距离对失效节点负载进行重新分配的策略会加剧网络崩溃,节点容量的增加使网络更为鲁棒,当容量冗余系数增到0.2后,脆弱性指标达到临界阈值,外界干扰不再对整体网络产生影响;海港失效对网络效率的负面影响高于铁路站点,而欧洲港口的影响又高于中国港口。从关键节点识别看,欧洲港口中康斯坦萨港失效时网络效率降幅最大,达88%,中国区域为上海和宁波,降幅均为76%。研究结论有助于理解中欧集装箱海铁复合运输网络的脆弱性影响因素,在突发事件中优先保护关键节点,优化货流分配,从而提升部分枢纽节点失效时的运输网络鲁棒性。     

基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.