数据驱动的电动汽车充电站选址方法

电动汽车在缓解能源压力和环境污染中起着重要的作用,充电不方便成为制约电动汽车发展的一个重要原因.为了合理布局电动汽车充电站位置,本文提出一种数据驱动的电动汽车充电站选址方法.利用海量的移动位置数据提取潜在的交通需求位置,包括出发点和目的地;将地图划分为等间隔的网格,将潜在的交通需求位置与网格关联,统计每个网格内的交通需求量,需求量大的网格作为电动汽车充电站选址的候选位置.实证研究表明,该方法能够精准定位潜在用户需求量大的位置,为电动汽车充电站选址提供数据支持和决策依据.     

基于大数据的城市尾号限行方案设计与评估研究

为提升城市尾号限行方案设计与评估决策水平,制定了统一规范的设计流程,将出行目的分为基家工作、基家上学、基家购物、基家其他、非基家出行等5类,建立了交通方式划分模型;基于层次分析法以路网运行车速、拥堵里程、改善路段数量、节点改善数量、流量均衡、实施难度等6项指标,建立路网运行评价模型,实现了各评价指标的量化分析.依托重庆主城区交通大数据,以重庆为案例进行了实例验证,结果表明：重庆交管部门根据评估最优方案进行了实施,桥梁限行实施后,实际运行车速和拥堵里程分别为23.8 km/h,171 km;模型预测相对误差分别为2.9%,5.2%;预测精度较高,达到了实际应用要求,可为其他城市尾号限行提供一定借鉴.     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

货车轨迹数据在公路货运系统中应用研究综述

随着轨迹数据可获取性及精度的持续提高,货车轨迹数据被广泛应用于公路货运系统的 规划与管理中,同时,人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机 遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究,从基于轨迹数据的 货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的 研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留 点、车辆和货物、活动出行模式等热点主题,但现有辨识方法多移植于旅客出行研究,需要更多地 考虑货运出行的独特特征。在货运系统关键特征预测方面,研究者主要针对货运行程时间、空间 位置、出行需求等主题展开研究,并证明了基于轨迹数据预测货运特征的可行性,但预测时空范 围较为局限,需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外,轨迹数 据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运 政策评估等研究。最后,在总结现有研究不足的基础上,本文认为未来研究应重点将货运轨迹数 据与其他多源数据相结合,从3个关键技术进行突破：一是针对货运实践个体,重点探索高效货车 驾驶员的出行特征和出行模式,并在货运系统中进行推广应用;二是针对交通运输新技术和新形 势,重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略;三是针对货运 供需关系及匹配机制,重点研究货运全流程供需状态辨识与预测,并结合深度学习等方法训练和 开发智能供需匹配模型,从而优化货运系统调度,助力社会散乱运力资源整合,提高货运系统的 综合效率。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响,本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段,基于百度迁徙大数据,利 用双重差分模型,识别长沙市不同阶段的交通防控政策以及量化防控效果,分析交通防控政策对 长沙市人口流动的影响。结果显示,长沙市在交通管制阶段,平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%,有效地控制了人口流动,降低了 疫情扩散危险。在交通恢复阶段,长沙市人口流动强度逐渐反弹,城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性,为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

轨迹数据驱动的单点信号交叉口运行效率评价方法

为解决信号交叉口运行效率评价方法偏理论化、实用性不强等问题,以出租车、公交车、驾图(车联网)多源GPS轨迹数据为基础,充分利用车辆减速、停车、加速等连续速度变化特征及位置信息,提出交叉口个体车辆排队长度、通行时间、停车次数等交通参数提取技术.基于此,构建以信号交叉口运行指数为一级指标,车辆平均通行时间,第95％分位排队...     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

����ATMS������Ϣƽ̨�� ����Ԥ���������о�

对面向ATMS共用信息平台的数据预处理技术进行了探讨.介绍了面向ATMS的共用信息平台的含义以及作用，探讨了面向ATMS共用信息平台的数据预处理技术，从故障识别，故障修复来对动态交通数据预处理方法进行了研究.该研究对于面向ATMS共用信息平台数据预处理提供了依据.     

数据挖掘技术在固定型交通检测器配置优化中的应用

结合固定型交通检测器空间配置的四条原则和配置密度优化步骤，提出固定型交通检测器配置优化的数据挖掘方法。设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对像，运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型，ARIMA预测模型及神经网络预测模型。采用网络搜索技术确定Winters模型参数，设计一种比传统ARIMA模型参数估计方法更精确的算法程序估计ARIMA模型参数，采用三项误差指标评价模型预测效果，根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案，研究结果表明：在保证满足ITS对交通参数精度要求的同时，通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本，为固定型交通检测器配置密度的优化提供了一种简单可行的新方法。     

水上交通事故模式的研究

文中提出采用数据仓库技术搭建水上交通事故(事件)管理、分析信息平台，利用数据挖掘技术自动描述、寻找事故数据背后有价值的的模式和知识．实例给出1995～2000年期间长江水域的船舶事故(事件)历史数据库的构建，通过重特大恶性碰撞事故案例的数据挖掘，量化提取事故特征，并利用广义线性模型对船舶碰桥事故建立概率预测模型，为科学组织管理长江水上交通提供理论依据．