排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
为支撑城市道路中低渗透率轨迹数据条件下车流溯源分析,本文提出一种基于交通波特征的车道级车流溯源方法。基于NGSIM(Next Generation Simulation)数据集中的真实车辆轨迹信息,解析不同来源车流的交通波特征差异性;结合信号配时方案,从车辆初次停车时刻、集结波起始时空位置、集结波斜率、集结波覆盖长度等多个维度验证了交通波应用于车流溯源的可行性。在此基础上,提取集结波5项特征参数,构建4种基于机器学习的车道级车流实时溯源模型。采用NGSIM数据对模型参数进行训练标定,并对不同归一化方法、不同数据量、不同数据精度下的模型效果进行灵敏性分析。结果表明,在低数据量场景下,特征参数宜采用Min-Max法进行归一化处理,溯源流量平均误差比例最大不超过23.60%;当数据量较为充分时(超过100个信号周期),特征参数宜采用Z-Score法进行归一化处理,平均误差比例最大不超过9.90%,效果最佳的梯度提升回归模型的平均误差低至0.01%。此外,数据误差对不同模型的影响有所差异,但在误差较大时模型不会出现失效问题。本文所构建方法不依赖于固定检测器数据,未来可进一步研究交通波在网络层面... 相似文献
1