基于交通波特征的车道级车流溯源方法 |
| |
引用本文: | 袁见,刘福强,安琨,郑喆,马万经,俞秋田.基于交通波特征的车道级车流溯源方法[J].交通运输系统工程与信息,2024(1):159-167. |
| |
作者姓名: | 袁见 刘福强 安琨 郑喆 马万经 俞秋田 |
| |
作者单位: | 1. 同济大学,道路与交通工程教育部重点实验室;2. 麦吉尔大学,土木工程系;3. 浙江数智交院科技股份有限公司 |
| |
基金项目: | 国家自然科学基金~~; |
| |
摘 要: | 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...
|
关 键 词: | 智能交通 车流时空溯源 机器学习 车辆轨迹 交通波 |
|
|