构建道路交通动态风险智能防控体系的探索与思考

在道路交通大发展、新业态新风险持续变化衍生的大背景下,交通大流量、恶劣天气、危险驾驶、意外事件等瞬变性动态交通风险难防难控,道路交通管理工作面临严峻挑战,如何有效提高动态风险精准感知、智能预警、落地防控能力,实现动态风险发现在前端、化解在萌芽,推动道路交通安全治理模式向事前预防转型,是摆在公安交管部门面前的现实难题。本文从湖南省道路交通安全管理实际出发,探讨如何依托公安交管科技信息手段构建智能防控体系,为全力化解交通动态风险提供新的思路。

KD-50-I-E平台的FCD并行计算与交通动态诱导

Intelligent traffic system(ITS) is a development trend for urban modern traffic.Active guidance control for urban traffic can relieve increasing traffic congestion pressure effectively.FCD(floating car data) based dynamic guidance for urban traffic is one of the directions of traffic control research.To meet the real-time demand for massive FCD processing,an FCD parallel computing based dynamic traffic guidance approach is presented and implemented.The FCD properties are analyzed in detail.An FCD parallel computing based dynamic traffic guidance system is developed on KD-50-I-E platform.Experimental results demonstrate the effectiveness and feasibility of the proposed approach.

天津港VTS水域交通动态风险管理研究与应用

文章针对天津VTS水域的实际情况,分析影响天津VTS水域交通动态风险的主要因素,基于FSA模糊综合评判理论,建立交通流控制的风险评价指标体系,依据Delphi方法,通过定量分析与问卷调查方式确定各评价指标在评价体系中所占的权重,又基于未确知测度理论,建立各评价指标的隶属度函数模型。结合电子海图系统,以颜色区分风险等级,对计算结果进行动态、直观显示。

高速公路交通动态数据检测技术应用研究

在分析高速公路各种交通动态数据检测技术特性和精度的基础上，通过现场调研与试验，分析交通检测技术的应用特性，重点研究超声波与微波非接触式检测技术的应用功能；通过建立交通数据采集站，系统地研究基于微波——线圈的组合应用及其数据融合。试验结果表明，非接触式交通检测技术在高速公路动态数据检测中可以使用，但不宜单独使用；应采用多种检测技术，通过多检测技术数据融合的检测精度能够提高10％～20％。

内环线高架交通动态计算机模拟系统研究

利用计算机对城市交通的运行动态进行模拟。通过分析模拟结果获得与城市交通运行动态有关的信息,为城市交通规划、设计和建设,提供比较可靠的、科学的、定量的依据。系统中建立了描述车辆运行动态的模糊数学模型,并提供了模拟数据的输入功能,模拟结果的显示功能。

基于事件惩罚的公路应急交通动态分配模型

深入剖析应急交通与常规交通在动态交通分配要求的异同,将应急时空需求分布和动态交通分配模型联系起来,提供可行的公路应急交通疏散动态分析方法.首先,根据应急期限要求建立公路交通疏散需求的时空分布预测模型,得到分时段OD矩阵.其次,借助DYMIN双层规划模型,对分时段OD矩阵进行动态交通分配得到各路段的分时初始阻抗,同时为在路径选择中体现事件扩散对路段阻抗的影响,通过定义事件惩罚函数来修正路段阻抗,引导车辆选择受事件影响程度低的最短路径进行疏散.最后,基于Trans Modeler软件进行反馈式仿真,比较事件惩罚函数运用前后的公路应急交通分配结果,验证了模型的有效性.

基于手机RFSIM与北斗GIS城市实时交通动态导航平台

目前,从智能交通系统的发展(ITS)来看,国内大多数导航系统为静态导航,缺乏根据实时交通信息进行动态导航的功能。从而提出一种基于手机RFSIM与GIS技术结合的城市实时交通动态导航平台,为出行者提供实时动态的交通信息和导航服务。该系统主要包括实时交通信息采集系统,短时交通预测系统,北斗或GPS定位以及GIS实时导航系统。在已获得的相关技术的支撑下,着力解决在此导航系统中涉及到的交通信息的获取、北斗定位和实时交通动态导航中的关键技术问题,并进行可行性分析。

基于改进遗传算法的城市交通动态最优路径求解

针对传统遗传算法在交通诱导系统中求解最优路径问题中存在早熟收敛,易陷入局部极值点以及求得的最优路径缺乏实时性的问题,在模型中加入了实时交通信息,引入了一种新的带染色体交叉控制策略的改进遗传算法,配合单点交叉算子,消除了传统遗传算法中早熟收敛的不足,并使所求最优路径更加贴近实时的交通状态,切实达到诱导目的,提高整体路网的运行效率。

视频交通动态信息采集系统

该系统是利用视频技术、计算机技术、现代通信技术等，实现对城市道路交通动态信息的快速采集、可靠传输；将所观测路段的交通数据，如：车流量、车速、车辆类型、车队长度等，及时上传至交通指挥中心；指挥中心迅速采取决策，疏导、管理该路段的交通状况，有效提高道路使用效率，缓解交通拥堵，减少停车、排放所引起的环境污染。该系统的应用将大大提高道路交通管理的信息化水平，对人们出行、物流运输管理、规范交通秩序有重要意义。

交通动态路网模型与能耗最优路径诱导

针对智能交通诱导中出行者路径选择以及汽车能耗问题,对路网模型及能耗最优路径进行了研究。在传统图论方法基础上建立动态路网模型,细化路段和交叉口处的动态信息,加入交叉口处排队车辆数及排队等待时间;并分别计算路段和交叉口处匀速及怠速时的汽车行驶能耗,进而建立了能耗最优路径诱导模型;再将能耗融入到蚁群算法的信息素更新规则中,用改进后的蚁群算法进行实验仿真。仿真结果验证了动态路网模型的有效性,得到的能耗最优路径能够有效减少行程内10%左右的能耗,达到节能减排的目的,符合实际需求。

多元动态交通流信息融合与交通动态信息实时诱导发布系统

文章结合多元数据融合(MDF)、地理信息系统(GIS)和全球定位系统(GPS)等现代信息技术,设计城市多元动态交通流信息融合与交通动态信息实时诱导发布系统,实现面向政府、企业和出行者的交通决策支持、综合管理、信息服务功能,改进城市交通现状,并为居民提供良好的出行环境。

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明:与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。

考虑电力-交通耦合网动态协调的EV集群灵活性挖掘与优化调度

电动汽车(EV)作为兼具交通与能量双重属性的跨域主体,发挥其时空灵活性将助力电力-交通耦合网的协调运行。为此,文中考虑电力-交通耦合网综合效益,提出了EV集群调控策略。首先,基于弧阻抗函数构建了动态交通网络加载模型。其次,考虑EV用户的各特征参数存在的差异性与耦合性,构建了单体EV灵活运行域模型,并采用基于zonotope线性近似的闵可夫斯基和算法对其聚合,得到EV集群的时变灵活运行域。在此基础上,提出了动态交通流最优分配下EV集群灵活性调控的双层模型,迭代求解得到上下两层耦合变量构成的瞬时单位流量出行成本,从而引导EV的出行与充放电行为。最后,通过与最短路径引导策略进行比较,验证了所提EV集群调控策略的有效性。

基于半动态交通均衡的电动汽车充电负荷概率分布建模

传统电动汽车充电负荷建模通常采用对电动汽车个体进行抽样模拟的方式,未能从分析机理的角度描述电动汽车群体相互作用形成的宏观运行状态。为此,提出一种基于半动态交通均衡模型和组合荷电状态(combined states of the charge,CSOC)概率计算的电动汽车充电负荷概率分布计算方法。首先,分析电动汽车的交通特性和充电特性,并提出一种可行路径集构建方法;然后,引入交通均衡理论进行电动汽车空间分布建模,建立考虑随机效用的半动态交通均衡模型,实现宏观交通流均衡分配。进一步地,从理论层面分析电动汽车群的荷电状态变化,建立基于CSOC的充电负荷概率分布计算模型。最后,分别在13节点路网和实际大路网中验证所提方法的有效性,并分析了电动汽车渗透率和路网结构对充电负荷概率分布的影响。

高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型

为提前准确预知高速公路施工控制区交通流变化趋势,解决交通流时间序列中的长期依赖问题,文中建立了高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型。首先,将预处理后的动态交通流数据集按时间步长顺序输入到LSTM网络,对交通流信息建模和学习。然后,引入BiGRU和Attention机制以更好地捕捉上下文信息和提供更具针对性的权重分配。最后,将构建的LSTM-BiGRU-Attention模型与其他模型进行交通流预测对比,评估模型性能。实验以G35济广高速公路某施工控制区交通运行情况为案例进行研究,结果显示该模型的平均绝对误差MAE为1.91,均方根误差RMSE为2.83,决定系数R^(2)为0.79,平均绝对百分数误差MAPE为3.23。对比其他模型,LSTM-BiGRU-Attention模型的4个评估指标均有所下降,说明该模型可为高速公路施工控制区提供更加精准的预测。

面向CIM和动态交通分析的多源异构数据融合技术研究

针对当前智慧交通系统仅能对少量指标进行分析的问题,文中基于CIM三维实时交通数据以及多源数据系统提出了一种动态城市交通分析算法。该算法由多尺度DCNN和Bi-LSTM模型组成,其中多尺度DCNN模型可以对CIM三维交通数据进行训练,从而获得实时的交通特征信息。同时由于加入了残差网络,使得模型具有更好的全局视野特征。通过Bi-LSTM对与交通相关的多源数据进行训练,以得到数据的时序特征,由Softmax网络对多源数据特征实现融合并获得最终结果。实验测试结果表明,所提算法的图像识别性能与多源数据分类性能在对比算法中均为最优,且识别准确率可达87%,证明其具备良好的实时交通状态识别能力。

随机用户均衡准动态交通分配模型

动态交通分配问题是交通科学研究的热点和难点,将动态交通分配方法应用于大规模网络往往产生过高的计算成本。通过研究准动态交通分配问题,降低动态交通分配中时间的连续性和动态交通分配模型的复杂性。采用路段行程时间计算公式定义一种新的剩余交通需求计算方法;然后考虑剩余交通需求在时段之间的传播过程和出行者对路网的熟悉程度差异,建立基于Logit的随机用户均衡准动态交通分配模型,基于逐次平均法设计模型的求解算法。最后通过Braess网络和九节点网络说明模型的应用情况,并分析模型参数的敏感度,验证模型的合理性与算法的有效性。本研究丰富了交通科学基础理论,为交通政策的制定提供参考依据。

路内停车与动态交通的耦合关系建模研究

为了研究路内停车与动态交通之间的相互关系,采用层次分析法对路内停车与动态交通之间的影响因素进行定量分析。利用MATLAB计算出各耦合指标的合成权重,依据合成权重选择停车频数、停车平均耗时和道路交通量作为研究的耦合指标。构建路内停车与动态交通的耦合关系模型,并提出相应的停车泊位设置方案。通过对子实路路内停车和动态交通流的分析对其耦合关系进行实例验证。研究结果表明:实施停车泊位设置方案,使动态交通流的行驶速度平均增加11.1%,有效地降低了路内停车对动态交通流的负面影响,并提高了道路的运行效率。

面向动态交通流的高速公路事故风险模型空间移植研究

本文旨在探究不同尺度数据集对高速公路实时事故风险建模的影响,并实现不同数据特征路段间事故风险模型的空间移植。首先,提取不同特征路段检测器信息,以动态交通流匹配事故数据构建多尺度数据集:高精度数据集、小样本数据集、低精度数据集以及同尺度条件下(同为高精度大样本量)的空间差异数据集;进而,通过贝叶斯Logistic回归量化不同样本量对事故风险模型预测性能的影响;分别采用统计学和机器学习手段建模分析高精度和低精度数据集;最后,基于贝叶斯更新方法建立实时事故风险移植模型,对高速公路实时事故风险预测模型进行空间移植,并验证其可靠性。结果显示:贝叶斯Logistic回归的性能随着样本量增大而有所提升;高精度数据条件下,贝叶斯Logistic回归和RF-SVM(Random Forest-Support Vector Machine)模型的AUC(Area Under Curve)值比低精度条件下分别高出0.092和0.037;在不同数据精度的空间移植中,贝叶斯更新方法可令低精度路段模型的AUC值从0.645提至0.714,在相同数据尺度的空间移植中,该方法可将被更新路段模型的AUC值从0.737提至0.751。结论表明:高样本量路段的模型虽然具备较高的分类准确度,但无法稳定地提升模型的预测性能,而高精度数据路段的模型可获得更高的分类准确度和预测精度;统计学方法在模型解释层面更具优势,机器学习手段在低精度数据路段下的预测性能更好;贝叶斯更新模型能够在一定程度提升空间移植效果。