融合交通态势修正的台风灾害后多维度智能调拨策略

针对台风灾害后交通信息不确定、调拨策略考虑维度不足等问题,提出融合交通态势修正的台风灾害后多维度智能调拨策略。采用历史交通态势数据拟合道路通行时间概率分布,并基于拉丁超立方采样对交通态势进行随机抽样,以计算更准确的道路通行时间。考虑交通、电网、用户等多维度,以抢修队伍、抢修物资、应急发电车等作为调拨主体进行台风灾害后抢修调拨,提出考虑调拨距离、恢复时间、失负荷量最优的多维智能调拨策略,利用模糊隶属度函数求取帕累托前沿最优调拨方案。根据2018年台风“山竹”下的珠海市数据验证调拨策略的有效性。算例结果表明所提多维度智能调拨策略能有效缩短台风灾害后恢复进程,提升电网防灾减灾能力。

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立6个描述终端区交通态势的指标。接着,构建反向传播(back propagation,BP)神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法(particle swarm optimization,PSO)优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型(genetic algorithm and back propagation,GA-BP)。

基于交通态势可视化分析的公交专用道布局

交通拥堵问题是困扰城市的普遍难题,科学地规划公交专用道是在城市道路空间资源有限的情况下提高运输效率的有效手段。探讨如何利用交通态势数据和路网信息来规划和评估公交专用道布局问题。首先选取公交专用道布局的研究范围,借助道路交通信息技术,利用交通路况分析与发布平台的大数据,将区域交通态势可视化,做交通路网态势评价,提出该区域的公交专用道布设方案。再从路网整体效益出发,构建以碳排放量最小和系统总出行时间最少为优化目标的多目标优化模型,分析设置公交专用道的效益。最后以南昌市中心某片区为例,选取交通拥堵严重、暂无公交专用道、且满足公交专用道设置条件的路段提出公交专用道布设方案,结果表明设置公交专用道能减少路网中车辆碳排放、改善路段的整体通行效率,减碳平均优化率为4%,时间效益平均提升5%,可知本文提出的优化方法有利于得到合理有效的公交专用道优化方案,为城市交通管理者提供决策依据。

基于交通态势数据的道路拥堵情况分析

道路拥堵情况的识别对交通需求管理具有较大意义,借助高德地图“交通态势API”数据,获得新街口附近5公里范围道路一周的拥堵情况。结合ArcGIS进行道路可视化,从整体路网拥堵情况、具体道路拥堵情况、道路性质及交通设施等相关角度对拥堵状况与其影响因素进行系列特征分析。通过分析新街口区域的拥堵、原因及其变化规律,对缓解城市拥堵问题具有重要意义。

基于收费数据的高速公路交通态势感知方法探究

本文提出一种基于收费数据的高速公路全网路段划分与交通态势感知方法,以ETC门架和收费站为路段的检测节点,基于矢量地图对全网路段进行划分,从ETC门架交易数据和收费站交易数据中提取路段交通量和区间速度,结合道路属性利用综合评价指标对全网的交通状态进行判断,并对比指挥调度系统中的拥堵缓行数据,对模型结果进行定性分析,证明其有效性。

多源数据驱动的深度学习在城市主干道交通态势研究中的应用

随着城市化进程的加快,城市主干道交通拥堵问题日益严重。深度学习技术凭借其在处理复杂数据方面的优势,成为研究交通态势的重要工具。本文探讨了多源数据(如交通流量、天气、社会活动等)驱动的深度学习模型在城市主干道交通态势研究中的应用。通过对现有方法的分析和实验验证,本文展示了深度学习如何提高交通预测的准确性,优化交通管理策略,从而缓解城市交通压力。

基于改进支持向量机的空域交通态势识别方法

为了准确分析空域交通态势,针对当前空域交通态势感知中管制行为因素难以度量的问题,从多种管制员工作负荷的角度进行量化分析。借助全空域及机场模型软件(Total Airspace and Airport Modeller,TAAM)建立空域仿真模型,研究了栅格化空域场景下基于改进支持向量机(support vector machine,SVM)的空域交通态势识别方法。通过对比不同的栅格化方案,结合管制员实际运行经验确定栅格形状和尺寸,以边长为25 km的六边形为最小单元,对目标空域进行栅格化处理。在引入多种管制负荷的基础上同时考虑导航设施的分布情况,建立空域交通态势识别指标体系,运用K-means聚类算法对降维后的仿真样本数据进行聚类分析,获取先验分类数据。在支持向量机模型的基础上,引入麻雀搜索算法(sparrow search algorithm,SSA),构建基于麻雀搜索算法优化支持向量机(SSA-SVM)的空域交通态势识别模型。依据适应度对解集进行划分,对模型关键参数核函数参数σ和惩罚系数C进行优化,确定了1组泛化能力强同时避免过拟合问题的参数组合,并将栅格化空域交通态势划分为4个等级。以西安区域管制区为对象开展仿真实验,结果表明:与基于遗传算法优化支持向量机(GA-SVM)的空域交通态势识别模型相比,SSA-SVM模型克服了GA-SVM模型确定的的过拟合问题,平均分类识别准确率提高2.50%,最佳分类识别准确率提高1.73%;在176个栅格中,拥堵态、拥挤态和平稳态栅格个数分别为26、18和51,模型识别结果与基于管制员经验划分的复杂空域相比,覆盖率可达95%,验证了提出方法对空域交通态势识别及降低管制员工工作负荷的有效性。

城市道路交通态势演化研究现状及展望

针对现有城市道路交通态势演化规律对交通管控研究中的数据空间单一、影响要素维度少、趋势特征粒度粗、多层次融合效果差等问题,从交通态势表征及辨识、交通态势演化分析和交通态势影响评估3个方面对国内外研究现状进行总结和分析.研究发现:交通态势表征及辨识分析仍局限于交通状态本身的表征和辨识上,鲜有涉及交通运行状态变化趋势特征的刻画;交通态势演化多基于单一空间进行分析,难以深入挖掘多元空间多交通要素作用下的交通态势演化关联协同机理;多数交通态势影响评估建立在宏观层面基础上,缺乏对同一交通状态不同变化趋势的差异分析,难以实现对交通态势影响的全面评估.基于此提出了城市道路交通态势演化领域未来可能的研究内容.

多目标跟踪雷达技术在交通态势感知中的应用

本文介绍了多目标跟踪雷达技术在交通态势感知中的应用,通过雷达事件检测器感知车辆状态数据,获取实时经度、纬度、速度等信息,支持与视频同步显示:通过多目标的相关性分析,识别停车、逆行、行人、应急车道占用及抛洒物等多种异常事件,支持联动发布告警信息:同时支持对雷达事件检测器的状态监控、图上定位与配置维护。

终端区交通态势识别研究

终端区交通态势日益拥挤,严重制约了航空运输业的快速健康发展。为了科学评估空中交通状态,提高空域资源的利用率,对终端区交通态势进行了研究。提取影响终端区的属性指标,运用模糊C-均值聚类(FCM)对数据进行分类离散化,采用粗糙集理论分析各属性的权重,并结合模糊关系矩阵构建终端区交通态势识别模型。采用FCM和FCM-粗糙集两种识别方法对终端区交通态势进行识别。结果表明FCM-粗糙集模型既可避免人为因素干扰,还可解决数据多属性冗余问题,使交通状态判断更加准确可信;终端区交通态势分四类时,效果最好。该模型为终端区交通态势识别提供了新的研究方法。

基于模糊综合评价的航路交通态势评估

针对中国航路交通态势评估问题,通过引入态势感知理论,构建航路交通态势评估的研究框架,建立起一个评估航路交通态势的指标体系,并给出了基于模糊综合评价的航路交通态势评估方法。通过对算例的计算和分析,验证了评估方法在空中交通态势评估中的有效性和可行性。

基于RTI的交通态势实时仿真技术研究

微观交通仿真系统一般主要是以历史调查数据的统计分析结果为依据进行仿真,为了能够更加真实地反映交通的状况,提出了以实时采集的交通数据和历史交通数据的OD反推技术为基础,通过微观仿真的形式,结合分布式仿真技术和虚拟现实技术,离线或者在线地再现路网的真实交通情况,为管理者提供直观的决策依据。

基于Lyapunov指数的空中交通态势识别

为客观评价空中交通复杂性,探讨飞机态势与空中交通复杂性的关系,提出了一种基于飞机对时序距离的李雅普诺夫指数算法,并用该算法得到的飞机对时序距离的李雅普诺夫指数,判别飞机对之间的可预测程度。通过分析不同飞机对时序距离的李雅普诺夫指数,可以发现李雅普诺夫指数与空中交通态势之间的关系;结果表明,可预测程度可以作为识别空中交通态势以及衡量空中交通复杂性的依据。

基于实时交通态势数据和地理加权回归的城市道路通畅性影响因素分析——以武汉市中心区工作日早高峰为例

道路通畅性及影响因素研究可为改善城市交通和数据驱动规划提供科学参考。文章以工作日早高峰实时交通态势数据反映道路通畅性,构建地理加权回归(GWR)模型探索武汉市道路通畅性与相关影响因素的空间分异特征。结果表明:(1) GWR模型对道路通畅性研究有较好的解释效果;(2)主干道路网密度的提升会对汉阳区及光谷附近区域的道路通畅性提升有较大帮助;(3)江岸区、青山区、硚口区和汉阳区的居住人口在工作日早高峰时段产生了大量的交通需求,后续的交通管制可能会对上述区域带来较适宜的道路通畅性;(4)洪山区、汉阳区和武昌区可能需要通过重新调配公交资源来消除过量公交资源对道路通畅性带来的影响。

基于车辆自组织网络的交通态势检测方法

随着汽车保有量的迅速增加,城市道路交通拥堵变得尤为严重,精确地检测交通态势可以帮助缓解交通问题。为此,提出一种基于车辆自组织网络(vehicular Ad hoc networks,VANETs)的交通态势检测方法——TraSDVANET(traffic situation detection method based on VANETs)。在该方法中,车辆自动聚簇,然后主动向簇头汇报当前自身的位置和速度信息;簇头根据收到的信息计算簇内的车辆密度和路面上的加权平均速度,之后基于模糊逻辑判断簇内的交通态势。仿真结果表明,在四种车辆场景下,TraSD-VANET检测准确程度比协作检测方法 CoTEC(cooperative traffic congestion detection)平均高16%。该方法在道路交通态势检测中有重要的应用价值。

基于空中交通态势认知的飞行冲突检测心理模型

空中交通管制的首要任务是发现飞行冲突。文章从决策思维过程出发,分析了管制员对空中交通态势的认知,结合管制规则和管制员的经验,提出一种程序化的检测飞行冲突的心理模型。通过在雷达管制训练模拟机上的实验,表明该模型能迅速、准确发现飞行冲突,合理分配管制员的注意力,在分析冲突问题上具有较高的适应性和可靠性,从而提高了空中交通管制系统的人机匹配效用。

基于数据可视化的城市道路交通态势监测系统研究

以交通运行态势数据信息为主线、以数据可视化技术为载体,深度融合各项新技术与城市道路交通管理业务,并基于需求设计了城市道路交通态势监测系统构架和功能,建立了道路交通态势监测流程和运行模式,以便提升城市道路交通管理科技信息化水平。

基于大数据的城市交通态势推演与综合评估关键技术及应用

城市交通态势推演和评估技术是城市交通治理的核心量化分析技术。随着城市交通治理综合化、精细化和智能化要求的提高,传统依托小样本数据调查与分析,建立集计经验模型进行多方案比选评估的方法和技术,已难以适应新时期城市交通治理要求。本项目历时十余年,在国家自然科学基金等国家级、省部级课题支持下,突破了基于多源大数据的个体出行活动链全过程全方式融合感知、城市交通演化态势可靠推演与敏捷预测、城市交通精细化治理综合评估等关键技术,建立了面向城市交通精细化治理的个体出行活动链模型和大规模路网实时在线推演模型,构建了大数据综合评估体系,支撑了城市交通精细化治理科学量化分析与评估。项目应用超过1000个项目,推广至成都、重庆、苏州、湛江、南昌、长春、兰州等100多座城市,影响了全国约2亿人的交通出行。

基于机器学习的城市交通态势评估与预测方法研究

为更实时准确地评估和预测交通运行态势,以交通检测器提供的大量数据作为研究对象,通过分析交通流时空特征及变化规律,建立考虑谱聚类的K近邻算法,并对城市交通的运行态势进行等级分层并评估。在时间序列分析的基础上,建立考虑时间特性的LSTM和GRU神经网络模型,预测城市交通运行态势并分析对比各模型预测效果。研究结果表明:与传统ARIMA模型相比,改进的GRU神经网络模型综合效果更好。

基于饱和度的路网交通态势实时辨识

提出一种基于交通饱和度的路网交通态势辨识方法。通过预测交叉口排队长度和交通流量,得到交叉口和路段的饱和度。再利用层次K-Means聚类方法,对路网饱和度进行了聚类分析,由饱和度与服务水平的关系来确定各类对应的交通态势。根据路网饱和度均值,将热力图的点分布密集程度制作成交通态势热力图,对曲靖市麒麟区路网的交通态势预测进行了验证。研究结果表明:该方法可以实现路网交通态势实时辨识,并可弥补数据缺失情况下的交通态势辨识误差的不足,增加结果的可靠度。