基于空间自相关的常规城市公交车辆危险驾驶热点路段识别

为了获得公交危险驾驶状态的空间分布特征,采用空间自相关性分析方法,识别危险驾驶状态的空间集聚性,确定危险驾驶状态热点路段,并对显著性影响因素进行分析。首先,采集4个季度各1周公交车辆卫星定位数据样本,修复重复数据、异常数据和缺失数据,并以公交站点为节点划分空间区段,对每个区段进行编号;接着,将速度过快、急加速、急减速和急转弯确定为危险驾驶状态,参照车辆运动学特性获得4种危险驾驶状态阈值,并计算4种危险驾驶状态的统计学指标和全局莫兰指数,结果表明,公交车辆危险驾驶状态具有空间集聚性(空间随机分布概率p<0.01,标准差得分值Z>2.58),速度过快状态(全局莫兰指数为0.731)的空间集聚性最为显著;然后,分别对4种危险驾驶状态进行局部空间自相关性分析,绘制了90%、95%和99%置信度下的莫兰散点图和Lisa集聚图,结合城市地图,获得危险驾驶状态的热点路段;最后,选取路段长度、车道数、平直度等9个指标,对比分析了OLS模型、SLE模型、SEM模型和SDM模型的拟合优度,采用SDM模型获得4种危险驾驶状态的显著性影响因素。文中研究结果可为公交车辆危险驾驶状态空间识别、精细化安全运行管理提供理论依据。

结合空间相关性的城市热点路段提取方法

城市机动车的数量急剧增加给城市带来了严重的交通拥堵问题。为了缓解城市交通压力,本文提出一种城市热点路段的提取方法。该方法首先结合出租车轨迹数据,依据拓扑邻接的规则建立了空间权重矩阵;然后对各个路段交通量的全局相关性进行分析,并通过局部相关统计量提取了城市交通热点路段,对工作日不同时段内的交通热点路段分布进行了分析;最后通过VISSIM软件对已提取的热点路段进行仿真,得到待验证路段的热点路段隶属程度为0.512,从而表明该算法能够有效地提取城市交通的热点路段。

北京市出租车载客热点路段挖掘及分析

从出租车轨迹数据中挖掘载客热点路段,能够为城市交通道路的规划和出租车的运营管理提供重要依据。以北京市出租车原始轨迹数据为基础,设计并建立了出租车载客行驶的载客数据模型,利用该模型对相似的载客轨迹信息进行了挖掘,结合时空信息提取并分析了不同时段的热点路段。通过北京市交通发展年度报告验证了该模型和挖掘方法的正确性和有效性。

基于出租车GPS大数据的城市热点出行路段识别方法

连续两个出租车GPS定位点之间的时空间隔使得乘客上下车的位置必然介于一个线性区间内,据此提出轨迹线密度方法,用于在位置界限模糊的热点出行区域进一步搜索热点路段.利用成都市出租车GPS数据,借助核密度估计分析出租车上下客位置的时空特性;基于轨迹线密度方法,计算了成都市春熙路商圈的路网密度值,划分路段热点强度,识别出了热点路段的位置,结合实际的出行需求分布完成方法有效性的验证.结果表明,本文所采用的方法能够有效识别出行需求旺盛的城市热点路段,不仅可以为出租车司机寻找客源提供重要的参考,还能够在交通相关部门选择出租车停靠站的位置时提供数据支持.

基于出租车轨迹数据的最优路径规划方法

针对传统的路径规划算法并不一定能计算得到现实中最优路径的问题,提出一种融合了出租车驾驶经验并以时间为度量的路径规划算法。该算法的实现是将路径规划这个以计算为中心的技术变为以数据为中心的数据驱动挖掘技术。首先,从大量的出租车轨迹数据中提取真实的载人轨迹数据,并将载人轨迹数据匹配到路网数据中;然后,根据地图匹配结果计算路段的访问频次,选取前Top-k个路段作为热点路段;其次,计算热点路段间行车轨迹的相似度,对轨迹进行聚类分析,在路网的基础上构建该k个路段的热点路段图;最后,使用一种改进的A~*算法实现路径规划。实验结果表明,与传统的最短路径规划算法和基于驾驶经验路网分层的路径规划算法相比,所提出的基于热点路段图的路径规划方法有效地缩短规划路径的长度及路径行驶时间,提高路径规划的用时效率。