动态交通数据故障识别与修复方法

为提高交通模型输入信息的可靠性,通过对交通传感器采集到的动态交通数据的故障进行识别,并根据不同的故障种类采取补充、还原或修正等方法对数据进行修复。分析结果表明,动态交通数据的故障识别与修复方法是可行的,尤其是对数据的补充处理,可以很好地解决因为数据丢失而给后续处理带来的困难。

拥挤条件下可变信息板交通诱导信息对驾驶行为的影响

运用模拟的方法,研究了在拥挤条件下VMS交通诱导信息对驾驶行为的影响,得出如下结论:①VMS交通诱导信息的提供位置对交通信息的作用有很大的影响。如果交通诱导信息被合理地提供给驾驶员,路网交通的运行状况将有较大改善,其中延误减少23.7%,停车时间减少31.8%,停车次数减少38.7%;②路网交通运行状况的改善取决于所推荐的替代路径的质量。如果替代路径的质量较差,拥挤现象不但不能得到缓解而且会进一步恶化,并且在替代路径上会形成新的拥挤;③左转次数和左转通行能力是决定替代路径质量的两个关键因素。无论是以出行时间还是出行距离为依据选择替代路径,都应该考虑左转次数及左转通行能力的影响。

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中 60 %～ 70 %的延误是由交通事件引起的 ,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自 2 0世纪 60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个 AID系统 ,但是居高不下的误警率 (FAR)和令人失望的检测效果 ,让一些交通管理者不得不放弃它的使用。为了提高 AID系统的可靠性和实用性 ,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架 ,并以人工神经网络技术为依托 ,设计了基于单个检测设施的 AID算法。模拟计算表明 ,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率 (DR)、误警率 (FAR)和平均检测时间 (MTTD)方面都优于目标方法 ,而且由于每个检测器站只需安装一个检测器 ,也降低了高速公路事件管理系统的建设成本。

基于BP神经网络的交通数据序列动态可预测性分析方法

为了进一步改善交通数据序列短时多步预测的效果,提出了交通数据序列动态可预测性分析的思想,在设计了交通数据序列动态可预测性关联数据特征指标的基础上,基于BP神经网络建立了交通数据序列动态可预测性分析方法,运用某城市快速路主线与匝道车辆检测器的实际数据对该方法进行了验证,并与不同固定预测步数条件下的预测效果进行了对比分析.结果表明,所提出的方法能对交通数据序列的可预测性进行在线分析,在保持预测精度的情况下,可最大限度地增加交通数据短时预测的步数.

城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。

基于感应线圈数据的城市道路交通状态判别方法

以SCOOT系统感应线圈检测器采集到的交通数据为基础,设计了一种基于模糊聚类的城市道路交通状态实时判别算法及其评价方法,并提出了交通状态判别时间间隔的确定方法。以VISSIM为工具,对上述方法进行了模拟。对比分析结果表明,所提出的算法能够提高城市道路交通状态实时判别的效果。

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析.结果表明,在不增加成本的条件下,两个改进模型的估计精度分别比传统模型提高了1.5%与19.7%;融合估计方法的精度比两个改进模型分别提高了2.8%与8.8%.

城市主干路路段行程时间估计的BPR修正模型

为提高城市主干路交通流平均行程时间的估计精度,根据路段上游检测器采集的截面流量,建立了3种BPR(bureau of public roads)修正模型,包括全状态累积流量BPR修正模型、分状态标定的BPR模型和分状态累积流量BPR修正模型.仿真结果表明:全状态累积流量BPR修正模型明显优于传统的BPR模型;分状态标定的BPR模型和分状态累积流量BPR修正模型可以进一步提高估计精度,且后者可将阻滞交通状态下的平均估计误差降低至8.05%.

基于记忆机制的动态交通路径优化算法

在对经典路径优化算法性能进行分析的基础上,指出了现有路径优化算法在大规模路网条件下实时性差的问题.通过比较道路交通网络路径优化和机器人寻路过程的异同点,基于智能机器人寻路的D^＊ Lite算法和记忆规则,提出一种新的道路网络动态路径优化算法,并对其性能进行了测试和对比分析.结果表明,该方法在保证路径优化结果相近的情况下可以减少优化计算时间26%～50%.

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区间平均行程速度采集方法可以获得高质量的交通数据,同时交通拥堵识别方法能够准确获得拥堵持续时间、拥堵类型等有用交通信息,从而为交通管理部门提供实时、可靠的决策依据.

基于GPS浮动车的交通信息采集方法

针对目前基于GPS浮动车的交通信息采集方法相关研究不够系统、全面,导致大量基础数据浪费、交通信息质量偏低、系统运行成本较高等问题,提出了一种新的基于GPS浮动车的交通信息采集方法。依托长春市局部路网的空间信息,采集GPS实测数据进行技术验证。验证结果表明:本文方法可以很好地解决已有方法存在的诸多问题,从而为改善交通状态判别及车辆动态导航系统的应用效果奠定数据基础。

基于GPS浮动车的路段行程时间估计方法比较

以长春市局部路网的地理信息为基础,运用实测GPS数据分别对基于GPS浮动车的路段行程时间的直接估计方法与间接估计方法进行编程实现和测试分析,并且依据所得路段行程时间数据对比分析了两种方法各自的特点及适用范围。结果表明,两种方法适用范围的差别比较明显。

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。

考虑直接转运的泊位与岸桥集成调度优化

为了降低集装箱船舶在码头停留的时间,在码头岸桥动态分配的工况条件下,基于集装箱直接转运作业模式,将岸桥移动约束、作业安全距离等因素纳入考虑,构建了以最小化集装箱作业成本为目标的泊位和岸桥集成调度优化模型,并采用了改进的遗传算法对集成优化模型进行求解。算例分析结果表明,在假定的条件下,使用该优化模型能够减少集装箱作业时间、提高岸桥的利用率;采用对比文献的船期表数据,集装箱总作业时间为2982min,与对比文献相比,减少了88min。

动态交通数据质量评价方法研究

为了保证交通管理系统所获得数据的准确性,在分析缺失数据、异常交通状态数据和错误数据3种非正常交通数据分类及特点的基础上,针对缺失数据设计了存在性评价方法,运用增益放大原理建立了异常性评价法,首次将异常性评价引入交通数据质量评价过程,基于正态分布的68-95-99.7法则,利用纵向时间序列建立了评价数据真实性的动态阈值评价法,并给出这3种数据质量评价方法组合使用的流程.实测数据验证表明,真实性评价法的评价效果明显优于固定阈值法和交通流理论法,异常性评价法优于经典的加州算法.

基于GPS浮动车的交通信息采集系统的数据组织方法

目前运用GPS浮动车采集交通信息的实践中,由于系统数据存储模式的分散和不规范造成的系统数据利用效率较低、开发和运行效率不高。本文以提高系统数据利用效率、优化系统开发和运行模式为目标,以面向对象理论为基础,在进行系统需求分析与结构框架设计的基础上,确定了系统的数据流图,提出了一种层级数据组织方法,并设计了系统动态数据库概念模型和逻辑模型。本方法可实现对系统数据的有效整合,降低系统各功能模块间的耦合度,在提高数据利用效率的同时,有利于提高系统的开发和运行效率。

基于检测数据的路网交通运行可靠性分析

为了满足交通管理对路网可靠性分析的需要,提出交通运行可靠性的概念。在对路网进行层次划分的基础上,构建了分时可靠度和全时可靠度两个路网交通运行可靠性的特征量。根据最小路集法设计了OD对间子路网交通运行分时可靠性分析方法。利用全局扫描法设计了路网交通运行全时可靠性分析方法。实证分析表明,所设计的方法能够分别对路网的全时和分时可靠性进行分析,并能根据路段对路网可靠性的影响程度确定路段和路口的重要度,可为交通管理提供决策依据。

交通信息对出行行为的影响分析综述

针对制定交通信息采集与发布策略的需要,从出行目的、出行方式、出发时间和出行路径的角度,介绍了相关的典型研究成果,总结了交通信息对出行者出行行为影响研究的主要进展,分析了我国在相关研究中存在的问题和不足,并指出未来的研究方向.

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.

交通诱导系统中道路网络的表达与存储方法

考虑实际道路网络的特殊性以及最短路径算法对路网信息的要求,运用对偶图法的基本思想对前向关联边结构进行了改进,提出了一种能够提高路径优化算法实时性的路网表达方法与数据存储结构,并用Dijkstra和A*最短路径算法进行了验证。结果表明,这种方法在清楚表达转向限制、消除结点权重的同时,由于两个指针数组的引入,使得算法可以迅速而准确地定位相关结点的位置,从而减小了搜索空间,降低了最短路径算法的时间复杂度,提高了最短路径的搜索效率。