顾及时空正负延迟的城市道路交通状态关联分析

准确地发现城市道路交通状态的时空演化过程是实施有效交通治理的前提。以多源轨迹数据为基础,基于改进的时空关联性度量,重新定义时空相邻对象,从不同时间延迟和多阶空间邻接矩阵两个角度探索城市交通状态的全局和局部时空演化规律。以厦门岛2015-06-13—2015-06-19公交车和出租车两种轨迹数据为数据源进行实验分析,实验结果表明,该方法不仅能够有效分析在不同时空延迟下城市路网整体的交通状态关联特性,还能从局部分析的角度发现在上下游路段影响下路段交通状态变化的原因。

基于DBI和稀疏轨迹数据的交通状态精细划分与识别

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数(DBI)和轨迹相似性度量的动态交通状态划分方法。首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别。采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了18.77%和21.22%,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析。