Bolzano Traffic: An Example of Open ITS Deployment for Advanced Traveller Information Services

This paper aims to present the experience gathered in the Italian alpine city of Bolzano within the project“Bolzano Traffic”whose goal is the introduction of an experimental open ITS platform for local service providers,fostering the diffusion of advanced traveller information services and the future deployment of cooperative mobility systems in the region.Several end-users applications targeted to the needs of different user groups have been developed in collaboration with local companies and research centers;a partnership with the EU Co-Cities project has been activated as well.The implemented services rely on real-time travel and traffic information collected by urban traffic monitoring systems or published by local stakeholders(e.g.public transportation operators).An active involvement of end-users,who have recently started testing these demo applications for free,is actually on-going.

Data network traffic analysis and optimization strategy of real-time power grid dynamic monitoring system for wide-frequency measurements

The application and development of a wide-area measurement system(WAMS)has enabled many applications and led to several requirements based on dynamic measurement data.Such data are transmitted as big data information flow.To ensure effective transmission of wide-frequency electrical information by the communication protocol of a WAMS,this study performs real-time traffic monitoring and analysis of the data network of a power information system,and establishes corresponding network optimization strategies to solve existing transmission problems.This study utilizes the traffic analysis results obtained using the current real-time dynamic monitoring system to design an optimization strategy,covering the optimization in three progressive levels:the underlying communication protocol,source data,and transmission process.Optimization of the system structure and scheduling optimization of data information are validated to be feasible and practical via tests.

Traffic Data： Bluetooth Sensors vs. Crowdsourcing——A Comparative Study to Calculate Travel Time Reliability in Calgary, Alberta, Canada

The City of Calgary did a comparative study between two techniques of traffic data collection： Bluetooth sensors and crowdsourcing, for measuring travel time reliability on two goods movement corridors in Calgary, Alberta. To estimate travel time and speed, we used the output of BIuFAX sensors, which were operated by monitoring Bluetooth signals at several points along a roadway. On the other hand, TomTom historical traffic data were extracted from the TomTom Traffic Stats portal. To calculate travel time reliability, we applied the buffer index, and the planning time index recommended by FHWA （Federal Highway Administration）. The Bluetooth traffic data were presumed as the benchmark in this study. Unlike the TomTom traffic data, the data provided by the Bluetooth technology met the minimum recommended sample size requirement, although data processing was time consuming and impractical for long study periods. Our study results showed that crowdsourcing technique can be a viable alternative and provide travel time reliability estimates with a reasonable accuracy, when there are adequate numbers of records registered. However, the TomTom sample sizes in Calgary were not large enough to provide a statistically reliable method of providing travel time indices. Further researches may verify the accuracy of crowdsourcing technologies for travel time studies.

基于手机信令数据的城市居民动态OD矩阵提取方法

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

考虑交通信号和交通密度的城市路段个体行程时间建模

为探究城市路段中交通密度与交通信号对个体车辆行程时间的影响规律,提高城市道路行程时间的预测精度,基于车牌识别数据与信号机配时数据等多种融合数据,提出了由自由流行程时间、密度延误与随机误差项组成的行程时间关系函数,并在该函数基础上构建了考虑个体驾驶习惯的行程时间预测模型。首先,基于道路限速条件、车辆进入路段时的下游交叉口信号状态构建自由流行程时间函数;其次,提出了一种通过密度阈值判断车辆能否在当前信号周期通过下游交叉口的方法,并基于个体车辆进入路段时的路段密度计算出车辆所需等待信号周期个数及等待前方排队疏散所需时间,从而构建密度延误函数;然后,将个体实际行程时间与自由流行程时间、密度延误的差值作为随机误差项,通过高斯混合模型拟合随机误差项的概率分布;最后,选用安徽省宣城市多个路段作为案例,分析各路段行程时间函数各部分的具体表现,对该行程时间预测模型进行验证。结果表明:行程时间预测模型的MAPE,MAE,RMSE分别为6%~12%,5~15,13~35,在准确率方面优于其他算法,是一种有效的城市路段个体行程时间预测方法。

灾害应对措施下的北京道路拥堵时空变化

暴雨灾害给城市正常运转带来了巨大挑战,道路交通由于直接暴露在户外、承载多种出行方式和海量刚需活动,需要重点关注与积极应对。该研究以北京五环内为研究区,使用精细的道路拥堵数据,从时空维度评价了2021年北京最大暴雨事件及多种应对措施下的交通状况。结果表明:①道路拥堵在常态下具有鲜明的日际、周际规律,而降雨和应对措施会导致极其显著的变化;②拥堵变化的时间序列呈现对勾形态,即暴雨当日拥堵缓解,而前后日拥堵加重,体现了应对措施的阶段性效果;③城市内部的拥堵变化具有空间异质性,暴雨当日北部和东部地区的拥堵大幅缓解,而次日拥堵整体加重且高度聚集;④分时段分区域统计显示,早高峰和环线的拥堵变化最为强烈;⑤相关性分析识别了应对措施的有效作用对象,证实了众多行业部门对于暴雨预警的积极响应以及弹性上下班建议的执行成效。研究发现,暴雨应对措施在局部上有效减轻了交通压力,但伴随的拥堵转移现象需要在实施应对措施前被充分考虑。

基于多源数据的交通出行数据扩样及位置匹配研究

随着城市交通出行规划的日益发展,需要精细的居民交通出行数据作为数据支撑以实现更准确的居民交通出行需求预测。文章基于多源数据,包括地块数据、居民交通出行样本数据以及总人口家庭特征数据,采用迭代比例更新算法(Iterative Proportional Updating,IPU),结合蒙特卡洛模拟,实现了获取小尺度的精细居民交通出行数据的目标,为精细交通出行数据的获取提供了有益的参考和借鉴。

手机信令定位频率对交通方式识别的影响

作为影响手机信令数据定位质量的关键因素,定位频率对交通方式的识别精度具有重要影响.为量化定位频率与交通方式识别精度之间的变化规律,首先,提出一种基于随机森林的交通方式识别模型;其次,在通信运营商的协助下,通过开展实地数据采集实验,完成手机信令数据及对应真实出行信息的同步采集,并利用该数据集对本文提出的交通方式识别模型进行验证;最后,通过数据抽样形成一系列拥有不同定位频率的手机信令数据集,利用该系列数据集对不同定位频率下的交通方式识别精度进行评估研究.研究结果表明:本文模型对步行、非机动车、汽车和公共交通4种交通方式的总体识别准确率为79.2%;每种交通方式对定位频率的敏感性不同,其中非机动车与公交的敏感性更高,步行和汽车的敏感性相对较低;随着平均定位频率从48 s/条下降至241 s/条,非机动车和公交的整体识别精度下降幅度分别约为19.2%和21.5%,而步行与汽车的整体识别精度则分别下降12.8%与11.5%;综合考虑识别准确率与计算效率两方面的需求,建议将60 s/条作为用户筛选与数据抽样的最佳阈值.

基于居民属性数据的出行碳排放预测模型

准确分析居民出行方式的碳排放及方式选择影响因素的重要性和敏感性,是精准制定交通减排措施的基础。根据居民出行调查的家庭属性、个人属性、出行属性和环境属性等影响因素综合分析,基于LightGBM(Light Gradient Boosting Machine)构建了居民出行方式预测模型并进行验证,结合出行活动水平、各种能源类型的碳排放系数、标准煤系数等参数,构建了基于居民属性数据的出行碳排放预测模型;最后,以广州市为例进行实证分析,对居民出行方式和碳排放总量进行预测,并分析了出行方式选择影响因素的重要程度和重要因素敏感性。结果表明:基于居民属性数据构建的碳排放预测模型,能较为精确地预测各种出行方式的碳排放,较好地分析碳排放的影响因素重要性和敏感性,以及全面揭示出行行为、出行方式和出行碳排放之间的关系。其中,起终点距最近公交站的距离或距最近地铁站的距离、自驾车费用、出行距离等是影响居民出行方式选择的重要因素。当起终点距最近地铁站距离下降55%时,地铁出行竞争力随着距离缩短而明显提升;在公交站点密度较大的区域,起终点距最近公交站距离对居民出行方式选择不敏感;当碳排放费用增加400%时为居民出行方式和碳排放的转折点,超过转折点后小汽车出行方式难以转移;当出行距离下降幅度在90%以内时,碳排放下降速度最快,最大降幅为90.4%。

绍兴市第五次综合交通调查技术创新与成果分析

综合交通调查是获取城市交通发展规律、预测未来交通发展趋势、制定重大交通规划发展决策的重要手段和基础工作.传统的人工调查与大数据挖掘技术相结合是综合交通调查准确高效进行的关键,本文主要介绍了绍兴市第五次综合交通调查中新技术、新方法的应用,利用手机信令数据、公交GPS和IC卡数据、出租车运营数据等分析城市交通运行状况.重点针对居民出行、道路交通、公共交通等运行特征进行原因剖析,并根据调查结果对绍兴市发展提出建议.

基于车牌识别数据的区域交通特征分析方法及应用

为分析区域交通特征,首先,通过均值与中位值对车牌识别数据进行数据清洗,以获取不同时段的道路行程时间,从而根据最大道路行程时间计算道路出行阈值;其次,通过道路出行阈值对单车出行轨迹进行多次出行划分,通过出行轨迹时空信息划分出行链;随后,根据出行链统计交通产生与吸引情况,从而获取研究区域内的交通特征;最后,以湖南省长沙市岳麓区局部路网为例,分析其车辆来源及主要出行方式,确定局部路网出行的热点区域与热点路径。通过所述方法,能够基于车牌识别数据深入挖掘区域交通特征,并进一步为交通规划提供数据支持。

融合出行拓扑与序列分析的车辆时空出行模式挖掘

城市小汽车出行的时空特性是支撑城市交通规划设计与交通需求管理的重要基础。针对传统的以集计数据或抽样数据研究的局限性,本文基于车牌识别数据,全量感知车辆出行活动,分析城市中个体车辆的出行时空模式。首先,从数据中提取并分离车辆出行链,获得小汽车出行的时间、空间、频率和拓扑特征,根据各时段停留点构造车辆出行活动序列。其次,融合兴趣点(Point of Interest, POI)数据识别出行起讫点关联的土地利用特性作为停留点特征,在出行活动序列上应用k-modes聚类算法挖掘出常规通勤模式、特殊通勤模式、短时活动模式和外来办事模式这4类30种小汽车出行模式。最后,对每一类模式的群体规模、特征和典型出行行为进行详细地分析讨论。结果表明,95%的车辆出行活动可以用不多于3条边组成的简单拓扑结构表示,其中,约30%的车辆可构造出行活动序列,并用k-modes聚类算法有效分离出各类机动车全天出行的时空模式。工作日车辆出行主要表现为常规通勤模式,休息日则以短时活动模式为主。通过对个体车辆的微观行为分析,结合出行拓扑结构和出行活动序列进行出行模式的挖掘,能够全面地反映城市机动车出行的实际情况,为精细化机动车出行行为分析与管控策略制定提供理论支撑。

考虑轨迹数据的公交运行状态识别

运用公交GPS数据并采取地图匹配算法对公交实际运行状况进行刻画,统计车辆的单程耗时、到站时间间隔,量化分析公交行程时间可靠性,评价公交线路的运行效果,提出了基于行程时间增加率识别线路拥堵高发路段的方法。以哈尔滨市公交车轨迹数据为例分析了84路公交运行情况,结果表明:该线路单程准时度为88.33%,单程准时稳定度为61.55%,基于行程时间增加率的拥堵模型能够有效识别线路常发性拥堵路段,在热力图可视拥堵高发路段的空间分布情况。通过轨迹数据分析发掘公交运行变化特征,可为解决城市交通拥堵问题、提高公交服务水平及可靠性提供参考依据。

公交出行时空模式的影响因素和效应研究

为揭示公交出行时空模式的影响因素和作用效应,利用智能公交数据获取公交出行时空特征,应用DBSCAN聚类算法挖掘公交出行的时空规律性。以起点建成环境、终点建成环境、出行路径性能、公交运营性能和公交出行强度5个方面的18个指标为自变量,以公交出行时空特征和公交出行时空规律性2个方面的4个指标为因变量构建变量指标体系,融合智能公交、POI等多源数据对指标进行量化计算,建立结构方程模型对公交出行时空模式的影响效应进行分析。研究结果表明:公交出行模式具有时空异质性,平峰时段公交出行距离和出行时长均长于早、晚高峰时段;时间规律性强的公交出行主要发生在高峰时段,空间规律性强的公交出行集中分布在城市中心区;出行路径性能、公交运营性能、起点建成环境、终点建成环境对公交出行的时空特征有显著影响(早高峰影响效应分别为-0.749,-0.413,-0.244,-0.228);公交出行强度、出行路径性能、起点建成环境和终点建成环境对公交出行的时空规律性有显著影响(早高峰影响效应分别为0.688,0.069,0.022,0.021);各因素对公交出行时空模式的影响具有时间异质性,平峰时段的影响均大于早、晚高峰时段。研究结论能够为公交导向的城市规划设计、公交系统优化等工作提供参考依据。

基于手机GPS数据的个体出行链提取方法研究

针对现状出行数据存在的人工获取成本高、时空信息不准确及出行链接不完整等问题,开发智能手机居民出行调查系统,研究基于手机GPS数据的全时段、多交通方式且完整链接的个体出行链提取方法。首先,应用时空密度聚类方法,识别个体轨迹中的停驻点,构建随机森林模型,从停驻点中区分出行端点;其次,以空间邻近匹配方法识别居家与工作活动,利用家庭和个人属性、活动时空与活动链等特征,以XGBoost模型推断非家非工作类型的出行目的;最后,采用轨迹微分方法,提取运动特征、出行特征与GIS特征,运用XGBoost模型推断出行方式。利用出行调查系统采集的实验数据,验证出行链提取方法。结果表明:停驻点识别查准率和查全率分别为96.7%和96.4%,出行端点查准率为97.6%,公交换乘点查准率为91.8%;出行目的推断上,“居家/回家”准确率为100%,“上班/上学”准确率为89.8%,非家非工作出行目的综合准确率为87.6%;出行方式推断上,各交通方式准确率均达到90%以上,综合准确率为95.0%。本文提供一种手机GPS轨迹数据的出行链挖掘方法,能够为智能手机居民出行调查现实应用提供支撑。

基于多源数据的共享交通潜在服务范围分析

共享交通作为城市主体交通服务体系补充的交通方式,具有成本低、服务范围广、便捷度高等特征。因此,依据出行需求及各类共享交通方式的功能定位分析其在城市中的潜在服务范围对其布局及发展具有重要意义。基于上海市2019年5月6日—12日的手机信令数据,分析上海市域居民出行时空特征;构建上海市公共交通网络并进行出行需求匹配;确立出行适宜度分级原则并识别公共交通服务薄弱的区域;根据不同类型共享交通的技术经济特征分别识别其潜在服务范围并提出分析与建议。研究发现,定制公交潜在服务范围主要为中心城区外环以外区域与外环以内区域的出行;共享单车潜在服务范围主要集中在中心城区以外区域;分时租赁潜在服务范围主要在上海市全市范围内分布。研究结论可为交通规划与运营部门制定共享交通布局和发展策略提供可靠依据。

基于多源数据的区域综合运输通道旅客出行特征研究

为了准确计算区域综合运输通道中旅客出行总规模和方式构成,分析通道中过境旅客出行量占比,从而为优化通道内线路资源配置和研判区域综合运输通道交通功能和经济功能提供支撑,统筹利用交通行业传统统计数据、营运收费数据和手机信令数据,发挥不同数据源的比较优势,强化相互补充和校核,在对旅客出行进行了分类界定的基础上,构建了包含各种运输方式、相同运输方式不同类型交通线路的区域综合运输通道旅客出行总量、出行结构及过境量占比的分析模型。以湖北省京广综合运输通道为例进行了案例分析,验证模型的有效性和实用性。结果表明:2018年湖北省京广综合运输通道旅客出行人数超过2.3亿人次,高铁和高速公路是通道旅客出行的主力军,在通道旅客出行总量中占比33.8%和36.2%,远高于占比14.2%和15.8%的普铁和普通干线公路;通道非过境旅客出行量占比74.5%,说明通道在服务通道沿线与湖北省经济社会相关的旅客出行需求发挥了巨大作用;通道过境旅客出行量在旅客出行总量中占比25.5%,充分体现了该通道在国家层面的重要性;铁路在服务过境出行旅客和非过境出行旅客的功能相对均衡,高速公路和普通干线公路以服务非过境旅客出行功能为主,过境旅客出行量占比仅为10.6%和0.7%。

基于集成学习和居民属性数据的出行方式预测模型

传统的效用理论模型以整体效用最大化为目标,忽略了影响居民出行方式选择肢间可能存在相关性以及部分效用相互补偿性。基于集成学习的居民出行方式预测模型可以有效表达出行效用的个体偏好、差异性和补偿性,解决了不同出行特征影响因素对于不同人群有不同效用表征问题。本文依托大样本居民属性数据,针对不同个体对不同影响因素的感知差异,结合居民出行调查的个人属性、出行属性及环境属性等相关影响因素进行综合分析,构建个体级居民的出行特征向量;研究构建基于集成学习方法的居民出行方式预测模型;以广州市为例进行实证分析,通过准确率、精确率、召回率和F1值这4个指标,对模型预测结果进行综合评价;针对部分出行属性相似导致细分的出行方式判别精度不高,按照大类方式、慢行交通、公共交通、个体机动化交通这4个类别构建层次化LightGBM(Light Gradient Boosting Machine)模型,并对GBDT(Gradient Boosting Decision Tree)、Random Forest、LightGBM、层次化LightGBM这4个模型预测结果进行综合对比。分析结果表明:LightGBM模型预测慢行交通、公共交通、个体机动化等三大类出行方式的平均准确率约为87%,其中慢行交通方式预测准确率最高,为92%;预测精细化出行方式平均准确率约为78%,其中步行方式预测准确率最高,为89%;LightGBM模型适用于城市级的居民出行方式预测,是一种有效的居民出行方式选择的预测方法。

基于轨迹数据的货车停车目的识别方法

货车轨迹数据能够提供丰富的货运需求信息,然而从轨迹数据中识别停车目的的方法有待进一步研究。本文利用市内出行货车的轨迹数据,设计基于移动记录反推的货车停车点提取算法;提出融合货车出行调查数据的停车目的标定方法;构建包含停车点特征、出行特征、出行链特征、附近停车点特征和附近兴趣点特征这5个特征子集的货车行为特征集,作为识别模型输入变量;运用网格搜索算法,确定最优参数组合,建立基于二叉树支持向量机(SVM)的货车停车目的识别模型,区别货车装货点、卸货点和非装卸货点。以上海市内出行的重型货车为例,应用货车轨迹数据停车目的识别方法。结果表明:出车货车1 d平均停车4.6次;95%以上停车点的停车时间大于7 min,停车点间移动时间大于17 min;货车停车点提取算法的停车点个数误差约为6.5%;设定时间匹配标准和空间匹配标准是标定停车目的的可行方法;基于二叉树SVM的货车停车目的识别模型的准确率达85.83%。研究结果可为超大城市管理者分析城市货运需求、制定城市货运管理政策提供技术和数据支撑。

基于手机信令数据的城市区域居民出行OD预测模型

为揭示城市区域居民出行规律和OD产生原理,基于手机信令数据探索城市区域居民出行目的地选择机制,考虑人口数量和POI数量两类数据建立一个地点机会选择(POS)模型。利用联通智慧足迹平台获取得到哈尔滨市居民手机信令出行数据,从交通小区和交通中区两个尺度,对哈尔滨市市二环、三环、四环不同范围展开实例研究。结果表明:地点机会选择模型预测结果在吸引能力和出行距离分布中基本符合实际数据规律,从交通小区和中区两个尺度上看,该模型预测精度分别能够达到67%~72%、75%~83%,较机会优先选择模型预测精度分别提高了13%~18%、9%~20%,较辐射模型预测精度分别提高了57%~60%、55%~60%。本文所提出模型的优越性在于模型简单且无待定参数,输入数据较容易获取,具有较高的预测精度,能够为城市交通规划提供理论参考。