基于GPS终端的实时路况信息采集方法研究

浮动车的实时路况信息采集存在采集内容复杂、信息不准确等问题。为此,提出一种基于GPS终端的实时路况信息采集方法。采用面向简化路网模型的采集方法,只考虑路段行程时间与路段中途停车时间,将GPS终端替代服务器负责采集内容和地图匹配。实验结果表明,与传统的基于服务器端采集方法相比,该方法能使采集内容更简单,采集信息更准确,可减轻服务器端的高负荷,便于采集信息的传输。

冰雪条件下城市道路路段行程时间模型

为研究如何准确地预测冰雪条件下城市道路路段行程时间,建立冰雪条件下路段行程时间模型。在美国联邦公路局路段行程时间模型的基础上,分别引入冰雪条件下自由行程时间及路段通行能力修正函数,构建基于冰雪条件下的ISB-BPR函数。通过大量实地调查对修正函数及BPR参数进行标定。实例验证结果表明,该函数能够较为准确地预测冰雪条件下城市路段行程时间。

时空依赖的城市道路旅行时间预测

城市道路的旅行时间预测,对于路径规划以及交通管理至关重要.尽管旅行时间预测会受路段依赖、时空相关性以及其他因素的影响,但现有的方法并未考虑如何结合外部因素进行建模,因而可能会有引入错误信息、路段建模时忽略上下游路段间的依赖关系等问题,导致预测精度较差.鉴于此,提出了两阶段的旅行时间预测框架:首先,使用Skip-Gram模型对轨迹数据地图匹配后的路段序列进行编码,将其映射为低维向量,通过该编码方式避免引入错误信息的同时保留了路段间的上下游依赖信息.随后,基于路段编码模式整合天气、日期等外部因素,设计了基于深度神经网络的城市道路旅行时间预测模型.基于真实出租车轨迹数据集的对比实验结果表明,所提方法比对比算法具有更高的预测精度.

道路拥堵程度对公交行程时间可靠性的影响研究

为了解决日趋严重的城市交通拥堵问题,进一步提高公交车辆的服务水平,本文结合国内外的研究经验从路段平均行程速度、交叉口饱和度、路段饱和度以及交叉口平均排队时间4个道路拥堵程度评价指标出发,构造了一个系统的多因素综合评价模型,建立了道路拥堵程度评价体系.在分析道路拥堵的基础上,建立了基于道路拥堵程度的公交行程时间可靠性的预测模型.通过采集实际的交通流数据以及公交车站点间的行程时间,讨论不同道路拥堵程度下的公交行程时间可靠性,验证了该模型.研究结果表明:道路拥堵程度对公交行程时间可靠性有较大的影响.