基于收费数据的高速公路站间旅行时间预测

针对高速公路断面检测数据密度不足现状,采用收费数据预测收费站间车辆旅行时间.研究收费数据实时修正处理方法,改进平均旅行时间计算模型;引入分段线性插值方法构建卡尔曼滤波模型,以减小卡尔曼滤波线性化产生的模型误差问题;依据旅行时间预测业务逻辑开发应用系统,实时主动预测高速公路站间旅行时间.示范路段应用表明,插值后预测算法在正常、事故、小长假3种交通流状态下所有周期平均相对误差控制在10%内,事故周期平均相对误差控制在13%内.插值后算法预测精度有效提高,可为高速公路公众出行提供时间参考.

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.