基于地点车速的路段交通拥堵指数计算方法

利用固定检测器提供的地点车速等参数,选用聚类分析方法建立固定检测设备的交通状态判别算法模型,不同类的交通指数对应不同的计算方法,为城市交通拥堵指数准确计算、交通决策、交通诱导等提供依据,有利于缓解城市道路交通拥堵现状。

北京交通拥堵指数的多标度扩散熵分析

提供了一种基于标度指数谱的多标度扩散熵分析方法(MDEA)描述北京交通分形动态系统。通过扩散熵分析(DEA)与滑动拟合窗口方法相结合,分析2011年北京交通拥堵指数,展现标度性质的更多信息,提供更可靠的分析。模拟结果表明,在较大的标度范围内,标度指数呈现较大波动,且具有它们自身的指数模式。多标度扩散熵分析方法对于度量交通拥堵指数以及对不同交通状态进行分类提供了一种新的方法。

考虑多因素的城市道路交通拥堵指数预测研究

在分析城市道路交通拥堵指数总体变化规律的基础上,综合考虑天气、节假日、重大活动等因素对交通的影响,以未来3 h、第2天24 h每5 min的交通拥堵指数明细为预测目标函数,建立基于K近邻的城市道路交通拥堵指数预测模型,确定了模型的状态向量、距离计算方法、预测值计算方法等,并根据实际采集数据对模型各参数进行标定,实现了对广州市宏观交通拥堵指数的短期、中期预测.最后,以2016年1~2月的数据为例,对模型进行测试验证.结果表明,预测模型对于普通日、特殊日的预测效果理想,且具有较强的可操作性,基本达到工程应用效果.

基于介数中心性的交通拥堵指数计算

本文以北京城市交通为例,选取北京城市路网数据,计算城市路网介数中心性,以反映城市各道路路段的通达情况;并利用北京出租车GPS定点数据,计算实际的交通轨迹。传统的路网介数中心性主要依据各路段最短路径的比重评价理论上的道路通达性,而本文以网络介数中心性为基础,提出动态介数的方法,从城市各路段交通量比重的角度评价各道路实际拥堵情况。利用两个介数的对比能够全面客观地反映交通拥堵状况,提高交通拥堵指数的参考价值,并为城市建设规划决策及道路改建等方案提供依据,有利于缓解城市道路交通拥堵现状。

基于演化模式挖掘和代价敏感学习的交通拥堵指数预测

交通拥堵指数预测是智能交通系统的核心能力之一。然而,现有方法大多采用回归模型,在长期交通拥堵指数预测任务上表现不佳。针对此问题,本文提出了一种融合演化模式挖掘和代价敏感学习的交通拥堵指数预测方法。首先,采用序列模式挖掘算法从交通拥堵指数历史数据中发现长期演化模式。同时,采用代价敏感学习技术对交通拥堵指数数据与多种时空特征之间的关联进行学习。最后,通过Stacking框架对演化模式挖掘和代价敏感学习的能力进行融合。基于杭州市真实交通拥堵指数数据集进行的实验表明,本文提出的方法对未来5天交通拥堵指数的预测误差比现有方法降低了10%以上。

融合Elman神经网络与EMD的交通拥堵指数预测

为了提高传统方法生成交通拥堵指数(TPI)的准确率,引入一种基于经验模态分解(EMD)与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数(PACF)计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法 3个评价指标(平均绝对误差、均方误差、平均绝对百分误差)的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此,EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。

基于路径交通拥堵指数的危险废物回收模型研究

针对交通拥堵对危险废物运输中的成本和风险的影响,引入路径交通拥堵指数,建立了时变道路系统中基于交通拥堵指数的危险废物回收双目标优化模型,并对传统蚁群算法中启发式因子计算公式进行了改进,提出了改进的蚁群算法对模型求解,最后以某环保公司危险废物回收问题为背景进行了案例分析。结果表明,不同出发时间和车辆使用模式对帕累托最优解有显著影响,最短路径不一定是耗能最少的行车路线。本文提出的模型和算法可为决策者制定调度方案提供参考。

广州市降雨量与交通拥堵指数的关系

基于2014—2016年广州市越秀、天河、海珠、白云、荔湾5区的交通拥堵指数和对应区域的降雨量等资料,利用散点图及非线性函数回归分析等方法,探讨了广州市降雨量与交通拥堵之间的关系特征。研究表明:各区指数日变化特征波动趋势大体一致,但拥堵程度各异。各区在18:00左右的拥堵指数均达到全天最高值,为拥堵最严重的时间点。在工作日时段,越秀区白天段平均拥堵情况是最严重的;而在周末,荔湾区的拥堵指数高于天河、越秀区,成为最拥堵的区。降雨天气对交通拥堵指数的影响显著,降雨天气在拥堵严重的时次占比明显较大。两者的相关性表明,在同一时间内降雨量级越大,交通拥堵程度越严重,且多数时段以非线性函数f(x)=a·arctan(b·x)+c的拟合效果最佳。

基于交通拥堵指数的蚁群改进算法研究

随着城市道路规模的不断扩大,在车辆路线优化问题上,大部分学者只考虑距离或者费用等单目标,往往忽略了实际交通道路情况。提出了一种基于实际道路交通情况的路线优化改进蚁群算法,首先根据实际交通道路生成交通网络图,然后在信息素初始化时根据各路段的交通拥堵指数加入对应的交通拥堵权重;其次在信息挥发系数中加入车流量系数;最后在转移概率中加入道路畅通强度加强蚂蚁的选择。Matlab模拟实验证明,带交通拥堵指数优化后的蚁群算法能更好地符合实际道路情况,解决车辆路线优化问题。

基于CRITIC-TOPSIS法的城市交通拥堵演变趋向指数研究

为更加全面地评价城市道路交通拥堵,重新界定交通拥堵内涵,阐述交通拥堵状态与交通拥堵趋势之间的逻辑关系,提出交通拥堵演变趋向指数(ETI)概念。运用聚类分析法构建并筛选拥堵趋势评估指标——行程时间比变化率、饱和度变化率、拥堵里程比变化率及拥堵持续时间变化率,基于CRITIC法和TOPSIS法构建交通拥堵演变趋向指数模型,对城市主干路交通拥堵趋势进行评价,并将此方法应用于哈尔滨市三条主干路中进行交通趋势评价。该指数模型的建立可为城市道路交通拥堵提供更加完善的评价模型,也可为居民出行、提高交通管理水平提供参考。

基于交通需求的路网交通拥堵评价模型

文章提出了微观、中观、宏观3个层次上的用于评价交通拥堵状态的交通拥堵指数指标;确定了基于分层抽样技术的最低路段抽样方法,并采用综合评价法,以从时间角度表征交通需求的指标——车辆行驶时间(VHT)作为加权模型中的权重,建立了基于交通需求的交通拥堵评价加权模型。最后,以北京市为例,对北京市五环内路网的拥堵状况进行了评价。

基于信号滤波的交通拥堵分析方法研究

针对交通拥堵定量分析不足的问题,以交通拥堵指数为例,对交通拥堵时间分布规律的定量分析方法进行了研究。利用散点图对全年的日交通拥堵指数进行了分析,提出交通拥堵指数虽然在短期内频繁变化;但在全年范围内表现出一定的变化趋势。基于此,利用信号滤波技术提出了年度交通拥堵指数的分析序列定义、频谱分析和滤波方法。最后,应用该方法研究了2013年度交通拥堵指数的变化规律,分析结果能够合理反映交通拥堵水平随日期的变化趋势,可以为交通拥堵治理提供决策支持。

广州道路交通拥堵的降雨影响分析及短时预报

基于广州市东风路2016—2018年交通拥堵指数和临近观测站的降雨量资料,利用随机森林回归算法,探讨了当降雨发生时,东风路交通拥堵情况的变化特征。研究表明:东风路工作日的交通拥堵指数白天段总体呈现出4个峰值,全天拥堵最严重时刻为18:00左右,表现为中度拥堵;总体来看,周末、节假日的交通拥堵情况相较工作日有所缓解。结合G3218气象观测站的雨量数据对比分析可得,当全天雨量在10、25及50 mm以上时,拥堵指数的日变化明显高于总体平均趋势;基于随机森林算法分析得出,当降雨发生时,工作日各时段的拥堵指数均不同程度有所增长,并对模型检验分析,所有预测误差与实际差值均在1 mm以内,模型可信度较高。

基于大数据的昆明市交通拥堵时空特征及路网结构影响分析

交通拥堵是人们出行中常见的城市交通问题之一。监测交通拥堵态势、分析交通拥堵原因,进而改善交通拥堵问题是当前城市交通面临的重要课题。以昆明市主城区为例,基于高德地图提供的实时路况数据,设计拥堵时空指数对研究区交通状况进行评价与时空特征分析,并从道路网络结构的角度分析其拥堵原因。结果表明:1)拥堵时空指数能有效评价长时间序列的交通拥堵时空特征,该评价指数的适用性较强。2)研究区交通态势总体情况良好,畅通路段平均占比为72%,拥堵路段平均占比为5%,且总体交通态势变化较为规律。3)研究区交通拥堵具有显著的时空聚集特征,鲜有路段长期处于拥堵,缓行区域主要集中在城市主干道;在8:00—8:30,18:00—19:00时出现一天当中的早高峰和晚高峰;周末与工作日相比,拥堵路段及拥堵时间明显减少,拥堵时空指数变化曲线相对平稳,交通态势变化受通勤影响明显。4)在路网结构影响因子中,交通节点密度系数值最大且与拥堵时空指数呈正相关,合理控制交通节点数量是缓解昆明市主城区交通拥堵的重要途径。

交通拥堵对雾霾污染影响的空间效应研究

利用高德大数据平台收集2017年中国99个地级市日交通拥堵延时指数(CDI)作为衡量交通拥堵的指标,采用地理距离衰减矩阵作为空间权重矩阵,构建空间滞后模型,研究交通拥堵对雾霾污染的影响。研究结果表明,中国城市的交通拥堵存在节假日效应与周末效应;交通拥堵存在空间集聚现象,珠三角地区和川渝地区的交通拥堵处于高-高集聚状态,长三角地区处于低-低集聚状态;空间滞后模型回归结果显示,交通拥堵对雾霾污染的影响系数为正,交通拥堵与雾霾污染之间存在倒“U”型曲线关系,说明交通拥堵对城市的环境质量产生了负外部性影响,雾霾污染随着交通拥堵的增加呈现先升后降的趋势。研究交通拥堵对雾霾污染的影响对治理雾霾污染具有重要的意义。

基于道路拥堵指数的最优路径分析

传统交通最优路径分析主要考虑途经距离、道路等级等因素,未能反映道路拥堵对机动车行驶速度的影响。文章通过道路拥堵时空分布分析,提出了基于道路拥堵指数模型的动态最优路径分析算法,并以福州市为例进行了实证研究。结果表明,算法有效克服了传统算法的不足。

基于交通指数预测的公交发车频率优化方法研究

随着城市经济发展,城市出行人口数量急剧上升,交通拥堵现象日益严重。由于公众对城市公共交通认识不足,公共交通使用率较低,无法达到缓解交通拥堵的目的。因此,科学地引导人们选择公交出行对提高城市道路资源利用率、解决城市交通拥堵等意义重大。基于上述问题,提出基于道路交通拥堵指数预测的公交发车频率优化的改进方法。将武汉市34路公交车的运营线路作为研究对象,通过百度地图后台获取数据,将数据因素分类,并进行数据集预处理,发现存在多维度因素对交通指数产生影响。根据这一特性,使用神经网络构造预测模型,该模型能有效预测出未来某时刻交通拥堵指数,通过交通指数预测值,修正公交发车时刻表、优化公交发车频率,引导私家车通勤者向公交转移,倡导公众选择便捷快速的公交出行,进而很大程度上缓解交通拥堵的问题。

盐城市城市交通疏堵保畅管理策略研究

城市交通疏堵保畅是盐城交警精细化管理常态化工作。通过交通拥堵指数评估盐城市道路总体运行秩序良好,然而每个城市有其自身的拥堵特征,难以直接照搬其他城市的治堵手段。通过对盐城市区交通运行中若干拥堵症结成因进行剖析,从改造与管理并举、优化交通组织模式、校园地区专项治理、交通常态化整治、科学组织等方面化解拥堵,推进盐城交警支队交通治理体系和治理能力,为同类城市在日常交通管理工作提供案例借鉴。

南昌市运用排阵式交通控制技术的思考

城市道路产生拥堵的原因是多方面的,其中交叉口因其两条以上道路平面相交,各方交通流在此汇合导致降低通行能力而产生交通拥堵,是城市交通拥堵的顽症之一。排阵式交通控制技术是在不改变道路条件的前提下将同方向行驶交通流的车道数增加来缓解道路交叉口拥堵的一种先进的交通控制技术,在深圳等一线城市试用并取得了良好效果,作为省会城市且交通拥堵指数接近阈值的南昌,网络调查显示,拥堵时间主要集中在上下班高峰期,机动车是最常用的交通工具,交通管理因素、交通参与者的守法意识和道路条件是造成拥堵的主要原因。因此,运用排阵式交通控制技术不仅可行而且前景乐观。

大规模施工对城市路网交通影响评估技术研究

传统的施工期交通组织研究一般只针对单个建设项目,而城市在举办特别重大活动之前往往有一轮建设高潮,形成大范围集中性施工,对城市路网运行的影响很大,需从全局角度系统性评估其交通影响。针对大批量建设项目同时施工对路网整体的交通影响,提出了路网敏感路段划分、路网通行能力损失测算、基于交通模型推演的交通拥堵指数预测等评估技术,并在杭州“迎亚运”重大基础设施建设中予以运用,应用效果较好。