交通流数据的概念漂移探析

概念漂移在很大程度上影响着交通流预测的结果,当数据分布或属性发生了变化,而模型的参数和结构没有及时调整时,模型预测结果的准确性就会大幅度下降,甚至完全失效。研究交通流数据及特点,概念漂移及检测步骤、检测方法,对交通流数据概念漂移发现和检测模型的建立、后期调整和优化交通流预测模型具有重要意义。

基于回归模型的高速公路交通流数据修复方法

针对当前高速公路交通流数据修复不精确、效率低等问题,提出一种基于多元回归的数据修复模型,该模型以线性回归、岭回归和套索回归作为基础子模型,通过训练数据筛选最优修补子模型,进而借助该子模型来修复异常值,从而实现准确高效地数据拟合修复;为了验证模型的有效性,模型以美国加州I-5高速公路的车道交通流数据进行实验分析,并引入传统均值修复法作为对比分析;实验结果表明:模型相较于均值修复法所产生时间损耗相差较小,但具有更高的修复精度,交通量数据修复准确率提升96%,速度数据修复准确率提升95%,占有率数据修复准确率提升97%。

基于计算机数据算法模型的交通流数据分析

针对交通流数据分析滞后,交通规划效率不高等问题,提出了一种基于计算机数据算法模型的计算机数据算法数据分析方法,该方法采用基于S3C6410处理器的采集模块对影响交通流的数据进行采集或者分析,在进行数据信息采集时,还通过JZ863的无线传输模块实现数据信息传输,并通过神经网络算法模型提高了交通流数据信息分析能力。实验结果显示,本研究系统检测到发生故障的数据量数高达4735个,交通检测精度较高。

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用LSTM(Long Short-Term Memory)网络学习数据中时序规律,通过注意力网络计算道路自注意力及一阶临近道路注意力系数,用图卷积网络对图信号重组,达到对缺失数据的精确修复。同时,采用多头自注意力网络计算数据的注意力权值并对数据重组,捕获交通流数据中的二阶及高阶临近道路空间关联性,提取已知数据与缺失数据的时间关系,以残差链的形式加入到模型中,作为对STGCN功能的补充。基于真实数据的实验表明,在多种缺失模式和缺失率下,该模型能够学习路网拓扑关系,捕获数据中的时间规律性和时空关联性,有效地修复缺失数据。

北京市交通流数据采集、处理/分析和信息发布系统设计

交通流数据采集、处理 /分析和信息发布系统是北京市智能交通管理系统的一个重要组成部分。本文介绍北京市交通流数据采集、处理 /分析和信息发布系统设计。该系统集成来自交通管理部门、出租车指挥调度部门、公安指挥调度部门、公交指挥调度部门和医疗急救调度部门的交通信息 。

基于手机定位的交叉路口交通流数据采集方法

为了实现对城市道路交叉口交通流数据的全面采集、减少成本、提高效率,提出以手机为交叉口交通流信息获取源的思路。研究了将手机定位数据(运动速度、经纬度)转化为交通流数据的方法。通过检测空间和检测单元的确定,根据用户的运动速度和位置信息,按照步行、自行车、小汽车和公交车将不同手机用户的出行方式进行了准确判断,最终实现了交叉口交通量、车流流向和延误数据的自动采集。

单源交通流数据质量控制算法设计与程序实现

针对基于数值计算理论的单源交通流数据质量控制算法作程序实现。首先进行程序流程设计,包括数据读取模块、数据识别模块、数据修正模块、数据存储模块和数据输出模块五部分,各模块间相互联系,按照数据流的方向结合在一起按顺序使用。其次,给出了详细的总体程序工作流程,并且针对其中的两个核心模块给出了具体的工作流程。最后,针对北京市实时交通流数据进行了检验,结果表明程序设计实现了算法设计的要求,并且极大改进了质量控制的自动化程度,提高了质量控制的工作效率。

基于时空融合图卷积的交通流数据修复方法

为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系.利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度.利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型.实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.

ITS检测器交通流数据质量控制系统研究

交通信息为智能交通系统(ITS,intelligent transportation system)提供基础的数据支持和持续原动力,所以作为系统的原材料——交通检测器采集的原始交通数据,它的质量好坏会直接影响整个系统的后续效益。以提高交通检测器采集的原始交通数据质量为目的,以交通流数据质量控制系统为研究对象,首先对整体系统框架进行结构分析,核心包括故障数据判别和故障数据修正两大部分,然后分析了交通流数据质量控制的协作流程,并给出了故障信息中的丢失数据、不规则时间点数据、异常数据的识别和修正模型,以及故障检测器的判别和处理方法。最后对系统的设计文档和程序开发给以说明,且已经在深圳城市交通仿真系统应用并取得良好的数据应用效果。

国内外实时交通流数据质量控制比较与分析

交通流数据质量控制可以保证从数据源所获得数据的正确性和完整性，并为数据的管理和应用提供可靠的数据基础，虽然历史数据修正方法和交通流理论修正方法能够用于质量控制，但难以实现推广应用。根本原因在于前者需要大量历史数据，引发了存储上的困难；后者需要针对不同路段进行重复建模，模型通用性差，且准确性难以评价，鉴于此，本文首先研究并设计了基于线性插值法的道路交通流数据质量控制方法，该方法主要以时间点邻近数据为参考，对交通流参数和时间点分别进行判别修正，其优点在于不需要大量的历史数据，且适用性和可操作性强，其次，本文建立了实时交通流数据质量控制平台，针对北京市和美国圣安东尼奥市的数据进行质量控制处理，归纳总结出国内外实时交通流数据在质量控制前后的特征及差异，证明该方法能够有效的解决数据质量问题，最后，本文针对实时交通流数据质量控制方法的选取、交通探测器选择和配置等方面提出了建议。

基于小波变换的交通流数据集成灵敏度分析

道路上的交通流数据通常是以20-30秒间隔采集并传递到交通管理中心的，为了使这些数据能够广泛地运用于各种交通用途，必须采用合理高效的集成方法对其进行处理。传统的数据集成方法基于数理统计的理论，该方法不能有效地去除数据中的噪音。近年来迅速发展的基于小波变换的交通流数据集成方法克服了这一缺点，通过对交通流数据的频率特性进行详细分析能够使集成更加高效，准确满足不同的交通用途对集成的需求。但该方法尚未作进一步的灵敏度分析，本文通过对数据集成中小波函数和数据样本量这两个重要参数的分析，从理论的角度探讨了这两个参数变化对数据集成的影响。然后以北京市三环上的交通流数据为例，计算得到了数据集成建议采用的小波族和小波阶数，以及合理的最小样本量。该结论对数据集成在将来的实际应用具有指导意义。

一种基于平衡指数平滑的交通流数据预测方法

为了解决传统指数平滑法在滤波后的数据与原始数据之间存在一个因累积误差而导致右偏移的问题,提出一种基于平衡指数平滑的交通流数据预测方法。该方法对传感器采集的异常数据和缺失数据进行处理,对于超过阈值的数据,则用前一时刻数据取代该数据;对于缺失数据,则插入前后时刻的均值。对处理过的数据采用平衡指数平滑法进行滤波。通过三次指数平滑预测模型对数据进行预测。实验仿真表明,该方法能有效消除传统指数平滑的右偏移误差,提高数据预测的准确性。

基于Web Service的交通流数据采集传输与发布

交通流数据采集传输与发布系统是智能交通管理系统的一个重要组成部分。文章讨论了结合Socket和WebService技术实现交通流数据的采集,传输和发布。

道路交通流数据检验与修复方法

交通流数据常见问题分为数据缺失、数据无效和数据时间点3类,针对这些问题,提出了一种交通流数据检验与修复方法。以北京市交通流数据为例,应用这一方法进行了分析与验证。结果表明该方法具有很好的实际应用效果。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性,为数据的管理和应用提供了可靠的数据基础。

基于雷视一体机的交通流数据采集系统设计

交通流数据是进行交通管理宏观决策的基础数据,交通流数据采集系统是交通管理信息化智能化的重要组成部分;随着我国交通领域的蓬勃发展,交通流量激增、高速交通拥堵、交通事故等突发事件频发,为此,设计一套实时性好、准确度高的交通流数据采集系统是十分必要的;文章基于雷视一体机开发了一套高速公路交通流数据采集系统,采用端-边-云分级传输的物联网架构,并结合了自主研发的雷视一体机,采用CNN神经网络技术提取图像信息后,在边缘计算机中通过一维数据最优估计、多传感器数据匹配、多传感器双向最优估计、多传感器目标特征融合的软件工作流程,将雷达与监控相机提取到的信息进行最优化估计,准确提取道路目标交通信息,仅将处理后的特征信息上传至云端服务器,实现交通流数据的精确、实时采集;系统试运行结果表明,该基于雷视一体机的交通流数据采集系统能够有效提高检测准确性,加强检测结果的实时性。

交通流数据质量预控制的实施对策研究

针对道路交通流数据中的质量问题,目前的研究大多集中在技术层面上由定量建模分析方法对采集得到的交通流数据进行二次加工处理来提高其精确程度,属于对数据质量的后期提升。本文提出在交通流数据的采集和管理的过程中,通过定性手段来预先保障交通流数据的质量,研究交通流数据质量控制工作的实施策略,从而期望在数据采集端预先解决数据质量问题。通过从操作角度由技术、体制和政策3个层面提出有助于数据质量控制工作开展的实施策略与建议,作为实现交通流数据质量控制的辅助手段,更有利于从源头上根本解决数据质量问题。

高速公路交通流数据检测系统设计

系统由现场交通流采集系统和远程数据处理中心两部分组成。现场交通流采集系统采用基于GMR的地磁式车辆检测器作为交通流数据检测传感器,各设备之间采用无线自组网方式进行数据传输。远程数据处理中心与现场交通流采集系统通过GPRS或3G通信,可实现交通流数据远程集中控制和管理。本系统环境适应性强,安装维护方便,具有一定的实用价值。

基于改进孤立森林算法的交通流异常数据检测模型

针对交通流异常数据实时检测问题,提出一种基于改进孤立森林算法与K-Means++算法相结合的交通流异常数据检测模型。首先,使用交通流量和交通流速度数据构建交通流序列;然后,利用改进孤立森林算法,构建交通流数据的异常评分模型,并通过K-Means++算法构建滑动窗口计算出异常评分的阈值,以此来实现对交通流数据异常值的实时检测;最后,通过实例分析验证模型的合理性和可行性。研究结果表明:改进孤立森林算法与K-Means++结合的方法可以准确地确定异常评分的阈值进而检测出异常数据;该模型与仅考虑交通流流量的模型、传统孤立森林模型相比,AUC分别高出29.7%和5.3%,与其他常用的LOF、ABOD、OCSVM方法相比,AUC均有所提高。该模型准确率明显提升,在交通流异常数据检测中具有更好的适用性,能够为交通管理部门提供交通状况检测支持,提高交通管理效率。

基于动态阈值的交通流故障数据实时识别方法

为了提高交通流数据的准确性和可靠性,提出了动态阈值模型,用以实现交通流故障数据的实时识别。以北京市道路交通网络为研究区域,考虑研究对象路段的交通流实时数据与历史数据、上下游相关路段交通流数据的相关性,以及交通流参数之间的相关性,将传统的交通阈值理论推广到动态阈值模型。面向实时的城市道路交通流检测,基于动态阈值模型,计算交通流参数的实时阈值,以识别交通流故障数据。实例研究表明:该文的动态阈值模型可快速、有效的识别出交通流故障数据。

基于公路交通流大数据的节假日旅游流时空分异特征——以云南省2017年7个节假日为例

分析节假日旅游流的时空分异特征有助于获取节假日旅游流的空间行为模式,并为节假日旅游路线组织、旅游应急管理提供重要依据。文章以云南省为案例,选择昆明-大理-丽江-香格里拉、昆明-西双版纳、昆明-石林-弥勒-泸西、昆明-建水-元阳4条旅游运输通道,从时空二元视角获取云南省自驾车和团队旅游流的时空分异特征。结果显示:(1)在7个节假日,昆明-大理-丽江-香格里拉、昆明-西双版纳两条长线运输通道旅游流的集中指数分别为47.38、46.52,昆明-建水-元阳、昆明-石林-弥勒-泸西两条短线旅游运输通道的旅游流集中指数分别为42.41、38.53,均大于完全均衡分布时的集中指数37.8,表明4条旅游运输通道旅游流在7个节假日具有明显的集聚特性,且长线旅游运输通道旅游流的时间集中度均高于短线,自驾旅游流时间的集中度高于团队旅游流。(2)昆明-大理-丽江-香格里拉通道的节假日旅游流规模位居首位,昆明-西双版纳旅游运输通道旅游流受节假日时长的影响较为显著。(3)4条旅游运输通道的节假日旅游流呈现向城镇、重要交通节点及旅游资源富集型通道的聚集特征;昆明-大理-丽江-香格里拉通道的自驾旅游流的基尼系数高达0.86,空间集中度最高。相比自驾游,团队游空间使用曲线呈多峰模式,各相邻波峰呈明显的递减趋势。利用公路交通流大数据能够获取节假日旅游流的时空分异特征,可为节假日旅游管理提供管理启示。