基于多源数据融合的交通流状态识别研究

针对城市道路交通流状态时刻都在变化、单一检测方式得出的数据不准确的特点,提出融合多种检测数据的交通流状态识别。将多种检测方式的交通流数据经过预处理,通过融合多种路段平均速度的模糊聚类方法,实现多源数据的相互校验,最后得到交通流状态的更加准确的识别。实验表明,此方法在一种检测数据出现较大误差时能经过其他检测数据修正得到更准确的结果。

基于粗糙集-模糊识别技术的交通流状态识别算法研究

构建了基于粗糙集约简的交通流状态模糊识别算法,利用粗糙集属性约简技术在多个交通流参数中获得反映交通流变化的表征变量及其重要度值,在此基础上采用模糊识别方法构建交通流状态识别算法,算法针对三种交通流状态的识别,包括正常状态、常发性拥堵状态、偶发性拥堵状态.利用实际城市快速路的数据,以识别率和误报率为衡量指标,将文中的算法与其他算法进行了对比研究,结果表明在同样的误报率水平下可以得到更高的识别率.

基于宏观基本图的空中交通流运行状态诊断与识别研究

为了实时准确识别交通流交通状态,结合宏观基本图(Macroscopic Fundamental Diagram)特性,提出一种航空路网交通状态识别方法。通过类比国内外学者研究地面交通流方法去研究空中交通流,以过点时间数据为基础,选取上海05扇区的航路(线)作为研究区域,收集一天的航班流量以及仿真过后的航班流量,研究其宏观基本图(MFD),从宏观角度分析宏观基本图的存在性及存在条件。为了解决不断增加的航空运输需求、航班延误、空域拥挤、以及飞行冲突等现实问题,需要正确地识别空中交通流特征,并采取一系列措施。诸如,发布流控、调整飞行间隔、合理划分扇区。空域资源是有限的,通过这些手段,来达到流量最大化的目的。

基于手机运动传感器数据的交通流拥挤识别

准确的交通流状态识别是智能交通管理与控制的基础.通过所开发的手机端软件从手机中提取车辆的加速度与角加速度数据,在研究了其统计特征后,发现该数据可反应周围车辆对目标车辆运行环境的影响,从而与交通流状态的变化有着密切关系.利用支持向量机学习算法,以加速度与角加速度统计参数作为输入变量识别断面交通流状态.实验结果识别精度最高达到92%,表明加速度和角加速度指标可作为交通流状态的表征参数.该研究采用Lasso模型和最小角回归算法对输入参数进行变量选择,在降低计算成本的同时保证了良好的识别效果.