基于路网在途车辆数的拥堵指数短期预测

交通拥堵指数是定量评价路网车辆运行状况的指标,准确预测交通拥堵指数的发展趋势是交通工程师关注的重点。为克服天气、节假日等复杂因素对交通高峰时段拥堵指数预测精度的干扰,本文以预测未来2 h范围内每5 min的拥堵指数为目标,首先,利用交通流基本图和交通波理论,从拥堵蔓延角度分析路网在途车辆数与拥堵指数的峰值滞后现象机理;其次,分析路网在途车辆数与拥堵指数的相关性,结合非线性回归方法,构建基于路网在途车辆数的拥堵指数预测模型(NV-NR模型);最后,利用北京市2018年6~9月工作日的数据集进行验证分析。结果表明,NV-NR模型在验证集中预测精度达91.9%;在拥堵指数达到中度拥堵阈值及以上的范围时效果更优,预测精度达93.8%,平均绝对误差为0.412。该方法能够有效预测交通高峰时段的拥堵指数短期变化趋势,为交通拥堵指数预测提供一种新的思路。

基于交通大数据的在途车辆安全防控预警系统

高速公路交通安全管理是高速公路运营管理的重要一环。本文基于交通大数据对在途车辆展开安全风险管理研究,借助大数据技术,充分利用海量门架和收费交易数据,融合视频AI分析、异常事件、道路管控、交通参数等各类数据,对高速在途车辆进行行为分析和监测预警,形成“一车一档”车辆档案库;构建安全风险监测模型,开展多场景安全防控应用,实现七种安全防控场景的有效预警,将交通安全从“事后应急处置”前置到“事先预防预警”,推动高速公路朝更安全更智慧的方向发展。