基于FFCM聚类的城市交通拥堵判别研究

对城市道路交通拥堵状态判别的问题,提出了一种硬C-均值(HCM)聚类与模糊C-均值(FCM)聚类相结合的快速模糊C-均值聚类(FFCM)算法。用硬聚类的结果对模糊聚类初始值的选取进行指导,以加速算法的收敛过程。将该算法用于城市交通流数据的聚类分析结果表明,该算法能够快速而有效地对城市交通流状况进行判别,为动态交通拥堵预警和交通疏导策略的制定提供依据。

增量式贝叶斯分类器在交通拥堵判别中的应用

为有效发现道路交通拥堵状态,提出基于增量式贝叶斯分类器的交通拥堵判别方法.该方法把交通拥堵是否发生看成是特殊的分类问题,选取增量式贝叶斯分类器,根据以往是否发生交通拥堵的检测数据,即分别把在发生交通拥堵和不发生交通拥堵两种情况下的交通参数作为特征参数对其进行训练,然后用得到的分类器对检测到的交通参数进行分类,判别是否发生交通拥堵.微观交通仿真数据表明该方法的可行性和有效性.

交通拥堵判别方法研究综述

交通拥堵是诸多交通问题中出现最多、范围最广、影响最大的问题,解决此问题的关键是对交通拥堵的判别与分析。文章从传统交通流理论与机器学习两方面综述了交通拥堵判别的方法,前者通过指标、宏观基本图、元胞自动机、元胞传输以及双流模型等模型,运用物理学与数学的理论描述交通行为特性,模型合理简单、有明确的物理意义,但限制条件较多;后者通过概率图模型、机器学习模型,建立的模型实用准确、不受固定结构约束。文中结合具体的模型方法探讨了不同拥堵判别方法的研究思路、解决方案以及存在问题,对现有的传统交通流理论方法和机器学习方法进行总结,并指出未来的发展方向。

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明:美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。

城市交通拥堵自动判别方法研究

利用检测器所提供的车流量、车速和占有率等相关信息,本文提出了基于LVQ神经网络的交通拥挤自动判别方法.该方法能够在确认交通拥挤出现的同时,根据拥挤状态下交通流特性的差异,判别交通拥挤的类型,为交通拥挤的及时疏散提供准确的道路信息。仿真结果表明,该算法比传统的检测方法具有更高的检测率和较低的误报率,能够对道路交通状况进行自动检测,具有一定的现实意义。

基于车载电子标签的交通拥堵状态判别设计

提出一种基于车载电子标签的交通状态判别方法;该判别方法通过在路段安装背靠背式接收机避免反向车道车辆干扰,采用有源主动电子标签扩大读写范围与精度,利用扫描区间内获得的电子标签数量、更新比率、停留时间等信息,配合交叉口信号灯状态,构建控制系统与车载电子标签的联动体系,进行交通状态,尤其是拥堵状态的判别;经VISSIM交通仿真软件的二次开发,模拟车载电子标签环境,仿真试验验证该方法可有效判别交通状态,判别的平均准确度在85%以上。

基于群智感知判别交通拥堵的研究

智能交通系统以及应用的研究吸引了学术上和工业上的科研工作者们越来越多的关注,广泛利用传感器和通信技术帮助交通管理部门和驾驶员获取信息作出决策和安全舒适的驾驶体验。文章主要阐述以群智感知方式利用智能手机与车载电脑(OBD)互联获取车辆行驶信息和位置信息等数据判别交通拥堵情况的方法。

城市道路交通拥堵判别、疏导与仿真模拟研究

城市道路交通拥堵问题是影响城市交通可持续发展的一大难题。城市道路交通拥堵会引起交通延误、经济损失以及空气污染等问题。城市道路交通拥堵的判别与疏导对提高整个交通系统的可持续性发展至关重要。针对当前城市道路交通拥堵判别方法以及其适应性进行了研究,并提出了相应的交通疏导方法,结合交通仿真研究,为城市道路交通服务水平的提高提出了见解。

基于速度特性的城市快速路常发性交通拥堵研究

基于城市快速路浮动车技术,获取北京市快速路瓶颈路段全天交通流运行速度时间序列数据,对快速路常发性交通拥堵形成及消散进行精细化定量分析。首先应用小波分析技术对数据进行降噪处理,依据速度变化特性将快速路瓶颈处交通流运行状态划分为稳定运行态、拥堵形成态、拥堵态及拥堵消散态4种状态,并分析不同状态下的速度表现特征。研究表明,应用速度变化量可以判别交通流所处状态,而后利用统计学方法给出不同状态之间变化的判断阈值,并归纳出快速路常发性交通拥堵形成时刻、消散时刻及持续时间的判别方法。该方法对拥堵特性判别精度可达80%以上,对交通拥堵预测及交通管理具有明显实际应用价值。

基于改进模糊C均值聚类算法的城市道路状态判别方法

针对传统模糊C均值(fuzzy C-means,FCM)算法与阈值法两种交通流状态判别方法在适用性上的不足,通过分析交通流数据的分布特征,以各状态数据的离散性变化差异作为参考进行状态的划分,在FCM算法的基础上加入历史先验数据与后验概率进行初始聚类中心的优化;并将传统欧氏距离替换为对多维度数据之间变化关系与空间分布更加敏感的马氏距离进行算法改良,使交通状态判别结果更加接近实际交通运行状况;并用实验数据进行算法验证,验证了方法的稳定性与结果的有效性,判别结果与数据表现也更加接近。

基于数据挖掘的城市快速路拥堵关联特征分析——以上海市为例

以上海市南北高架与内环高架快速路线圈检测数据为数据支撑,基于关联规则挖掘理论,设计事务内与跨事务两种类型的交通拥堵关联规则的挖掘方法,并利用统计学方法得到的断面拥堵相关性计算结果进行关联规则筛选,挖掘出断面拥堵之间的强关联规则;最后,对断面拥堵关联规则之间的时空特征与网络特征进行了分析。