多源数据的交通状态判别及新增车辆拥堵预测

交通状况评价和拥堵预测,是交通管理、调节和诱导的重要依据。通过融合卡口监测数据和出租车为主的浮动车数据,应用数据挖掘的思想构建密度聚类模型,以确定交通状态分类的阈值,从而刻画实际状态;其次建立车辆数-道路流量-道路平均速度关系模型,以预测新增车辆汇入路段后对道路状态的影响。结果表明:多源数据引入交通状态判别后,更有助于精确地划分状态,弥补了单一数据的不足;基于密度的聚类方法,能更有效地刻画不同等级道路的状态。在深圳市的分析验证中结果较可靠,对于助力交通拥堵预判以及缓解、提升智慧交通和智能城市发展意义重大。