基于LPR与POI数据的交通小区机动车动态OD提取方法

为弥补现阶段基于车牌识别(License Plate Recognition,LPR)数据进行机动车OD矩阵估计的相关研究中,提取的OD矩阵结果形式较难满足实际应用需求的不足,本文引入兴趣点(Point of Interest,POI)数据构建交通产生吸引定量模型,提出一种将应用LPR数据提取的交叉口节点OD矩阵转化为对应交通小区OD矩阵的规则,实现矩阵转化。对转化后的交通小区OD矩阵随机抽样,应用TransCAD交通规划软件进行交通分配,获取研究范围内路网各路段的模型分配交通流量,引入GEH指标验证该结果与应用LPR数据提取的路段检测流量之间的偏离度。结果表明分配流量与检测流量偏离度较小,验证了转化规则的有效性。

基于集成学习的信号控制交叉口排队长度估计

基于电子警察(LPR)数据和网联车辆轨迹数据,提出了一种基于集成学习的信号控制交叉口排队长度估计方法。通过分析不同数据条件下估计方法的适用条件和精度水平,运用随机森林方法设计集成学习器,并构建电子警察和网联车辆轨迹感知信息及不同方法估计结果和真实排队长度之间的非线性映射关系。仿真结果表明:本方法的平均绝对误差为1.3 m·周期^(-1)·车道^(-1),平均绝对百分比误差为1.4%。