高速公路新能源汽车碳排放量的测算及空间分布特征

针对高速公路大范围路网中新能源汽车由于能源消耗所产生的间接碳排放量难以统计的问题,提出了一种基于高速公路ETC收费联网数据的新能源汽车碳排放量测算方法。首先,对高速公路新能源汽车车流数据进行清洗与处理;然后,依据高速公路路网门架分布定义并划分路段单元,在此基础上对不同类型的新能源汽车进行能耗分析;最后,建立了新能源汽车运行阶段的碳排放计量模型,并以广东省为例,进行了碳排放量的测算及空间分布特征分析。结果表明:1类纯电动客车为高速公路新能源汽车碳排放的主要来源,其碳排放量占新能源汽车碳排放总量的74.20%,其次是1类纯电动货车,其碳排放量占新能源汽车碳排放总量的14.18%,1类插电式混合动力客车的碳排放量占比为11.62%;新能源汽车碳排放量较高的地市主要集中在珠三角城市群,粤东、粤西、粤北等后发地区的碳排放总量占比不足13%;新能源汽车碳排放量较高的路段主要分布在发达城市的交通枢纽和市内高速环线中,以广州都市圈和深圳都市圈为中心对周边城市高速公路路网产生辐射效应;后发地区由于高速公路路网密度较低且基础设施建设相对滞后,新能源汽车的普及率较低,相应的碳排放量普遍处于较低水平。

基于多源数据的高速公路差异化收费路段识别

在全面推广高速公路差异化收费背景下,针对如何选取差异化收费路段的问题,建立一种基于多源数据的差异化收费路段识别方法.首先,基于高速公路门架数据、收费站出入口流量、普通国省道交通流量自动观测站数据等多源数据,从路段沿线社会经济发展水平、网络化水平、交通运行特征、交通可转移性、交通负荷均衡性5个维度,构建高速公路差异化收费路段识别指标体系.然后,基于k-means聚类和分类回归树算法(Classification and Regression Trees,CART)建立高速公路差异化收费路段识别模型.最后,以云南省130条高速公路路段为例,提取高速公路差异化收费路段细分规则及关键特征指标.研究结果表明:影响高速公路差异化收费路段细分的关键特征指标分别为路段成网率、收费站节点度、出行成本偏差率、路段全天小时拥挤度、可替代路径数量;根据决策树细分规则可将差异化收费路段划分为差异化上浮型、不适合差异化、差异化下浮型3种,符合高速公路实际收费运营情况.

高速公路运营期车辆碳排放量化方法研究

高速公路联网收费数据具有监测设备完善、统计数据精度高及样本量全等特征。基于高速公路联网收费数据,融合车辆燃料类型数据,综合考虑不同车型交通量、不同车型基准能耗值等因素,构建基于路网颗粒度的高速公路碳排放计算方法,并以广东省为例进行实例分析。从总量分布来看,碳排放较高的路段主要出现在珠三角地区及货车比例较高的出省通道上,从单公里碳排放强度来看,碳排放强度较高的路段基本在珠三角和乐广高速。

基于收费数据融合的高速公路车辆行驶路径重构方法

文中提出一种融合收费站交易数据和门架检测数据的高速公路车辆行驶路径重构方法,通过分析车辆出行的平(高)峰时段,采用基于广度优先(BFS)的有效路径搜索算法获取备选路径集,进而对车辆行驶路径进行重构。以某省的高速公路网络为例,采用某工作日的收费系统数据对检测车辆的路径进行重构。结果表明,该方法使数据集中路径完整的出行的占比达到91.08%。

基于K最近邻的高速公路偷逃费事件识别

为解决现有高速公路收费稽查的低效率和高成本等问题,提出一种基于K最近邻算法(k-nearest neighbor,KNN)的偷逃费事件识别模型。首先分析高速公路大车小标逃费行为特性,设计并建立识别与校核算法,从原始收费数据中提取出逃费样本。其次,对原始逃费数据进行预处理后,采用主成分分析法进行特征降维。最后针对逃费数据集不同类别样本数分布的极端不平衡特点,使用过采样方法中的改进的合成少数类过采样算法(borderline2 synthetic minority over-sampling technique,BorderlineSMOTE2)对数据做平衡处理,再通过KNN算法建立逃费行为分类识别模型。最终验证结果表明,所建立的逃费行为识别模型识别精确率为0.75,召回率为0.84,f 1系数为0.79,表明该算法针对逃费行为样本分类识别精度较高,模型性能较好。基于KNN的高速公路车辆偷逃费事件识别模型针对逃费数据的高维不平衡特点建立了相应的处理规则与算法,提高了识别精度,识别结果可助力高速公路收费稽核有效筛查逃费行为,降低通行费损失成本。

基于收费站数据的黑龙江省高速公路网断面交通量分析

道路断面交通量是高速公路交通管理、规划和养护决策的基础数据之一。目前主要是利用设置于道路中的车辆检测系统或采取交通调查方式获得,受限于设置数量,整个高速公路网和不同路段的断面交通量无法详细获取。高速公路收费站数据记录了车辆进出收费站的时间、地点、车型等相关信息,因此可以通过OD矩阵整理算法来获取整个路网的断面交通量。这里以黑龙江省高速公路收费站数据为基础,对黑龙江省路网的断面交通量进行了研究,可以得到不同高速公路的交通量分布状况,同时也可以根据收费站车型对大中型车的断面交通量数据进行分析,为管理部门进行科学决策提供依据。

基于RFE-OPTUNA-XGBoost模型的高速公路逃费模式识别

受经济利益驱动,中国高速公路逃费行为频繁发生。为此,该文选取了2020年某研究区域的脱敏通行数据,通过数据挖掘分析逃费车辆的行为特征,提出一种基于递归特征消除算法和OPTUNA优化框架的极限梯度提升树(recursive feature elimination-OPTINAextreme gradient boosting,RFE-OPTUNA-XGBoost)的逃费模式识别模型,该识别模型准确率达到了0.945,各逃费方式的平均接受者操作特性曲线下面积值(area under curve,AUC)分别为:大车小标0.997、U/J型0.980、假绿通0.969、冲岗0.924。结果证明,基于RFE-OPTUNA-XGBoost的模型对于逃费模式识别的准确程度及各逃费模式的AUC值都更高。综上所述,提出的基于RFE-OPTUNA-XGBoost的高速公路逃费车辆逃费的识别模型能精准识别逃费模式。在实际应用中,对于高速公路管理部门展开稽查工作具有重大现实意义。

基于收费大数据的公路养护隐性知识挖掘

针对高速公路养护管理中决策支持数据不足问题,利用高速公路收费系统收费历史累积数据,采用大数据分析处理技术,研究了高速公路养护专题数据挖掘系统、流程和方法,列举了若干养护管理方面的隐性知识发现结果,并给出了货车轴型分布规律和轴载荷分布模型。

ETC技术在山西省高速公路领域的拓展应用

针对ETC技术在推广过程中暴露的问题,提出ETC+多场景应用的解决思路,详细阐述了ETC技术在山西省高速公路应用领域的拓展研究,研究表明,随着ETC技术在各类涉车应用领域的推广,逐渐能够形成高速城际交通、城市交通以及车生活领域的数据综合平台。各类数据的组合和碰撞能够为高速公路各个领域提供坚实的数据基础,同时也能够为探索和解锁山西交通新产业、新业务领域提供重要的支持。

基于高速公路收费数据的行程时间可靠性模型研究

为出行者提供更及时、准确、可靠的行程时间信息,是提高公众出行满意度的主要途径之一。海量的高速公路联网收费数据中蕴含着大量有价值的信息,当前对海量收费数据的知识挖掘技术研究相对较少。利用高速公路收费数据,分析了路段行程时间概率分布特征,多种分布拟合及分布假设检验结果表明,利用正态分布表征路段行程时间分布是合理,可接受的;建立了基于正态分布的路段行程时间可靠性模型,并给出了模型参数估计方法;进而根据路段行程时间的相关性,建立了路径行程时间可靠性模型;在此基础上,利用概率论的全概率原理和交通分配模型中的Logit路径选择模型,建立的OD对间的行程时间可靠性模型。

高速公路联网收费中的路网模型及数据处理

高速公路联网收费中数据安全和数据的清分是实现联网收费的基础 ,也是当前智能交通领域中十分重要的研究课题。本文通过对数据安全、路网模型、清分算法及数据校验等问题的研究 ,试图解决高速公路联网收费中的几个关键技术问题。通过连接矩阵和规则矩阵对高速公路物理结构和收费规则进行描述 ,提出了一种收费数据清分算法的构造方法 ,并在此基础上实现了比较灵活的收费数据清分和清分数据校验 。

基于收费数据的高速公路实时网络状态估计研究

随着高速公路建设速度的加快,引发了诸如交通安全、交通拥堵、环境污染等一系列衍生问题.高速公路实时网络状态的获知就是减少拥堵延迟、保障高速公路快捷通畅的方法之一,但是由于基础数据获取的渠道还比较单一,因此在高速公路网络状态估计方面还缺乏科学的指导.本文利用高速公路进出口收费站数据,通过统计技术得到路网的OD量,在改进中观交通仿真模型的基础上,采用仿真手段将动态OD进行网络加载,从而产生实时的高速公路全路网无缝覆盖的网络状态估计.通过真实的山东省域高速公路全网络进行例证,结果表明,本文方法可以比较准确地估计出实时的网络状态,可以得到网络中任意路段的交通流速度、密度、流量等信息,可以为高速公路管理部门发布动态诱导信息、规划检测器设置等提供参考和帮助.

高速公路旅行时间的自适应插值卡尔曼滤波预测

为解决高速公路收费站间非平稳交通流状态下因卡尔曼滤波算法自适应性能差而导致的旅行时间预测精度不稳定的问题,提出等间距插值和Sage-Husa自适应卡尔曼滤波相结合的预测算法。融合人工半自动收费和电子不停车收费数据计算平均旅行时间;引入等间距插值方法重构实时与历史旅行时间之间的时间序列;利用最小二乘法原理构建Sage-Husa自适应预测模型;开发旅行时间预测应用系统,实时主动预测高速公路站间旅行时间。在某示范路段的应用表明:在正常、事故、小长假3种交通流状态下,所提方法的所有周期平均相对误差均在7.5%内,事故周期平均相对误差均在10%内.

基于OLAM的高速公路交通量多维预测研究

OLAM是联机分析处理与数据挖掘的有机结合,本文以高速公路收费数据为基础,提出一种基于OLAM实现高速公路交通量多维预测的方法.该方法构建了多维数据雪花模型,建立起收费数据的数据仓库并得到交通量多维统计结果;在构建季节ARIMA预测模型过程中,检测出因节假日、恶劣天气导致的交通量异常值并对模型进行修正;最后利用修正后的模型实现了交通量的预测.与一般季节ARIMA模型相比,修正后模型的白噪声方差和AIC值显著降低,数据拟合程度明显提高.实验结果表明,该方法具有较高的预测精度,其中MAE和MAPE分别为50.43和1.59%,能够满足高速公路管理部门利用收费数据分析、预测交通量时空变化趋势的要求,从而为制定各项政策提供理论依据和决策参考.

基于混合Markov模型的ETC收费数据挖掘研究

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.

基于收费数据的高速公路断面交通量计算

针对高速公路收费数据的封闭特性,提出了一种基于联网收费数据的高速公路断面交通量计算方法.首先,分析历史OD交通量变异系数,建立缺失数据条件下的交通量OD矩阵;然后,通过研究出入口收费站与相邻枢纽连接特性、枢纽之间连接关系,确定路网异常路径识别与筛选原则,并建立交通分配矩阵;最后,基于交通分配矩阵,计算断面交通量,利用联网中心拆账数据及人工调查数据进行验证,并进行精度、成因分析.计算结果表明:该方法计算的断面交通量精度较高,方法有效可行,其成果可以作为高速公路交通管理、交通规划以及经济分析的重要依据.

基于收费数据的高速公路站间旅行时间预测

针对高速公路断面检测数据密度不足现状,采用收费数据预测收费站间车辆旅行时间.研究收费数据实时修正处理方法,改进平均旅行时间计算模型;引入分段线性插值方法构建卡尔曼滤波模型,以减小卡尔曼滤波线性化产生的模型误差问题;依据旅行时间预测业务逻辑开发应用系统,实时主动预测高速公路站间旅行时间.示范路段应用表明,插值后预测算法在正常、事故、小长假3种交通流状态下所有周期平均相对误差控制在10%内,事故周期平均相对误差控制在13%内.插值后算法预测精度有效提高,可为高速公路公众出行提供时间参考.

基于簇形均衡评估的高速公路收费数据聚类

高速公路收费数据是一种高维、海量、分布特征未知的数据集,因此难以选择何种算法和参数最适合此类数据的聚类.针对此问题,提出一种基于簇形均衡的聚类评估指标IBCS,对各簇的形状、分布、密度和尺寸等多种形态进行均衡综合评估.该指标根据数据集稀疏程度自适应调整邻域置信区间来度量簇结构的分散度和分离度;度量密度使得IBCS具有面向数据集的算法选择能力;度量簇大小避免簇划分过于悬殊的问题.UCI数据集上多种候选算法评估比较实验验证了该指标灵活有效,能获得准确簇数并合理划分.最后,基于IBCS评估的西宝高速公路收费数据聚类结果表明,采用K-means算法,簇数为5时聚类模式最佳.

大数据中高速公路旅行时间预测仿真研究

旅行时间预测是智能交通研究中的重要内容,能够形象的反映道路的交通状况。准确的旅行时间预测可以为高速公路管理部门和出行者提供决策支持。而旅行时间预测需要可靠、完善的数据采集系统作为支撑,传统的数据采集方法不但难度大成本高,而且采集的数据量较少,准确度低。而高速公路收费数据准确记录了车辆进出的时间地点等信息,且有足够的数据量。高速公路的旅行时间具有非线性和不确定性的特征,传统的预测模型的预测结果准确性较低。根据旅行时间的这些特征,提出了一种小波神经网络的旅行时间预测模型。仿真结果显示在收费系统的大数据支持下,采用小波神经网络算法的预测结果比传统方法精度有了进一步的提高。

高速公路挖掘数据预处理的研究

将数据挖掘技术应用于高速公路系统中,利用挖掘得到的模式对高速公路管理提供有效支持,数据预处理关系到收费数据的挖掘质量,针对丢卡、坏卡、回头车等存在的问题,对数据预处理进行了改正,并给予算法实现。