基于K-means的空中交通流模式识别

空域系统容量与空中交通态势密切相关。对空中交通态势的精确把握可有效降低当前大流量情况下的空域系统压力、提高管制员有效决策水平。提出了一种基于K-means聚类方法的空中交通流识别方法,有助于清晰把握空中交通整体态势。首先分析了空中交通流特性,然后根据雷达数据统计了主要航段在15 min内飞机架次,聚类识别为多种交通流模式,最后通过计算时段内所有飞机在扇区的总飞行时间,验证了该方法的有效性。

基于多维综合交通图谱的高速公路拥堵蔓延消散预测模型研究

随着经济的高速发展,我国高速公路交通量急剧增加,交通出行在时间和空间上的分布不均导致高速公路交通拥堵频发。对于道路管理者而言,简单的新建道路或道路升级改造无法解决高速公路拥堵的难题,需要着眼于对交通出行的合理引导。分析高速公路交通拥堵影响的时空规律,有利于科学引导公众交通出行,进而提升交通系统运行效率,满足交通管理者管理优化需求。因此,提出一种基于多维综合交通图谱的拥堵蔓延消散预测模型。模型通过聚类道路历史交通量数据生成交通图谱,进而识别预测路段的动态交通量,最终基于预测交通量,建立拥堵蔓延消散模型,实现对拥堵蔓延消散过程的定量评估。以北京市京开高速公路玉泉营桥至菜户营南路北向南方向高速公路路段为例,验证拥堵蔓延消散模型的有效性。结果表明:将路段的动态交通量预测结果作为交通波模型的历史交通量输入,可有效预测路段拥堵蔓延传播速度,模型平均预测准确性可达88.04%。该模型可有效应用于交通诱导等交通管制措施,促进道路交通流合理分配。