基于Spark模型的路段行车时间计算方法

近年来,高清摄像头广泛应用于城市交通系统,产生了大量交通卡口过车数据集。该数据集为路段行车时间计算提供了一个良好的数据源。但是,由于该数据集规模较大,现有算法通常采用MapReduce大数据并行模型进行计算以提高效率。然而,现有基于MapReduce模型的路段行车时间计算方法采用两作业迭代完成,两作业之间存在涉及大规模磁盘数据存储,额外消耗了时间,导致性能下降。为此,文章提出一种基于Spark大数据模型的路段行车时间Spark-CoRLTT计算方法,该方法通过1次作业完成计算,避免了额外磁盘数据存储,节约了计算时间。实验证明,文章提出的算法在数据规模较大的情况下,计算性能显著提升。

随机路网的行程时间可靠性

分析了随机路网中行程时间的随机变动 ,并重新定义了行程时间可靠性。将OD交通量和路段通行能力作为离散随机变量 ,基于用户平衡分配模型 ,用近似算法求解行程时间可靠性。

城市路网路段行程时间预测研究综述

交通诱导系统是已被证明的可提高道路通行能力的有效手段。交通诱导可归结为寻找赋权有向图最短路径问题,而所赋权值为路段行程时间,因此,路段行程时间是交通诱导系统重要的基础数据,准确预测路段行程时间对提高诱导系统,缓解城市交通拥堵具有重要的现实意义。对路段行程时间预测方法进行了综述性的分析和讨论,从行程时间预测所用特征和方法角度对现有方法进行介绍和分析,最后对未来可能的发展和研究问题提出了一些预测性意见。

城市道路路段旅行时间的特性分析

了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明:(1)平均路段旅行时间能够判断上述三个状态;(2)在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;(3)路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间.

基于信号控制的城市路网旅行时间计算模型

交通控制信号对交通流的影响是干扰实时交通数据计算准确性的重要因素。为此,提出一种基于信号控制的城市路网旅行时间计算模型。将城市道路的旅行时间分为2个部分,即路链有效旅行时间和路口延误时间,设计改进的信号控制延误模型用于计算路口延误时长,并给出路链合并算法。实验结果表明,该模型起点到终点的旅行时间误差率能降低5%~15%。

冰雪条件下城市道路路段行程时间模型

为研究如何准确地预测冰雪条件下城市道路路段行程时间,建立冰雪条件下路段行程时间模型。在美国联邦公路局路段行程时间模型的基础上,分别引入冰雪条件下自由行程时间及路段通行能力修正函数,构建基于冰雪条件下的ISB-BPR函数。通过大量实地调查对修正函数及BPR参数进行标定。实例验证结果表明,该函数能够较为准确地预测冰雪条件下城市路段行程时间。

基于少量探测车的城市路段平均行程时间估计

与传统的固定式采集系统(感应线圈等)比较,探测车系统具有直接采集行程时间、时空覆盖范围广等优点。研究少量探测车情况下的路段行程时间估计问题对降低探测车系统的运营费用具有重要意义。在发现停车组和非停车组的行程时间均值、非停车组所占百分比等3个参数之间关联关系的基础上,提出了在极小样本情况下估计城市路段平均行程时间的方法。基于微观交通仿真的比较分析显示,该方法优于通过样本均值估计平均路段行程时间的方法,特别是当交通状况处于拥挤情况下其优势更为明显。

基于TransCAD的城市道路阻抗模型研究

城市道路阻抗模型是交通分析软件系统的重要组成部分,其合理与否直接关系到预测结果的科学性。针对我国城市道路混合交通流的特点,结合深圳市城市道路交通流调查和交叉口延误调查结果,建立行程时间的分段模型,可使交通预测的结果更加科学合理。

基于浮动车的城市道路行程时间预测算法研究

装载GPS的浮动车在社会交通流中比重越来越高,已成为主要的行程时间采集手段。研究了基于浮动车的城市道路路段行程时间预测算法,输入数据包括静态空间属性数据、行程时间历史备份数据和基于GPS采集的动态交通行程时间数据,并以5 min为预测间隔进行20 min短时行程时间预测。最后经2.1 km含3个交叉口的路段预测验证,表明该算法单方向单次最大误差23.0%;经过滚动预测,单方向平均绝对误差为5%~6%,精度满足用于城市道路路段的信息发布要求。

城市道路网络交通状态时空演化量化分析

为了使对城市道路网络交通状态的分析不至陷入交叉口或路段内部的交通状态分析,需从中观或宏观的角度去分析交通状态。本文在探讨路网状态特征参数的基础上,定义了"路段拥挤度"指标,通过建立城市交通网络模型,并基于浮动车(GPS)采集数据设计了路网交通拥堵时空演化量化分析的流程,采用"路段拥堵持续时间""区域行程时间延误""区域拥堵路段数量"三个时空参数对路网交通拥堵状态的时空演化进行了量化研究。最后结合上海市浮动车数据与实际交通网络,得出了交通拥堵的延误时间和空间范围与拥堵程度大小的关系等结论。