基于时空权重相关性的交通流大数据预测方法

将分布式增量大数据聚合方法与交通流数据清洗规则相结合,可以为交通流预测分析提供更准确可靠的数据源。通过交通流在路网中的相关性分析,使用多阶路口转弯率构建空间权重矩阵,完成对STARIMA交通流预测模型的改进。实验结果表明,该方法可以在工作效率及准确程度上满足交通流大数据预测的需求,为交通诱导信息发布提供依据。

基于路网相关性的分布式增量交通流大数据预测方法

针对城市道路拥堵问题的日益加剧的问题,智能化城市交通管理平台是缓解拥堵问题的有效方法,利用交通流大数据预测结果进行交通诱导,能够指导用户调整出行方案,有效缓解交通压力。研究了交通流大数据的分布式增量聚合方法,对海量交通流数据进行清洗统计,为交通流预测提供数据基础,基于交通流在路网中上下游路段的相关性分析,利用路口转弯率多阶分配将该相关性量化,构建基于路网相关性的空间权重矩阵,完成对于STARIMA模型的改进。通过应用试验证明,该方法能更准确的进行交通流预测,为交通诱导信息发布提供依据。

基于车辆轨迹大数据的道路网更新方法研究

众源轨迹的泛在、实时特性,使其成为道路信息快速获取与更新的重要途径.针对矢量道路数据的变化检测与更新问题,提出了一种基于车辆轨迹大数据的道路网快速变化发现与更新方法.1)以道路弧段为基本单元构建缓冲区,根据道路变化信息类型及表现形式,运用轨迹运动几何信息(方向、转角)与交通语义信息(速度、流量),对道路变化信息进行检测、分类,确定道路变化类型;2)将道路变化类型推断与增量信息提取相结合,分别运用Delaunay三角网、交通流时间序列分析提取增量信息;3)根据变化类型进行增量信息融合.运用深圳市出租车GPS轨迹数据进行实验分析,结果表明:该方法相比常规方法能正确判断道路变化类型、区分真实变化与语义变化,增量信息精度提高约18%,且适于图层级的批处理快速更新.

大数据环境下企业参与道路桥梁网络资源构建的对策研究

基于大数据技术的发展,构建完善的道路桥梁网络资源体系是适应当前形势发展的必然要求。面对道路桥梁企业岗位的新要求及当前新疫情的影响,我们必须要依托大数据技术构建完善的精品开放网络资源,以此让道桥人才掌握相应的实践技能。论文以大数据环境下企业参与道路桥梁网络资源构建的必要性作为切入点,通过对企业相关岗位的调查,分析企业在参与道路桥梁精品在线网络资源建设所存在的问题,最后提出完善企业参与道桥精品网络资源的具体对策。

基于空间句法的道路可达性和城市交通的相关性研究--以杭州城市为例

通过利用高效实时的交通开源大数据,结合空间句法,以杭州为例分析城市道路可达性与城市交通的特征及相互间的联系。城市道路可达性分异较大,且其与路段车速存在一定的负相关,今后的城市路网建设,不宜片面强调道路可达性的提升,而应从整体出发提升整个路网体系的可达性,同时完善快速路网体系,提升大城市交通运行效率。

基于路网相似性的路段行程时间估计

虽然浮动车GPS数据量很大,但是在某些时段仍然有一些路段缺少实时浮动车数据,从而难以对行程时间进行估计。针对实时浮动车实时数据在估计路段行程时间时存在数据缺失的问题,提出了利用路网间属性和空间结构的相似性,从浮动车历史大数据中提取相似路段之间的时空关联特征,以目标路段与相似路段间的时空关联关系为输入,目标路段行程时间为输出,利用构建的三层神经网络模型进行数据缺失路段的行程时间估计。实验结果表明,路段行程时间估计值的平均绝对百分比误差可达到30%,与Na6ve model(NM)相比具有较好的估计精度,验证了从路网相似角度解决实时数据缺失的可行性。

一种基于路网大数据的高速公路应急处置系统设计方案

文章基于《数字交通“十四五”发展规划》对交通运输应急处置能力建设提出的要求,论述了一种基于路网大数据的高速公路应急处置系统设计方案。该方案通过采用湖屋技术构建高速公路应急处置“数据大脑”,并且将人工智能和数字孪生技术应用于高速公路应急处置的业务场景,形成贯穿事前、事中、事后的应急处置业务闭环。该方案适用于省、市两级高速公路管理部门的应急处置和疏堵保畅工作。

基于交通大数据的车辆行驶路径规划综述

交通大数据的应用和发展为现代车辆路径规划带来了机遇和挑战。因此,了解交通大数据概念、路网匹配、路径规划算法、交通信息预测等方面的研究现状和研究特点,对明确未来路径规划研究方向和发展趋势显得尤为重要。首先介绍交通大数据概念及轨迹数据预处理方法,归纳总结国内外在路网匹配上的各种匹配算法及其优缺点;然后,阐述常用路径规划算法,其中包括传统经典算法与当下流行的智能算法;随后对交通信息预测研究方法和各种预测模型进行简要概括;最后指出车辆路径规划现阶段存在的问题,并展望未来研究方向。

基于空间流量度的城市路网关键节点挖掘方法

针对城市路网关键节点识别与管控问题中传统方法欠考虑结构、流量等多元因素影响,并引入了过多权重参数主观性太强等问题,引入了节点的空间流量度和网络结构流量熵两个新概念,构建了有向含权路网模型,提出了基于空间流量度的城市关键节点识别方法。以北京市四环内路网为例,计算了路网度分布以及速度分布,对比了不同方法的有效性。研究结果表明:方法能够同时识别出流量较大和结构重要的节点;此外,模型参数α增加和β降低有利于提高网络连通性能,但α增加和β降低不利于流量的均衡分布;文中方法和结果可为城市交通规划、设计和管理提供参考,对于缓解拥堵、提高鲁棒性具有重要意义。

基于大数据的城市道路交通优化策略

阐述中小城市道路交通中的问题,基于案例分析,收集交通数据,探讨路网规划、交叉口设计、停车设施的设置,并结合大数据,提出城市道路交通的优化策略。

基于大数据的稀疏路网事故预案系统设计

在互联网高速发展的背景下,各行各业逐步将计算机技术与传统问题模型相结合,切实解决了发展中的诸多痛点问题。基于大数据的稀疏路网事故预案管理信息系统以传统的事故预案系统为模型,结合部分偏远地区路网稀疏的特点,有针对性地提出事故分级标准和预案,探讨应急救援资源配置的目标和模型,借助Visual C++6.0和MySQL数据库软件构建稀疏路网事故预案管理信息系统。该系统一方面提升了稀疏路网的事故救援效率,另一方面也对接了实际救援工作中的自动化智能化需求,为未来研究所提方案的应用提供了新的途径。

基于5G及大数据技术的数字化旅游公路环线规划及管理

以将贵阳打造为世界旅游名城为项目预期目标,通过建设旅游公路环线方式促进城市道路建设与旅游业的高效融合,推动贵阳城市生态文明建设与城乡规划,进而让旅游环线成为贵阳的一张特色名片,提升地区经济发展,助力乡村振兴。

基于K近邻查询的出租车供应量评估方法

随着滴滴、Uber等打车软件的兴起,对于出租车供应量的评估需求也越来越大。出租车的供应量评估综合是考虑不同地区的可用出租车数量和出租车需求,得到整体出租车供应量的分布作为车辆调度的依据,达到提高服务质量的目的。本文定义了出租车/乘客密度的计算公式以及供应量的计算公式,并将它们应用在上海市的路网数据和真实出租车轨迹数据集上,分别求得各个区域可用出租车的密度和乘客的密度,然后得出上海市整体的出租车供应量情况。实验证明了该方法的有效性。

大数据分析在移动通信网络优化中的应用

移动通信网络的优化是提高通信质量和用户体验的关键任务之一。随着移动通信技术的快速发展和用户需求的不断增长,网络优化面临着日益复杂的挑战。通过研究大数据分析在移动通信网络优化中的应用,并对道路测试数据进行矩阵分析,实现了移动网络优化。首先分析了移动通信网络优化的困难和大数据分析在移动网络优化中的应用情况;其次利用矩阵分析技术对网络干扰进行了分析,并制定了基于矩阵分析程序的数据预测方案;最后使用数据集对该方法进行了评估。分析表明,该架构能有效实现对移动通信网络信号强度和信噪比的预测。

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术,随着人工智能的发展,越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强,而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短,首先对路段传输模型(Link Transmission Model, LTM)进行改进,提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型(Data-driven Link Transmission Model, D;LTM),并在此基础上引入时空深度张量神经网络模型(Spatial-temporal Deep Tensor Neural Networks, ST-DTNN)来捕获网络交通流数据中的时间维、空间维和深度维特征信息,形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D;LTM-STDTNN。该混合模型一方面通过D;LTM机理模型来揭示交通流演化的基本规律,发挥其对城市路网交通流状态时空演化过程的精细刻画能力,增强混合模型机理的可解释性;另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力,提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题,具有更细的空间粒度和时间粒度,因此也具有更大的预测难度。实测结果表明:D;LTM-STDTNN混合模型相对于基准模型预测精度更高,且具备模拟演化机理方面的优势,提升了城市路网短时交通流状态预测能力,揭示了路段间的交通流动态演化规律,可为网络交通流模拟推演和主动管控提供了技术支撑。

消费型街道:道路密度与消费活力的微观证据

本文利用大数据挖掘技术、地理信息技术构建上海的网格化数据集,实证检验街区层面的道路密度对消费活力的影响。研究发现,更高的路网密度提升了服务消费的数量、质量和多样性,等级低的路网其密度越高越有利于消费活力的提升,上述效应呈现显著的“中心-外围”特征。机制分析表明,提升道路连通性通过影响人流量增强消费活力,这种机制在等级低、步行友好的道路中更加显著。进一步分析显示,消费活力会资本化到房价和住宅租金中。

融合多源地理大数据的城市街区综合活力评价

随着城市人口、物资、信息流动的日益频繁,城市居民活动特征和生产生活方式更加复杂多变,同时,城市空间无序扩张,发展规划不足,引发了交通堵塞、人口流失、公共空间缺乏等一系列问题,最终引发了城市活力消解难题。因此,如何科学高效地进行城市活力定量分析成为了重点研究问题。本文基于OpenStreetMap、百度地图兴趣点(Point of Interest,POI)、微信宜出行、美团、高德建筑物轮廓等多源地理大数据,从人与空间双重角度,分别对人群活力、活力多样性、活动满意度和空间交互潜能进行量化研究;引入空间权重矩阵,构建了改进的空间优劣解距离法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)综合活力评价模型,实现对南京市中心城区综合活力的评价,最后分析了工作日、周末的街区活力空间分布特征及活力极的异同,并比较了传统的熵值TOPSIS综合活力评价结果,以此探究空间关系对城市街区活力的影响,以求帮助城市规划者系统的认识当前城市活力现状,为城市规划研究提供一种可行性方案。

基于POI数据的城市功能区识别与分布特征研究

以天津市中心城区为研究对象,基于丰富的OSM道路网数据、POI大数据在精细化尺度下进行功能区识别:利用OSM道路网数据生成道路空间将天津市中心城区划分成1960个研究单元,结合权重赋分的POI数据分析其密度分布以及功能区分布特征。研究结果表明:(1)在城市功能密度分布中,除工业功能在中心城区外围有集中分布以外,其他城市功能的分布都呈现出从中心向外围逐渐分散的特征;(2)单一功能区中,商业区和公共管理与公共服务区所占比重较大,其他4个单一功能区所占比重较小;(3)混合功能区中,以商业—公共管理与公共服务为主的混合功能区所占比重最大;(4)将功能区识别结果与高德地图对比分析,发现识别结果准确性较高。