基于轨迹数据的快速路交织区拥堵演变特征研究

对快速路交织区拥堵演变过程中宏观交通流参数与交通状态的时变关系进行研究,可以为快速路交织区交通状态判别提供科学依据。利用YOLO算法从高清视频中提取车辆轨迹数据后,利用卡尔曼滤波对原始轨迹数据进行降噪平滑处理;对快速路交织区拥堵演变过程中速度、流量、密度等宏观交通流参数与交通状态进行时变分析,揭示快速路交织区宏观交通流参数在拥堵演变过程中的时变特征。结果表明,在快速路交织区交通状态判别时,融合平均行程速度和交通流密度等指标,可以有效提高交通状态判别精度。

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.

交通事件网络舆情分析方法

交通运输行业关系国计民生,感知民意是政府做好交通治理的必要条件。在互联网时代,通过网络获取并分析交通事件舆情具有样本丰富、信息客观、获取及时等特点。基于微博、微信、新闻客户端等电子信息来源,提取交通事件舆情特征,形成交通事件的网络舆情系统分析方法。包括:获取网络舆情数据并进行文本预处理,构造交通事件舆情主题分类模型,建立评价重要度计算方法,结合舆情生命周期分析舆情演变趋势,建立交通舆情情感库并结合机器学习分析情感状态演化,通过关键词可视化定位舆情事件要点,实现网络舆情信息与可视化分析技术的耦合。该方法文本分类评估结果F值高于80%,情感极性判断准确率高于通用SnowNLP。以上海地铁10号线追尾事件为例进行网络舆情演化特征分析发现:①交通舆情演化迅速,周期较短爆发集中;②情感整体倾向负面;③官方机构及时发声、对事故调查公开透明并采取有效措施是缓解舆情较好手段;④大众对“卡斯柯”和“轻度”这2个词的关注贯穿事件始终。

基于出租车GPS数据的贵阳市交通状态空间自相关分析

城市交通状态具有时空性,自身又具有空间自相关特征。分析城市交通状态空间自相关特性,对交通管制、居民出行行为以及城市道路基础设施建设具有重要意义。基于贵阳市中心城区出租车GPS空间数据库,划分交通小区并计算各交通小区平均行程速度和空间自相关Moran’s I指数,对贵阳市中心城区交通状态的空间自相关性和演化特征进行分析。结果表明:1)全局时空Moran’s I指数形成良好的空间相关性,存在一定的空间聚集性,且随时间的推移空间自相关性呈波动式变化,工作日与休息日分时段时空Moran’s I指数变化态势明显,交通状态表现为时空集聚性强;2)局部时空Moran’s I指数高高聚集与低低聚集模式在空间上维持良好的稳定机制,高高聚集呈现城市外围区域指向性特征,低低聚集呈现城市核心区指向性特征;3)工作日与休息日早晚高峰时段各种类型区分布格局保持高度共轭协同,仅有小部分区域出现异质情况;4)时空Moran’s I指数时空聚集区域在空间上表现出由弱聚集向强聚集,再向弱聚集状态转变。在高峰时段表现为强聚集趋势,在非高峰时段聚集程度较弱。

城市干线道路交通拥挤态势的监测

以城市干线道路交通拥挤态势监测为目的,设计基于定点检测数据的异常监测系统.获取交通流基础数据(流量、速度、占有率)后,使用模糊C-均值聚类算法将定量数据转化为交通定性状态(拥挤或畅通).以此为基础,系统使用时间序列分形分析法确定交通拥挤态势指数;以序列模式相似性度量法和凝聚分层聚类法进行常规运行模式的辨识;并使用基于距离的异常模式变点识别法实时监测交通拥挤态势是否偏离常规运行模式,以此确定系统是否存在异常.以上海南北高架东侧11天的定点检测数据为例进行实证分析,监测得到了9月30日异常模式集中分布在中午12:10-13:20、13:40-14:30和下午17:10-17:15时间段内.

城市干线道路交通“拥挤态势指数”的确定

为对道路交通拥挤随着时间发展演化情况作出准确客观的描述,本文研究了城市干线道路交通'拥挤态势指数'的确定方法.以定点检测数据为基础,从定性和定量两个角度分别定义了5个拥挤指标,并按时间顺序将它们排列成交通拥挤态势描述'时间序列'.在对上述时间序列使用多元统计'降维'后,使用R/S分析法计算各序列的Hurst指数.据此验证多个指标间的时间序列趋势一致性,找到既能从定性角度又能从定量角度进行综合评价的指标作为'拥挤态势指数'.最后,以上海南北高架东侧上11天的定点检测数据为例进行实证分析,确定了因子1作为'拥挤态势指数'.

城市道路交通态势演化研究现状及展望

针对现有城市道路交通态势演化规律对交通管控研究中的数据空间单一、影响要素维度少、趋势特征粒度粗、多层次融合效果差等问题,从交通态势表征及辨识、交通态势演化分析和交通态势影响评估3个方面对国内外研究现状进行总结和分析.研究发现:交通态势表征及辨识分析仍局限于交通状态本身的表征和辨识上,鲜有涉及交通运行状态变化趋势特征的刻画;交通态势演化多基于单一空间进行分析,难以深入挖掘多元空间多交通要素作用下的交通态势演化关联协同机理;多数交通态势影响评估建立在宏观层面基础上,缺乏对同一交通状态不同变化趋势的差异分析,难以实现对交通态势影响的全面评估.基于此提出了城市道路交通态势演化领域未来可能的研究内容.

考虑多车间距的跟驰模型及混合交通流的数值模拟

在OV模型的基础上,考虑了混合车流个体车辆对前方不同感知程度,建立了多车间距跟驰模型,对其稳定性进行了理论分析;在单一车队中混入考虑多车间距跟驰特性的车辆,可以显著提高车流稳定性,改善OV模型的加速度过大等缺点;将模型应用于混合车流的驾驶行为及交通流建模,就不同混合比和交通熵下的混合交通流中高速稳态与低速稳态之间的相互转化进行数值模拟,发现混合交通流中的交通波传递更快,加减速过程缩短,对交通拥堵也有一定的抑制作用,并且随着交通熵的增加,这一作用更加明显。

快速路交通流状态突变边界提取及其演化规律

为解决快速路日益严重的拥堵现象,探讨其交通运行状态及演化规律,确定交通状态判别标准。运用交通仿真平台Vissim软件进行模拟分析,应用谱聚类分析算法精确提取交通状态突变边界,结合尖点突变理论,研究分析不同时间、位置的交通流状态。结果表明:交通流在自由流与拥堵流两种状态之间相互转化时,存在明显的突变现象。

考虑方向准确度的短时交通流预测模型优化研究

文中提出将方向准确度(DA)作为评价指标之一加入综合评价体系,衡量模型预测变化方向的能力.为解决预测模型DA值偏低的问题,提出一种基于交通状态演变惯性改进的双向长短期记忆(IBi-LSTM)神经网络模型:通过添加历史交通流数据的惯性向量,构造包含升降维度的训练集输入矩阵和测试集输入矩阵,使模型具有学习相邻前一时段交通状态变化趋势的能力.经过两个不同数据集上车流量预测实验的双重验证,DA提升百分比可达39%~49%,优化后的DA值可达98%以上.结果表明:IBi-LSTM模型可以继续降低预测误差,同时显著提升模型预测结果变化趋势的准确性.