健康交通评价体系框架研究——美国健康交通实践经验

以我国现有健康交通评价指标体系的回顾为基础,对现有交通评价体系进行简要分析,总结健康交通评价体系存在的问题与不足。通过探索美国构建交通健康工具的相关参与人员、指标文件选择与指标体系构建过程,总结美国健康交通评价指标体系构建路径与方法。依据美国案例为我国现行健康交通评价体系提出一点建议:1.在指标依据方面,建议采取“大数据+指标文件”方法,通过提供数据支持健康交通指标体系;2.在指标体系方面,通过分层级和增加指标要素的方法,构建健康交通评价指标体系;3.在指标赋值方面,通过采用循证策略,保障指标的可行性;4.在公众审查方面,通过多角度考虑、多合作方共同参与的方法,完善健康交通指标体系。

基于门架数据的高速公路运行状态评价研究

高速公路信息化建设日益完善,为了能够更加详尽地掌握高速公路的交通状态,以济青高速为研究对象,通过挖掘门架数据,设计了k均值聚类算法和基于密度的噪声应用空间聚类算法相结合的两阶段聚类方法来识别驶入服务区车辆和异常行驶的车辆,再结合各车型流量占比加权的交通状态指数,从时间和空间维度分析高速公路路段交通状态。研究结果表明,两阶段聚类算法有着很好的识别效果,通过交通状态指标发现在7:00—20:00时段高速公路存在3个交通状态较拥堵的时段,精确地识别出高速公路中交通状态较拥堵的路段,并且发现路段的大车混入率与交通拥堵程度呈现密切的正相关的趋势,最后依据交通状态指数将济青高速路段交通状态划分为4个不同的等级,为交通管理部门提供了路段交通状态评估的技术支持。

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.

基于多元数据的地面区域外牌限行政策效果分析——以上海内环为例

上海市于2021年5月6日新增内环地面道路的外牌限行政策,该文基于交通状态指数数据和停车流水数据,多维度地分析外牌限行对地面道路拥堵和机动车类型结构的影响。研究发现,外牌限行对拥堵的缓解程度和时效是有限的。同时在外牌限行政策的作用下,车辆类型结构发生变化,新能源汽车比重在逐渐增加。

公路隧道入口照明状态对交通安全的影响

为明确公路隧道入口照明状态对交通安全的影响机理,建立隧道入口照明与交通安全的定量关系,以亮度指标为基础构建了隧道入口亮度过渡技术指标,以隧道入口前200 m处与隧道过渡段起点的断面速度差为交通流表征指标,用来间接反映交通安全状态.基于国内10个公路隧道的实测数据,建立了入口亮度过渡技术指标与断面速度差的关系模型.以断面车速差为依据,将隧道入口照明状态对交通安全的影响划分为三个等级,并确定了各等级所对应的亮度过渡技术指标阈值.结果表明:隧道入口照明状态与交通安全紧密相关,所构建的模型可以很好地评价隧道照明状态对交通安全的影响,成功地建立了公路隧道照明检测数据与交通安全的关系,可为公路隧道照明的养护和管理提供科学依据.

城市道路交叉路口的拥堵预测

针对交叉口路段的拥堵特性,基于定性推理的相关方法,从时间的角度,提出了描述城市交叉口进口路段状况的评价指标——稳态评判指数.仿真实验表明,当交叉口交通拥堵与消散的过程被触发时,稳态评判指数会发生定性跃迁,并且每个高峰期的到来都会经历一个"稳态——非稳态——稳态"的过程;由该指标确定的拥堵临界点与由交叉口总排队长度所反映的交叉口拥堵形成及消散时刻基本吻合.

基于地点车速的路段交通拥堵指数计算方法

利用固定检测器提供的地点车速等参数,选用聚类分析方法建立固定检测设备的交通状态判别算法模型,不同类的交通指数对应不同的计算方法,为城市交通拥堵指数准确计算、交通决策、交通诱导等提供依据,有利于缓解城市道路交通拥堵现状。

基于云模型的交通状态评价系统及其应用

为了准确地评价道路交通状况,对道路进行实时监控,以此提高城市道路交通的运行效率,通过分析评价系统的建立原则并选取适当的评价指标,建立了基于云模型的交通状态评价系统。在云模型综合评价过程中以公交车的平均行驶速度、拥挤系数和平均速度梯度等信息作为评价体系的评价指标,利用黄金分割率法构造隶属度函数,实现定量变量到定性变量的转换,根据最大隶属度的加权值得出道路相应的交通状态评价结果。最后,以公交电子站牌为媒介,借助网站设计平台实现了道路交通状态的动态系统演示,佐证了云模型综合评价法的正确性和适用性,运用一个实例有效地评价了道路交通拥堵。

基于模糊综合层次分析法的道路交通运行状态判别

交通流的复杂特性决定了交通状态的判别存在一定的模糊性.提出了一种模糊综合层次分析判别方法,将时间占有率、平均速度、车辆平均延误、饱和度及平均最大排队长度作为评价指标,提出各评价指标隶属度函数,确定各指标权重系数,建立模糊综合判别模型.采用VISSIM仿真软件模拟典型交叉口运行情况,结果表明这种模糊综合判别模型贴切地反映了道路的交通运行状况,具有一定的准确性和稳定性,是分析交通状态的一种有效方法.

综合交通枢纽客流状态智能分析

综合交通枢纽每日承载着几十万客流量,为了满足日益发展的综合交通枢纽内的指挥、运营管理及预警预案的需求,对枢纽内的客流运行状态的判别就显得尤其重要。提出了一种新的评判客流运行状态的指标——客流拥挤指数,基于枢纽内行人密度和单位宽度流率等反映枢纽客流状况的特性指标,建立了枢纽内客流状态综合模糊评价模型,并从中获取了客流拥挤指数。通过对实际交通枢纽内的客流状态仿真分析得出,所采用的模糊评价模型所得到的客流拥挤指数较好地反映了枢纽内的真实的客流状态,与实际状况的契合度很高。所提出的枢纽内客流状态评价指标简洁明了,能为枢纽交通管理者和出行者提供有价值的参考。

基于定点检测器的路段交通状态实时评价方法

为提高交通状态判别的准确性和实用性,提出一种基于定点检测器的城市交通状态实时评判方法.考虑地磁感应线圈检测器的布设与数据采集方法,采用阈值筛选和缺失数据补偿方法对检测数据进行预处理,建立交通流平均速度和平均时间占有率的拥堵指数隶属度函数,提出了融合速度指数和占有率指数的拥堵评价指数模型.最后以烟台市二马路采集的数据对模型的实用性进行验证.实验结果表明,所建立模型可以精确、有效地对交通状态进行判别.

基于上海市道路交通状态指数的交通拥堵简析

近年来,城市道路交通决策管理科学化、精细化、信息化需求十分迫切。如何打破仅用红、黄、绿三色定性描述道路交通运行状态的传统模式,采用精确数值对道路交通拥堵定量分析,为政府决策管理提供科学依据,成为智能交通系统的发展必然。基于上海市交通信息化的建设成就和数据基础,2011年上海市道路交通状态指数应运而生,并得到长足发展。依托上海市科委《道路交通状态指数及示范应用关键技术研究》(编号:11231202800)和《大数据环境下的道路交通预测技术及应用研究》(编号:14QB1403700)课题研究成果,简单介绍了道路交通指数的必要性、上海市道路交通状态指数定义模型,并对2014~2016年上海市中心城区快速路网和地面道路网拥堵现状与发展趋势进行分析和评价。

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型。模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成。该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预测上表现较好,预测精度达到90.2%,比决策树模型精度提高了12.4%,比自回归模型精度提高了5.6%。

基于交通指数的上海市地面区域拥堵特征分析

为了更加准确地描述城市交通拥堵问题,以道路交通指数为基础,以拥堵概率、拥堵时间点、累计拥堵时长等为具体评价指标,对上海市中心城地面区域以及常发性拥堵区域的交通拥堵状况进行定量描述,并将道路交通指数应用于2018年道路设施综合交通补短板项目。分析结果表明:近五年中心城地面常发性拥堵区域在2016年交通大整治时期的交通状况最好,但2017年随之反弹成为五年内拥堵峰值。经各方努力,2018年的交通状况逐渐接近于2016年的良好水平。

基于拥堵指数的上海市交通运行影响因素分析

上海市道路交通拥堵指数已广泛应用于日常交通运行情况监测及运行特征分析中,为更好地利用数据为交通决策服务,以拥堵指数作为分析依据,不仅关注近5年中心城道路交通运行特征的变化情况,还重点挖掘可能造成运行情况变化的相关影响因素,并将其划分为时间周期性因素、区域性因素以及短时或突发性因素,采用拥堵指数量化分析其影响程度。通过数据积累及研究,发掘交通运行的规律化特征,从而为今后的特征研判及管理工作提供重要的数据支撑。

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明:基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数(变异系数)均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。

数据融合技术在交通状态评价中的应用研究

本文基于浮动车和固定检测器技术采集数据的特点,研究了两种数据源的融合问题,利用动量法改进的BP神经网络构建了基于道路交通状态指数的数据融合模型。通过仿真实验,验证了融合模型的有效性。

城市道路交通流运行状态评价应用研究

针对当前城市路段交通流状态评价方法以及交通拥堵态势预测效果不佳的问题,对2018年“深圳杯”数学建模挑战赛D题解决方案中定义的路段消散指数进行改进,在城市路网中将其作为统一描述交通流状态的指标,自适应计算消散指数阈值评价交通流运行状态.并以路段为单位,基于动态贝叶斯网络预测路段的短时交通流状态,采用时空耗散BP神经网络模型对短时车流量进行预测.本文是2018年“深圳杯”数学建模挑战赛D题的后续研究成果,在实验城市贵阳市的中环路进行成果应用,对中环路的交通流运行状态进行评价监测.

基于深度学习LSTM对交通流状态的预测

当今道路交通状态对城市管理和人们出行愈加重要,影响着人类生活的方方面面.以深圳交通为研究对象,由基础车辆数据和道路坐标构建了路网系统,从车辆速度和密度两个方面导出了交通流状态评价指数TSI.利用深度学习长短期记忆神经网络(LSTM)对车辆速度和密度两个指标进行预测,并通过对比极限学习机(ELM),时间序列(ARMA)和BP神经网络,进行仿真实验,结果表明相对于传统预测模型,所采用的LSTM网络具有更优的预测精确度和对远期预测的稳定性.最后利用预测结果计算出更能直观反映出道路交通拥堵情况的TSI指数,为人们提供了准确的交通状态预测.

国有收费公路企业全要素生产率测度及提升路径研究

近年来,收费公路行业绩效问题愈发凸显,但针对政府还贷公路运营载体的国有收费公路企业的研究却相对匮乏。为此,以2000~2019年21家国有收费公路企业的面板数据为研究样本,基于半参数估计法及Sequential-Malmquist指数法对国有收费公路企业全要素生产率(TFP)及其变动的内在结构性因素进行实证测度,得到如下结论:①国有收费公路企业TFP长期处于较低水平,非生产性投入不但未对企业自身发展起到积极作用,反而抑制了资本和劳动投入对产出的贡献。②国有收费公路企业TFP增长缓慢,技术进步和技术效率变化是影响TFP变动的主要因素。集团化改制虽然可以带来短期的技术进步,但对企业TFP持续增长的贡献程度有限。③国有收费公路企业TFP呈东、西、中递减的态势。中部省份企业TFP呈现出显著的追赶效应,其主要源自于技术进步和技术效率提升。东西部省份企业TFP的提升则主要依赖技术进步。基于实证结果的分析表明:转变行业传统发展观念,激发技术进步内生动力,促进管理体制根本变革,推动企业市场化改革以及加快投融资体制改革是国有收费公路企业TFP提升的主要路径;提升路径的实现有赖于地方政府、交通主管部门及国有收费公路企业的长期协同合作。