基于收费数据的高速公路交通状态判别方法

目前高速公路交通数据资源未得到充分利用,使得管理和建设成本较高的高速公路联网收费系统只能实现车辆记录、联网收费等初级功能,导致交通数据资源的严重浪费.为此设计了基于高速公路联网收费数据的路段行程时间估计方法,提出以大、小车速度变化情况为基础,采用模糊C-均值聚类方法对高速公路交通状态进行判别,并应用VISSIM软件分别对上述两种方法验证分析.结果表明,路段行程时间估计方法能够获得高质量的路段行程时间数据,同时交通状态判别方法也能够准确判别出道路上所呈现的交通状态,可为历史数据更新提供技术支持,为高速公路交通管理部门提供精确的决策依据.     

基于浮动车数据的区域路网交通状态评价

城市道路拥堵现象已经对公众的生活产生严重影响,如何快速有效地发现并及时处理交通拥堵现象已成为交通发展中的重中之重。浮动车数据作为交通状态检测的新来源,在交通状态检测领域有着广阔的应用前景。通过浮动车数据估算路段最大排队长度,并将其与路段车辆行驶速度、路段行程延误时间作为区域内交通状态评价参数,基于模糊综合评价算法,给出了一种在不同时间段内路段及区域交通状态评价方法。最后通过实际浮动车数据进行实例验证。实验结果表明该算法对于能够较好地检测区域路网交通状态,具有较好的实用性。     

基于集群智能的高速公路交通状态识别算法

针对传统交通状态识别算法仅考虑交通参数个体特征差异而存在识别率较低的问题,引入集群智能概念,提出了既考虑交通参数个体特征差异,又考虑个体参数所蕴含的群体特征差异性的高速公路交通状态识别算法。由于模糊C均值聚类算法(fuzzy C-means algorithm,FCM)在交通状态识别泛化能力上存在收敛缓慢的不足,基于反向学习策略以及鲸鱼优化算法(whale optimization algorithm,WOA),考虑个体交通参数所蕴含的集群行为增强了交通状态初始聚类中心种群的多样性,设计了一种具有良好的全局搜索能力集群智能的高速公路交通状态识别算法,融合了反向学习、WOA和FCM算法,克服了FCM识别算法容易陷入局部最优的局限。实证分析结果表明,所提出的交通状态识别算法具有良好的识别效果,准确率达到92%,且收敛速度较FCM算法更快。     

城市环路交通状态自适应判别方法

针对城市环路交通拥挤问题,提出基于模糊C均值聚类与灰色聚类的交通状态自适应判别算法.首先运用模糊C均值聚类对交通状态边界进行划分,得到各个交通状态的门阀值,进而利用灰色聚类模型对交通状态进行判别,避免聚类方法容易陷入局部最优解的问题,同时减少灰色聚类参数设定的主观性.通过对福州二环路实测交通流数据的计算分析表明,不同路段的交通状态存在显著差异,城市环路交通状态自适应判别方法能够较好地针对不同路段判别交通状态.     

新增车辆通行拥堵预测模型

为对新增车辆的通行拥堵进行预测,首先使用K-Medoids聚类算法将交通流运行状态划分为顺畅、阻滞、拥堵三类,然后引入交通流特征参数构建累积Logistic回归模型量化新增车辆对路段运行状态的影响,最后基于支持向量回归机预测新增车辆通行时间。研究结果表明:当只考虑车流量、限行时段和二者之间的交互作用时,模型预测道路状态的正确率达到82.36%,此时车流量在非限行时段每增加一辆车,发生比从顺畅状态转为非顺畅状态的概率是原来的1.087倍;当考虑车流量、黄牌车比例、限行时段、外地车比例及后两者的交互作用时,模型预测通行时间MSE最小,预测效果最优。     

基于GPS数据的城市常发性拥堵区域识别方法

识别城市交通常发性拥堵区域,能够为交通管理部门和规划部门提供相应的改进建议,对城市道路网络健康运行具有重要作用。城市交通拥堵判别方法存在两个难题:基于传统检测器方法应用的局限性;基于路段级别的方法存在费工费时的地图匹配问题。针对这两个问题,提出基于车辆GPS轨迹数据的网格级别的拥堵判别方法;并利用改进的具有噪声应用的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法识别城市常发性拥堵区域。基于哈尔滨市城市道路网络、出租车和公交车GPS轨迹数据进行算例分析,结果表明,其能够有效判别基于网格的交通拥堵,并成功识别城市常发性拥堵区域。     

一种改进的公路事故多发路段处机动车安全风险评价方法

针对事故多发路段中存在的风险机动车隐患问题,研究并提出一种改进的DBSCAN聚类识别公路事故多发路段办法,而后使用Kprototype算法对事故多发路段进行聚类,分离出道路状况相似路段,继而对同一类事故多发路段中的车辆使用基于重设阈值的累积逻辑回归进行分析,得到进入该类路段车辆的实时风险指数,是一种对进入事故多发路段的车辆进行实时预警的有效方法。结果表明:改进的参数自适应DBSCAN聚类算法用于鉴别事故多发路段,不仅能够实现任意长度且更为集中的事故多发路段提取,而且能够通过事故严重程度加权识别出事故严重程度较高的路段。与累积逻辑回归算法相比,基于重设阈值的累积逻辑回归算法对事故多发路段中车辆事故风险预测准确率能得到显著提高。     

基于快速峰值聚类的高速公路异常事件识别方法

为准确全面感知高速公路交通运行状况,根据高速公路海量收费数据,提出一种高速公路通行异常事件识别的数据挖掘方法。首先,选取贵州省2017年1月的高速公路收费数据,筛选指定的进站、出站数据并去除多余字段,利用车辆进入和驶出收费站时间计算其在该路段的通行时长。然后,使用快速峰值聚类算法对通行时长和车辆总重进行聚类分析,计算数据间欧式距离,将此距离矩阵作为算法输入,计算各数据点的局部密度ρ及与密度更高点的距离δ两项指标;这两项指标均以较高的点为聚类中心,进而对非中心点进行分类及优化,输出聚类结果;聚类结果中除被分为若干类的正常数据外,还存在一些数据点明显异于大部分正常数据的噪声点,即异常数据,对这些异常数据进行具体分析。接着,采用孤立点检测法对筛选出的数据进行清洗处理,提取异常数据,检测出通行时间过长、过短及车辆总重过高、过低等异常事件。最后,将孤立点检测法得到的异常数据与快速峰值聚类算法的异常数据进行对比。研究结果表明:快速峰值聚类识别异常事件的准确率高于孤立点检测法约20%,验证了提出算法的有效性和准确性;提出的算法能有效准确识别收费数据中隐藏的公路拥堵、长时间停留、疑似逃费和网络设备故障等异常事件,进而为高速公路运营服务和管理决策提供数据支持。     

基于GPS浮动车的数字速度模型在城市交通状态演变分析中的应用——以昆明市为例

为分析城市道路交通状态时空演变规律,提出了一种基于GPS浮动车数据的数字速度模型,依据昆明市2010年12月2日1 000辆装有GPS设备的出租车采集的城市交通路网各处样点速度,以60 min为间隔分24个时间段,采用Kriging插值法在ArcGIS Desktop内构建数字速度模型,从时间和空间角度分别分析模型得出,昆明市的交通状况呈现出从早上7:00开始车辆运行速度持续减缓,在早上7:00-9:00时段内形成早高峰,下午17:00-18:00时段形成晚高峰,22:00时之后恢复通畅的运行状态,在空间上,交通状态的演变由城市中心开始出现拥挤并不断地向周围蔓延,数字速度模型能够直观有效地揭示出昆明市交通状态的时空演变规律,为分析研究城市交通状态提供了一种新的方法。     

一种大规模流式数据聚类方法在交通热点分析中的应用

为了提高在大规模流式数据环境下交通热点区域分析的算法效率,提出了一种流式数据两阶段方法;该方法在第一阶段使用基于改进Canopy算法进行粗聚类并产生宏簇,在第二阶段使用K-means算法进行细聚类;并以粗聚类产生的宏簇个数和类簇中心位置为指导产生更加准确的微簇聚类结果。在试验中,使用流式数据两阶段方法对北京市出租车的定位数据进行了聚类分析;并结合热力图和电子地图对聚类结果进行可视化表达,在最终的热力分析结果中可以直观地发现出租车活动较为频繁的热点区域和线路,且与日常出行经验相符合。试验结果表明该算法能够实时地对流式数据进行聚类分析,产生的数据结果可供用户在任意时间窗口范围进行查询分析,有助于为交通活动情况实时分析、交通规划和拥堵治理等方面提供有价值的理论参考依据。     

基于AGNES聚类算法的城市交通运行状态分析研究

为提高道路运行效率、缓解城市交通拥堵,以宿州市城区为研究对象开展了交通运行状态的分析研究。通过GPS系统获得浮动车数据,运用数理统计方法对数据进行修复和预处理;选用路段行程速度和交通流量作为评价参数,构建了路段行程速度计算模型。利用AGNES聚类算法对道路流量和平均车速进行聚类分析,以此对道路交通状态进行等级划分并确定不同等级的区间值。结果表明：宿州市主干路严重拥堵临界值为20 km/h,低于标准值（21 km/h）;同时次干路的中度和重度拥堵阈值也明显低于规范值,原因可能是车道较窄、机非混行。该研究可以为利用交通数据评估城市交通状况提供新方法,可以提高交通管理者对道路结构的认识,对城市道路的规划和设计有一定的参考价值。     

基于改进拉普拉斯中心性的高速路网状态识别方法

为提高高速公路网络运行效率,考虑不同路段对于路网运行状态的时空影响差异性,提出一种高速公路网络交通状态识别方法。定义路网各类型路段为节点及其状态计算方法,建立基于“改进拉普拉斯中心性”和“时空影响因子”的路网状态识别模型。其中,利用皮尔逊相关系数改进拉普拉斯中心性方法以评估节点自身影响,设计时空影响因子评估邻居节点影响;融合节点自身及邻居节点影响,建立节点权重系数模型;在以上基础上建立反映路网交通状态的综合判别模型。以京港澳高速徐水-清苑的高速公路网络为例予以验证,结果表明：在不同交通需求情景下,本方法能有效识别交通状态;对比TPI模型和VHT模型,本方法状态识别精准度均为最优,尤其是在交通需求大的情况下,对比稳定性较强的TPI模型,本方法准确率提升了2.8%,进一步证明了模型的适用性强,能够满足工程实际的需要。     

交叉口交通状态精细化判别方法研究

针对目前交叉口交通状态判别方法不能有效识别溢流、车辆慢行等的问题,提出了一种交叉口交通状态精细化判别方法。首先对交叉口的物理空间组成进行分解,分解为各方向路段和内部冲突区域两部分;其次,利用计算饱和度方法对各方向路段的交通状态进行判别;利用绿灯结束时刻剩余车辆累积车头时距与间隔时间之比对内部冲突区域的交通状态进行判别;最后,采用综合交通状态判别方法实现交叉口交通状态的精细化判别,并利用实际采集的数据对方法进行仿真验证。仿真结果表明:所建立的方法可以更精细的对交叉口交通状态进行判别。     

世界遗产地西湖交通拥挤评价及特征分析

以旅行时间为通用标准,建立基于交通的拥挤指数评价标准,通过对西湖世界遗产地道路旅行时间(即平均行程速度)与道路断面流量测算,分析世界遗产地杭州西湖交通拥挤程度、时空间分布特征及影响因素,并从交通拥堵规律的角度出发,提出相关解决措施.研究表明:(1)西湖五条"传统"拥堵路段在"十一"国庆节假日期间属于中度拥堵至严重拥堵状态,非节假日期间属于轻度拥堵至基本通畅状态,早高峰出现中度拥堵甚至严重拥堵,节假日交通拥挤更显著,与定义的拥挤指数相一致.(2)西湖遗产地在节假日交通拥挤呈现点、线、面的空间分布形式,具有拥挤时间长且明显重合的特征,非节假日呈现点状空间分布形式,时间短暂、集中的特征.(3)交通拥挤问题的本质是交通供需的不平衡,政府应对交通拥堵问题策略在于"治理",合理控制交通准入,加强交通管理.     

基于“两客一危”数据的高速公路服务区路段车辆行驶模式研究

基于"两客一危"数据,以沈海高速公路厦门段为例,通过浮动车的GPS时空图发现高速公路服务区路段车辆行驶特征,同时选取车辆的平均速度、最低速度、速度方差等车辆运行特征指标进行层次聚类,得到服务区路段车辆的行驶模式.研究结果表明,高速公路服务区路段存在3种行驶模式,即进出服务区、正常行驶和交织减速,基本可以代表车辆在服务区路段的实际运行状态.     

基于自反馈模板提取的车辆遥感图像识别

模板提取技术的空白使绝大部分高效的模板匹配算法建立在人工提取模板的基础上,人工提取模板的缺陷必将在识别过程中逐级传播,从而降低图像识别的准确度与稳定性,最终影响到基于遥感图像的交通状态辨识效果.文中针对模板匹配图像识别方法中的模板提取问题,提出了一种基于自反馈模板提取的车辆遥感图像识别方法,并利用数学推导论证了自反馈模板提取方法的正确性,以Matlab软件为平台完成了多个路段车辆高分辨率对地遥感图像的识别和交通流的辨识.对多个路段高分辨率图像识别结果的分析验证了文中方法的可行性和有效性.     

基于C均值聚类算法的交通时段划分方法研究

根据小时交通量实现交通时段的划分不能满足交通需求,对以分钟为单位的车辆数变化特性进行研究成为当务之急。首先确定了合理的数据分析周期为5~10m in。根据C均值聚类算法能根据数据的相似性度量将数据集划分成一定数目的子集,设计了基于C均值聚类算法的交通时段划分法。利用实际数据验证了方法是准确可靠的。     

福州市城市交通违法行为的空间分布规律分析

为辅助治理城市交通违法行为,从源头减少交通事故,以福州市各县市区为研究区,对福州市交通违法数据按照交通违法扣分细则分类;然后,利用最邻近指数技术计算交通违法行为的聚集状态,并利用标准差椭圆、层次聚类和核密度3种算法进行空间热点识别.结果表明:福州市交通违法数据以点形式分布,主要聚集在三环内和福清市;各类交通违法行为均为聚集型分布状态,中心点主要分布于福州市东南方向,福州市交通违法行为未来的高发区可能呈从主城区向东南方向延伸的趋势;市中心被商场和景区包围的八一七北路、东三环快速路与机场高速互通枢纽、连江县104国道东边居民区和学校为3类交通违法高发区域.     

基于个体行为画像的路段拥堵责任划分方法

在学校、医院、商场等公共生活服务场所周边路段上经常发生的交通拥堵具有特殊性:是由特定事件触发特定出行者短时间扎堆聚集所导致的一种特殊类型的交通拥堵,这类拥堵的成因及治理对策具有重要的研究价值.利用自动车辆识别(automatic vehicle identification,AVI)技术对出行者的长、短期交通行为进行重构,探究导致公共生活服务场所周边路段的拥堵原因及拥堵责任划分方法.基于AVI数据建立了个体长、短期交通行为画像方法,通过多层卷积神经网络和层级聚类模型精确定位出导致公共生活服务场所周围路段拥堵的主要责任车辆.针对同一路段上的不同车辆,依据其长、短期出行行为特征,进行个性化精准管理,是在有限资源限制条件下解决公共生活服务场所周边拥堵问题的有效途径.选取安徽宣城市第六中学门前的常发路段拥堵作为研究对象.结果 表明:对于经过案例学校门前路段的所有出行者来说,只需对其中0.5％～0.7％的致堵车辆采取重点管理措施就可以有效缓解学校门前路段的拥堵问题.     

基于交通指数聚类的路网区域动态划分

针对宏观路网区域交通状态预报需要首先产生路网区域的需求,提出了一种新的基于交通指数聚类的路网区域动态划分方法。首先对整个城市路网进行网格化划分,将路段划分为从属于某个网格的子路段;然后,计算每个网格的交通指数,提取网格特征,从而得到样本特征矩阵;接着,利用k-means~(++)聚类算法对样本特征矩阵进行聚类,得到初始聚类标签,并对其中奇异网格的聚类标签加以修正;最后,得到划分后的路网区域。为了验证该方法的性能,利用上海市的GPS数据对上海市进行了路网区域的划分,并与不同聚类方法的结果进行了对比。结果表明,新方法对路网区域划分的精度及稳定性均有所提高。