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.     

考虑空间异质性的短距离出行方式选择研究

促进城市居民短距离出行方式由机动车向慢行交通转移,对缓解机动化出行造成的交通拥堵和环境污染至关重要。基于昆明市居民出行调查数据和建成环境数据,利用地理加权逻辑回归模型探究了出行者社会经济-人口属性、出行属性与建成环境对短距离出行中小汽车和慢行交通方式选择的影响。研究表明：地理加权逻辑回归模型拟合结果优于全局回归逻辑模型。交叉口密度、道路网密度、人口密度、总POI密度、离退休人员和通勤出行在总体上对短距离出行中的小汽车使用起到负向影响,到CBD距离在总体上起到正向影响,但这些变量的影响具有显著的空间异质性,在不同区域表现出相反的作用。此外,男性、个体经营者、30岁以下、大专及以上、家庭收入越高的群体更倾向于在短距离出行中使用小汽车,而购物和娱乐出行更倾向采用慢行交通方式。     

共享单车出行空间异质性特征及驱动因素研究

为实现基于轨迹数据挖掘的共享单车出行空间异质性特征及其驱动因素评估,本文应用核密度分析和热点探测,获取采样分析区域并以热力值表征共享单车出行发生量,减少尺度效应的干扰;引入空间统计学的半变异函数模拟共享单车出行发生量的结构性和随机性变化规律,挖掘空间异质性特征,确定邻域效应的尺度范围;利用空间序列的斜率表征变化趋势,同时,结合改进的空间滞后和残差模型,区分土地利用、邻域效应和其他建成环境各自对共享单车出行空间异质性特征的驱动力。以北京市为案例进行分析,结果表明：北京市的共享单车出行存在中等的、正的空间自相关性,空间异质性特征的最佳拟合模型为指数模型;空间自相关性的衰减半径为1860 m,大于此距离时邻域效应消失;建成环境对空间异质性特征的相对驱动力最大,邻域效应对其的相对驱动力则处于中间水平,而土地利用对其的相对驱动力最小。     

城市交通空间需求与交通网络双均衡研究

从交通空间需求人手,运用均衡原理建立交通空间需求与交通网络二者的耦合关系模型,提出了一套城市交通空间需求与交通网络一体化均衡配置方法.该方法能够同时实现交通需求与交通网络的供需均衡以及交通网络自身的用户均衡,对于城市土地利用与交通系统的一体化规划以及城市规划与交通规划的结合具有重要的借鉴作用.     

城市交通空间需求与交通网络双均衡研究

从交通空间需求入手,运用均衡原理建立交通空间需求与交通网络二者的耦合关系模型,提出了一套城市交通空间需求与交通网络一体化均衡配置方法。该方法能够同时实现交通需求与交通网络的供需均衡以及交通网络自身的用户均衡,对于城市土地利用与交通系统的一体化规划以及城市规划与交通规划的结合具有重要的借鉴作用。     

西安城市交通引导城市空间发展的措施研究

西安市第四次城市总体规划明确了城市向外围拓展的空间发展目标,作为城市发展的引导条件,城市交通系统急需调整和完善。本文针对西安城市的特点,提出了以提高交通可达性为主要目的的城市交通改善措施,具有一定的实用价值和借鉴意义。     

大跨度曲线梁桥状态空间法分析

介绍状态空间法的基本理论、计算动力响应迭代格式和状态转换矩阵的算法。在有限单元法和状态空间法理论的基础上用MATLAB-SIMULINK仿真分析高架曲线长桥的地震反应,并和ANSYS软件分析结果进行对比验证。     

城市交通拥挤收费的经济学分析

利用微观经济学的概念与原理分析了道路交通的一般经济学特点。道路空间为准公用物品,用户出行对道路空间资源的利用具有出行决策个体化,出行成本非独立性和出行存在外部效果等重要特征。     

基于可拓决策理论的城市交通状态识别研究

针对交通状态识别问题,提出了基于可拓决策理论的解决方法,选择适当的交通流特征因素,建立了待识别交通模式的经典域物元及节域物元模型,并从交通流参数的测量值标准化和交通状态的不确定性特点出发,采用隶属度的表示方法来对所选择的特征参数加以映射,应用各特征参数对于4种模式的隶属度来确定经典域及节域的具体区间,通过建立关联函数计算关联度得到定量的交通模式评价结果.     

交通地理信息空间分析

基于地理信息系统(GIS)和交通地理信息系统(GIS—T)技术与方法，针对交通网自身及其地理背景要素，结合实验(应用：MapInfo平台和成都市区域的相关数据、信息)，重点对交通网的主要空间(图形)特征分析、交通网地理背景信息分析以及分析技术(方法)等问题进行了研究．研究和实验证明：与传统方法相比，基于GIS的交通地理信息空间分析技术与方法具有及时、高效、准确和集成等优越性．     

A Model of Federated Evidence Fusion for Real-time Urban Traffic State Estimation

In order to make full use of heterogeneous multi-sensor data to serve urban intelligent transportation systems, a real-time urban traffic state fusion model was proposed, named federated evidence fusion model. The model improves conventional D-S evidence theory in temporal domain, such that it can satisfy the requirement of real-time processing and utilize traffic detection information more efficaciously. The model frame and computational procedures are given. In addition, a generalized reliability weight matrix of evidence is also presented to increase the accuracy of estimation. After that, a simulation test is presented to explain the advantage of the proposed method in comparison with conventional D-S evidence theory. Besides, the validity of the model is proven by the use of the data of loop detectors and GPS probe vehicles collected from an urban link in Shanghai. Results of the experiment show that the proposed approach can well embody and track traffic state at character level in real-time conditions.     

Research and Analysis on Causality and Spatial-Temporal Evolution of Urban Traffic Congestions—A Case Study on Shenzhen of China

Traffic congestion is a widely existed social economy problem in metropolitans, which brings huge cost to many cities and urban areas. The direct reasons for traffic congestion are the rapid increasing number of automobiles, and comparable insufficient of transportation facilities, however different cities and regions may have their particular characteristics. This paper investigated the inherent principles of spatial-temporal evolution of traffic congestion based on Shenzhen floating car data (FCD) and geo-simulation platform. GIS technologies were used to match the congestion state along the road network, so that the evolution pattern of congestions could be analyzed. Moreover, a correlation algorithm was proposed to measure the similarity of congestion patterns among different links quantitatively, which assists to analyze and disclosure the principles of congestion evolution, and thus to provide guidelines for congestion mitigation. The algorithm can be implementated to integrate the surveilance of traffic congestion with urban planning and management, so as to improve the efficiency of entire transportation system.     

����IFS��ͨ״̬������Ϣһ�����ں�

针对多源交通信息具有模糊性和时变性的特点,引入直觉模糊集理论(IFS),建立多源交通信息一致性融合算法,融合传感器检测信息与人工信息对交通状态进行实时判别.为了解决IFS中非隶属度函数难以确定的问题,借鉴隶属度函数的构造方法,通过建立双隶属度函数构造直觉模糊数.并以直觉模糊数中的隶属度、非隶属度建立支持度函数,量化决策信息的一致性程度,决策信息的支持度越高集成权重越大,并且权值随决策信息的变化而动态更新.最后给出交通状态决策信息融合算法的具体步骤,并通过算例证明算法是有效的.     

���dz��ж³���Ϣ�ij��⳵����ϵͳ

在目前的出租车调度系统中,调度的出租车可能需要经过城市堵车区域,不能及时为乘客提供服务,本文对城市道路堵车对出租车调度的影响进行研究.根据出租车自动上传的城市道路堵车信息,建立出租车通过堵车区域的损耗方程,结合城市各道路交叉路口之间的距离,采用Dijkstra算法对最佳调度路径进行求解.实验仿真结果给出了发生堵车时,不同单位额外损耗(β)情况下对应的调度路程、路径和规避堵车区域发生的时间.最后与未考虑城市道路堵车的调度系统进行比较.比较结果表明,通过设置合理的β值,系统可根据堵车严重程度,合理规划出租车路径,规避堵车较严重区域.     

面向诱导的交通状态概率预报技术

为了获取准确客观的交通流运行状态信息,满足交通诱导的需求,综合考虑城市道路中交通流演变的随机性和复杂性,以及实时交通状态判别本身具有的不确定性,通过分析交通状态和影响因素之间的映射关系,提出了一种交通状态概率预报的Logistic回归模型. 该模型借助Logistic回归方法探讨交通状态和交通参数之间的函数关系,并对下一时段交通状态及其发生的概率进行预报. 最后结合实际数据,进行了不同预报时长的分级交通状态的概率预报实验,独立样本检验结果表明,该模型预报准确率高,稳定性好.     

未来城市交通及其对未来城市发展影响

物联网、大数据、人工智能快速推进交通的智能化发展. 新技术、新理念快速改变着人民的出行行为、交通模式和交通形态. 交通技术的发展对交通方式、效率、安全性及供需关系产生着重要影响. 本次论坛以“未来城市交通及其对未来城市发展影响”为主题,介绍了未来交通科技及发展,说明了大数据和云计算等对提高交通规划与管理水平与搭建城市交通智能治理平台的巨大支持作用,探讨了未来运输服务高品质需求的内涵,提出了提升运输服务品质的主要方向,介绍了基于社会学与人因工程学道路安全研究方法及其进展.     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.