基于FCM城市区域道路交通状态时空分层判别方法*

为了解决城市区域路网交通状态的时空分析问题,提出了一种基于模糊C均值聚类(FCM)道路交通状态判别模型及分析方法。通过路网的空间单元交通状态的定量分析和对大量的历史数据进行FCM分析,挖掘出各空间单元的各类交通状态的聚类中心,并将实时采集的交通数据与聚类中心进行匹配,评判其实时交通状态,最后根据空间单元在路网空间分布,获得各状态下点、线、面的空间分层分析结果。实例结果表明,判别方法能准确地实现区域路网的交通状态时空判别,为交通精细化管理提供辅助决策信息。     

集成VISSIM、C#和MATLAB的交通状态监测平台设计

针对VSSM软件不能实时直观显示路网的运行状态及过程数据I,I并且不具备编程功能,无法实现用户多I样I的自适应控制算法,本文利用C#语言可操作性强、程序可读性好、软件开发效率高等优点,对VSSM软件进行了二次开发,开发了集成VSSM、C#和MATLAB的交通状态监测平台,该平台同时利用MATLAB软件强大的工程计算及数值分析功能和C#语言图形用户界面编程优势,实现了交通控制仿真过程中数据的可视化和自适应控制功能,借助该平台能够对城市路网自适应控制算法进行验证和交通状态的实时监测。最后在现场对平台的功能进行测试,分别采用定时控制与模糊控制算法进行仿真实验,验证了交通状态监测平台的各项功能。     

基于生成对抗网络的大规模路网交通流预测算法

对大规模路网交通流进行准确预测,能够应用于区域交通协同控制与管理,提高路网运行效率.针对如何高精度地拟合大规模路网交通流时空分布并对其进行准确预测,提出基于梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)的大规模路网交通流预测算法.根据大规模路网交通流数据特点,为了增加模型对时间相关性和远距离空间相关性特征的抽象能力,采用残差U型网络作为生成器来增加网络深度;采用多重判别器分别从时间和空间特征来对生成数据进行判别,从而提高判别器的判别能力.所提算法能够解决判别型深度学习模型仅能针对路网整体误差最小化,而忽略各交通流观测点预测误差最小化原则的问题,能够更好地满足现实交通场景需求.实验结果表明,所提算法能够有效地学习路网交通流数据内部多因素耦合特性,具有更高的预测精度.     

基于时空注意力网络的动态高速路网交通速度预测

交通速度是影响高速路网通行效率和安全的重要指标,精准预测高速路网交通速度可以减少交通事故和通行时间,预先为交通控制提供有价值的参考信息,对高速公路管理具有重要意义。基于时空注意力网络,提出一种由数据和长期预测任务驱动面向动态高速路网的交通速度预测模型(ST-ANet)。通过图注意力网络提取高速路网的动态空间关联特征,使用长短期记忆网络提取输入数据的时间关联特征。在此基础上,采用基于多头自注意力机制的时间注意力网络计算历史输入数据和预测值之间的相关性,并利用密集连接和层归一化方法进一步提升模型性能。基于中国宁夏回族自治区银川市高速路网监测数据进行实验,结果表明,与GCN-LSTM模型相比,STANet模型预测未来1 h、2 h和3 h内高速路网交通速度的平均绝对误差分别降低4.0%、3.6%和3.9%。     

基于神经网络的城市快速路交通拥堵判别算法

针对城市快速路的常发性拥堵和偶发性交通拥堵,提出了一种基于神经网络的自动判别算法.该方法利用改进的自适应梯度算法优化神经网络的权值参数,既能保证神经网络参数收敛到全局最优值,又具有快的学习速度,提高了神经网络的检测效果.利用微观交通仿真软件PARAMICS建立了城市快速路网,通过多次仿真获得了包含各种交通拥堵的学习样本,增强了算法的鲁棒性.将训练好的神经网络对多种实际的交通数据进行了仿真试验.实验结果表明,该算法在城市快速路交通拥堵判别中具有较高的检测率和较低的误报率.     

基于RFSIM的智能交通系统研究

以RFID与SIM卡相结合技术原理为基础,提出了一套城市智能交通信息管理系统模型,该模型用来解决城市交通管理中的一系列经典难题.该模型结合了射频技术、短时交通流预测方法、路网状态判别技术以及数据库技术,能获取、分析并处理路网交通信息,并能够实时监控交通流量、车辆信息以及交通状况,并可通过手机屏幕或STK语音短信实时将路网信息通知车主.该系统有利于解决城市交通拥挤状况,有效提高路网的通行能力.最后,本文从现实应用出发,以手机RFSIM发展为切入点,分析了此系统的优势和前景,进而论证了基于RFSIM的智能交通系统的可行性和有效性.     

城市道路网络交通小区划分方法研究

交通小区是解析整个城市复杂交通网络的一个有利工具,同一交通小区内部具有相似的交通特征和较强的交通关联,由此可以简化复杂网络,但目前国内外对此研究停留在应用层次。在解析交通小区概念及其特性的基础上,提出了采用空间统计分析的方法研究城市路网的交通小区自动划分。分析了空间聚类分析算法的模型,对空间关联矩阵、交通关联度等参数进行建模,设计了交通小区划分的流程与算法,最后结合上海市浮动车数据与实际交通网络,实现了路网交通小区的自动划分并得出了结论。     

基于多智能体分群同步的城市路网交通控制

在城市交通网络中,经常出现某些路段较为拥堵,而其它路段内仍有空间未被充分利用.为了解决该问题,本文提出一种路网分群一致算法.首先,以路段的空间占有率为状态,建立交通网络状态空间模型,描述路网中车流的传递关系;进一步,将路网中的各条路段抽象为智能体,提出路网多智能体分群一致算法,将路段集划分为若干个非空不交子集,每个子集内的路段状态可达一致,不同子集的一致状态不同.从而,该算法可使各路段的空间占有率达到均衡,减轻局部拥堵,减少车辆延误时间.最后,采用VISSIM交通仿真软件对北京市望京地区的实际网络进行仿真,仿真结果说明了本文方法的可行性和有效性.     

支持动态编辑的交通路网语义建模方法

针对现有交通路网语义建模方法不支持新增道路、道路加宽/变窄、潮汐车道设置、 道路连通性设置等路网交通属性动态编辑修改的问题,提出了一种支持动态编辑的交通路网语 义建模方法。通过分析路网内正常路段和交叉路口之间的耦合关系,给出了由传统 Lane、路口 Lane,Link,Connection,Intersection 以及 Road 等组成的具有层次耦合关系的路网语义数据。 只需输入道路中轴线数据,上述语义数据即可全部自动生成。路网交通属性动态编辑修改后, 只需对相应路段和相连路口语义进行解耦重新计算即可完成路网语义数据的动态更新。实验结 果表明,只需要输入道路中轴线矢量数据和道路宽度数据,该方法即可准确、高效地完成交通 路网语义建模,并且支持路网交通属性的动态编辑且可以实现交通相位的自动生成。     

基于车载电子标签数据的单交叉口状态判别研究

基于目前交叉口状态判别存在设备安装复杂度高,判别准确率低,受环境影响大、无法识别具体车辆等问题,提出基于车载电子标签数据的交叉口状态判别方法;通过简化模型,以两相位单交叉口为例,选择的参数为流量,交通密度,停车数量;最后经VISSIM交通仿真软件的二次开发,模拟车载电子标签运行环境,通过对比仿真试验所得与专家观察分析所得,相似度高达90%以上;证明该方法在克服以往方法缺陷的基础上可有效判别交叉口状态。 