基于OD的区域公路交通预测系统结构与关键技术

为了简化区域公路交通预测工作,结合我国目前公路交通特征,设计并建立基于OD更新的区域公路交通预测系统非常必要。从结构和功能出发,提出系统需具备数据管理、图形管理、OD更新、需求预测和交通量预测等5个基本模块。重点分析了系统实现过程中的一些关键技术,如数据关联和融合、图形数据接口、路网检查方法、控制点选择方法、相关路段筛选等。系统的开发和应用能提高区域公路交通信息化水平,帮助制定科学合理的规划设计和管理策略。     

基于混沌理论的交通量实时预测

分析了城市交通的混沌性，根据复杂的城市交通特点，引入了误差反馈系数，改进了混沌时间序列预测方法中的加权一阶局域法和基于最大Lyapunov指数的预测法，并将其成功应用于实时交通量预测．预测结果表明：这两种改进的方法都能较准确地预测交通量，但后者比前者更适合交通量预测，后者的预测误差一般可以控制在5％以下．     

基于LSTM的短时高速公路交通量预测北大核心CSCD

高速公路交通量预测中原始数据存在大量缺失值,为了挖掘高速公路交通量时间序列中的更多信息,提高交通量预测的精度,构建了缺失值修复方法、Dropout以及长短时记忆网络(long short term memory, LSTM)相结合的高速公路流量混合预测模型。通过缺失值修复方法对高速公路流量数据进行数据修复;在LSTM网络中非循环的部分加入Dropout机制来减少过拟合情况;通过实测交通量数据进行实验,实验结果表明考虑缺失值修复的Dropout-LSTM的高速公路流量预测模型相较于LSTM及常用高速公路预测模型,预测精度更高,验证了该模型在短时高速公路交通量预测中的有效性。     

OD数据可视分析综述

OD数据是一类提供起点和终点位置、稀疏地描述对象移动轨迹的数据.OD数据可视分析能够发现群体移动模式,挖掘空间异常和隐藏关系,深入探索和分析多种统计属性,是数据可视化、地理空间分析等领域的研究热点.从OD数据的地理空间点对结构出发,阐述经典的OD数据可视化方法和原理,如OD矩阵、OD嵌套地图、OD流图等;然后从空间聚类...     

基于Hadoop的高速公路OD数据存储模型和计算方法

高速公路OD数据是高速公路运营管理和状况分析的一类重要数据,如何利用海量的收费数据快速生成并有效管理高速公路OD数据是当前高速公路智能化建设中的一个重要问题.针对高速公路OD数据的种类多、周期长等问题,提出一种基于Hadoop的高速公路OD矩阵存储模型和相应的计算方法.建立统计高速公路车辆旅行时间、统计高速公路车流量两类OD矩阵作为存储模型.通过基于海量真实的高速公路收费数据的实验和传统的存储高速公路收费数据对比表明本文的存储方法相对于传统的关系数据存储,拥有更高效的存储效率并节省了存储空间.     

融合降雨数据的高速公路行驶速度预测

为提高雨天的交通安全,监控和预测行驶速度至关重要。文中的天气数据从高速公路沿线各摄像机附近的气象站获得,交通流量从收费数据中获得。首先统计分析,以定量展示降雨强度和交通流量对行驶速度与速度方差的影响,评估行驶速度的波动趋势。然后使用深度置信网络预测行驶速度,同时使用决策级融合方法,结合多源数据提高行驶速度的预测精度。所有分析均已在西安市绕城高速的历史数据上进行了验证。结果表明,降雨显著影响高速公路行驶速度,尤其在高峰时段,降雨时车辆的行驶速度急剧下降。利用收集的大量历史数据,通过融合降雨强度数据和交通数据将行驶速度预测的均方误差由19.02降到16.20。研究结果和预测算法将有助于智慧交通系统中使用物联网数据进行精确的交通控制。     

基于模糊聚类分析的公路隧道短期交通量预测

公路隧道交通量具有高度的复杂性、模糊性和随机性,常规的方法难以对其准确预测。模糊聚类分析是一种模糊数据挖掘方法,使用该法对同一时段交通量的历史数据进行处理,建立模糊相似矩阵,获得它们的聚类模式,在此基础上判断被预测样本所属的聚类模式。由于同一模式的样本具有高度相似性,可以用它们的交通量数据来预测新值。分析和计算结果表明该方法容易实现,且具有较高的预测精度。     

基于车牌自动识别数据的车辆OD轨迹还原

交通信息采集设备捕获的车牌数据是研究车辆出行轨迹的天然载体, 可用于追踪、还原车辆在路网的完整出行轨迹. 但是, 受技术与设备覆盖等限制, 采集的时序车牌数据总是呈现出稀疏不完整的性质. 为充分利用车牌数据, 研究并提出一种基于稀疏车牌数据的OD轨迹还原算法. 该算法首先以间隔时间阈值分离车辆的OD出行链. 然后基于K则最短路径算法(KSP)生成多个近似的候选轨迹. 最后, 采用变分自编码器(VAE)选择决策最优估计轨迹, 以获取车辆完整出行轨迹. 该方法已在杭州市萧山区实际交通小区进行实施验证. 结果显示, 所提出的还原算法在测试小区可达95%的综合准确率. 此外, 在节点缺失率高、摄像点位覆盖率低的情况下, 重构算法依然具备良好的性能(高于50%).     

基于CNN-LightGBM模型的高速公路交通量预测

有效的交通流量预测对人们出行和交管部门监管都有着重要的意义。传统的交通量预测模型主要基于交通流的时间特性,未结合交通流的时间和空间特性进行深入挖掘,因此预测效果有时不佳。提出了一种基于CNN与LightGBM结合的交通流预测模型,首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性,实现对交通流数据的时空特征提取,然后将CNN提取到的特征向量输入到LightGBM模型中进行预测。为了验证模型的有效性,实验中使用了多种预测模型进行对比,实验结果表明,所提出的考虑到时空特性的CNN-LightGBM组合的模型可以明显降低预测误差,是一种有效快速的交通流预测模型。     

运用RFID技术获取动态OD数据的方法

近几十年来,OD数据主要是通过反推技术获取,存在一定的误差.RFID技术在智能交通中的应用越来越广泛,能够自动识别的特点为获取OD数据提供了契机;使用联合卡尔曼滤波器提高RFID技术采集交通量信息的精度;按照其融合结果搭建含有唯一车牌标识列的SQL Server数据库,利用数据库操作分别将各个节点间的同一车牌数在周期内进行统计,进而获取动态OD数据.实验结果表明,本文提出的方法是可行的.     

模糊数据挖掘技术(FDM)在交通量预测中的应用

根据影响交通量的因素,利用模糊数据挖掘方法(FDM)对交通量进行预测,这种预测方法不需要精确的数学模型,算法过程易于理解,解决了仅靠复杂的算法和推理并不能完全发现知识的问题,且还可编制一个程序,使用更方便。     

基于大数据分析的高速公路收费辅助稽查系统

随着河北省高速公路联网收费运营路段的不断增加,在收费运营过程中,因为收费管理系统不能及时根据实际运营状态进行实时更新升级,使部分车辆利用现有收费系统的管理漏洞进行逃漏费,给高速公路运营单位和国家带来巨额的经济损失,甚至影响到高速公路的安全运行.高速公路逃漏费作弊行为已经引起河北省高速公路管理方的高度重视,逃漏费稽查已经成为高速公路运营管理中面临的一个亟需解决的问题.     

基于联网收费数据预测行程时间的实现

高速公路海量的联网收费记录汇聚了很多极具价值的交通信息,利用数据挖掘方法,实现收费数据的增值利用具有重要的理论与应用意义。行程时间是交通规划与管理中的一项重要基础数据,以往行程时间的预测方法依赖于交通调查与检测数据,数据采集成本很高。本文以决策树理论建立起利用联网收费数据预测行程时间的思路,并借助SQL2005提供的数据挖掘功能,建立起数据分析系统,实现利用联网收费数据进行OD行程时间的预测。     

交通量的支持向量回归预测及参数选择研究

支持向量回归方法作为以结构风险最小化原理为理论基础的学习算法,可应用于交通量的预测,其中模型参数的选择是预测性能的关键因素。针对交通量的影响因素,应用时空挖掘联合预测模型,给出了BFGS变尺度算法求LOO误差上界最小化值定参的方法,试验证明,该方法对交通量的模型参数选择和预测是有效可行的。     

基于SSA-LightGBM的交通流量调查数据趋势预测

为了解决传统模型和机器学习模型对周期时间序列预测效果欠佳的问题,本文以韩城高速公路交通流量调查数据为数据集,提出了SSA-LightGBM交通流量调查数据预测模型.对韩城高速数据进行当量计算,然后对当量数据进行奇异谱分解得到周期项和随机项,对周期项进行信号重建,利用LightGBM预测随机项,最后将预测随机项与周期延拓信号进行叠加得到最终的高速当量预测数据.同时与XGBoost和LightGBM预测结果作对比,SSA-LightGBM预测结果与真实值最为贴近,且MAE、RMSE和R2均优于XGBoost和LightGBM模型.该结果对我国高速公路交通调查数据未来的变化趋势预测研究具有很好的指导意义,可以为我国高速公路的整修和养护提供很好的参考价值.     

基于时空数据管道耦合和汇聚的OD路径溯源方法

地铁的“无缝换乘”运行模式使乘客可以为同一OD对选择多种路线,同时在换乘时无需再次刷卡。这给乘客带来了方便的同时,也对不同线路的客流计算带来了巨大的挑战。为了更好地反映地铁网络中客流的分布,对票价进行合理的清分,研究乘客的路线选择行为就显得尤为重要。论文基于刷卡数据,结合列车时刻表和乘客走行时间,设计并实现了一种基于时空数据管道耦合和汇聚OD路径溯源方法。经过真实OD数据的测试,该方法可以还原90%以上正确的线路。     

基于代理的OD矩阵反推模型

OD(Origin-Destination)矩阵是分析交通流、了解城市交通流特性并进行交通规划、管理、控制和诱导的重要基础和前提条件。基于代理有效反推OD矩阵,其依据道路外在环境和驾驶员认知、选择等内在因素对OD分布的影响,完成驾驶员对交通小区和行驶路线的决策,提出包括感知层、代理层、决策层和输出层四个层次的OD反推模型(ODABM)。实验中ODABM模型各时间段仿真车流量与路网实测车流量的平均范数平均相对误差减小到10.2%。结果表明:ODABM模型精度更高,更符合现实路网,并能反映交通流的时变性和出行目的分布,是提高交通仿真真实度的有效方法。     

基于公交IC卡和AVL数据的公交客流OD推算

针对国内城市公交乘客下车不用刷卡,无法获知下车站点的问题,利用公交IC刷卡数据、AVL数据和公交站点数据,提出公交站点吸引强度与公交出行链结合的公交客流OD推算方法.基于时间匹配方法融合IC刷卡数据和AVL数据,设立时间匹配弹性因子,提高乘客上车站点识别率;针对不同乘客公交出行行为,采用多时段公交站点吸引强度与公交出行...     

一种基于路径的高速公路联网收费清分方法

在高速公路联网收费系统的设计中，收费数据的清分算法是其关键所在。在现有的收费数据清分实现的基础上，本文提出一种基于路径的清分算法，并将此算法应用到高速公路联网拆账系统的实现中。