利用浮动车大数据进行稀疏路段行程时间推断

针对利用实时浮动车数据估计路段行程时间时存在的数据稀疏性问题,提出了构建三层神经网络模型,以目标路段与邻接路段间的特征关系为输入、目标路段与邻接路段行程时间比值为输出,利用浮动车历史大数据获取路段之间的交通时空关联关系,继而用于路段行程时间的推断。采用武汉市2014年3~7月的浮动车GPS历史数据进行验证,得到的路段行程时间估计值的平均绝对百分比误差小于25%,证明了所提方法的有效性。     

一种基于约束的最短路径低频浮动车数据地图匹配算法

针对精度差、频率低的浮动车数据特点,给出了空间和拓扑约束下的最短路径浮动车数据地图匹配算法,基于不同采样频率的匹配结果证明算法准确度高。基于武汉市浮动车数据的匹配结果表明,算法具有高可靠性,可以用于浮动车数据的交通信息提取与特征挖掘。     

利用地图栅格化的海量浮动车数据道路匹配快速算法

提出了在大城市路网环境下快速确定海量浮动车数据匹配路段的方法。首先构建路网道路缓冲区,再对道路缓冲区地图进行栅格化处理,并构建空间位置与道路ID的索引,然后基于每个浮动车数据中的地理位置信息依据索引找出浮动车数据可能的匹配道路,最后对这些道路进行匹配度计算,确定浮动车数据的匹配道路。实验表明,该方法能显著减少每个浮动车数据需要计算匹配度道路的数量,成倍地提高海量浮动车数据道路匹配算法的效率。     

浮动车行程速度探索性分析

城市交通系统是一个有人参与的、动态的和开放的复杂系统。传统的均值、方差等统计方法已难以直观地表达和发现城市交通流的潜在特征。而目前基于确定的交通流数学模型虽然能定量地揭示其非线性动力学特征,但存在着表达式复杂却精确度不够且灵活性欠缺和通用性不强的问题。本文探讨了城市行车速度的探索性分析方法的可行性,并以北京市四环内路段行车速度为例进行试验,结果表明,浮动车行车速度的探索性分析方法是有效的和实用的,可为交通流的特征分析特别是实时交通异常检测的研究提供参考思路。     

一种改进的快速浮动车地图匹配方法

浮动车地图匹配算法能够实现浮动车离散点与路段的快速准确匹配,是浮动车路况信息生成技术中的核心环节。本文针对现有方法的不足,实现了建立定位点的有效阈值缓冲区,并依据空间关系检索候选匹配路段,研究实现了一种利用行驶速度、行驶方向、投影距离、行驶距离4个参数进行行车轨迹判别的逻辑匹配算法。试验表明,该方法无需对路网数据进行大量的前期处理工作,简化了候选匹配路段的检索过程,在保证匹配正确率的同时也表现出了更高的效率。     

基于GPS轨迹数据的地图匹配算法

针对GPS浮动车轨迹数据具有整体运动趋势的特点,结合城市路网行车限制的约束,提出一种GPS轨迹数据的全局地图匹配方法,综合考虑轨迹曲线与路网路径的曲线相似性、实际行车的路段几何拓扑和交通管制约束下的连通性,实现较好的地图匹配效果,并通过实验进行验证,为GPS浮动车数据的进一步分析应用打下基础。     

基于约束高斯混合模型的车道信息获取

针对现有车道级道路信息获取方法大多存在数据采集成本高、更新周期长、数据处理难度大等缺点,提出了一种基于浮动车数据（floating car data,FCD）的城市车道数量信息快速获取方法。首先根据浮动车数据的空间分布特征,利用Delaunay三角网方法对数据进行优选,通过探测优选后浮动车数据覆盖的宽度间接得到道路宽度;然后将一部分已知车道数量及浮动车数据覆盖宽度的路段作为训练样本,分析其车道数量和浮动车数据覆盖宽度之间的关系构建基本分类器;最后按照待测路段的浮动车数据分布宽度查找基本分类器,获取待测路段可能存在的若干个车道数量类型候选值,并利用约束高斯混合模型对最终车道数量类型进行确认。实验结果表明,该方法实现了从低精度浮动车数据中快速获取车道数量信息,提取精度达到了82.3%。     

考虑内在关联性的城市路网交通运行效率评价

为实现大规模城市路网下的交通运行效率评估，立足于深圳市福田区、南山区以及罗湖区的浮动车轨迹数据，提出了一种结合交通可达性与道路交通流特性的评价方法。通过地图匹配与网络重构获得路网重构图，对其进行社区发现与聚类以挖掘路网内在联系并进行交通运行效率评价。该评价方法兼顾路网结构与交通属性，在考虑路网内在关联性的情况下进行城市路网交通效率评价，并通过评价结果对实际路网提出针对性改进建议。相比传统方法，该文提出的评价方法能够识别出道路间相互影响关系，在局部路网的尺度下修正评价结果，使评价结果体现出实际路网不同区域内交通效率的内在联系。     

浮动车地图匹配算法研究

针对现有浮动车地图匹配算法应用于城市复杂路网时面临的关键技术难点,本文基于浮动车数据,在 SuperMap GIS 平台下实现了城市交通路网的构建,并研究了一种浮动车地图匹配的新算法：基于网格的候选路段确定,基于距离、航向、可达性权重的定位点匹配及基于最短路径的行驶轨迹选择。算法能够满足浮动车地图匹配准确性与实时性的要求,为获取城市道路的交通拥堵状况信息提供可靠依据。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。     

改进蚁群算法支持下的交通流量分配

灾后城市交通运输能力下降，原有的流量分配方案不再适用。为保障正常的经济社会活动，本文提出了一种基于改进蚁群算法的交通流量分配方法。首先评估路网通行能力影响因素并建立道路质量评价体系，利用路段质量改进蚁群算法中的启发式因子；然后为扩大蚁群搜索范围加入随机节点并改进信息素的更新机制；最后应用改进算法对城市交通总量进行分批分配并得到流量分配图。结果表明，改进算法综合考虑了出行距离和道路质量，较改进前更符合交通流量分配要求，具有较好的路径寻优性，可为灾后救援工作和灾后路网交通分配决策提供建议和支持。     

基于道路标线布设方案的交通路网数据库构建研究

道路标线是交通规则的载体,它们布设在物理道路网络上为交通参与者分配路权,并规范其行为。通常,称这种加载了交通规则的物理道路网络为交通路网。本文首先提出了物理道路网络的表示模型;然后结合线性参考技术,以物理道路网络为基础,构建了基于的GIS道路标线布设方案数据模型;最后,本文选取示范路网,运用道路标线布设方案数据库,进行路网交通规则的推导,构建了基于车道级路网数据模型的交通路网数据库,为交通路网数据库的构建提供了一种参考。     

城市交通网络分形维数的不确定性估计、控制与分析

长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。     

基于多源数据的城市道路交通事件检测

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,本文提出一种基于多源数据融合的城市道路交通事件检测方法.在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车,SCATS、Citilog、OD系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型....     

基于特征的城市交通网络非平面数据模型

本文通过分析交通网络特征,提出了一种适合城市交通网络数据表达与操作、基于完整交交通特征的ＧＩＳ数据模型,以弥补传统基于弧段－节点的ＧＩＳ数据模型在城市交通网络建模中的不足,并在此基础上将传统的交通网络平面图表达模式升华到非平面模式,设计了基于特征的交通网络非平面数据模型的概念建模与逻辑建模方法,为相应的数据结构与数据库实现奠定了基础。     

泛在测绘及其在城市交通领域的典型化应用

泛在测绘的发展为实时动态采集交通系统状态信息提供了新的技术手段和技术形式。本文在分析泛在测绘基本特征的基础上,从平均行车速度与交通量的估计、交通热点的实时获取,以及交通诱导服务几个方面研究了泛在测绘在城市交通领域的典型化应用。研究表明,泛在测绘的发展能为解决城市交通领域存在的许多问题提供新的方法和技术支持。     

基于介数中心性的交通拥堵指数计算

本文以北京城市交通为例,选取北京城市路网数据,计算城市路网介数中心性,以反映城市各道路路段的通达情况;并利用北京出租车GPS定点数据,计算实际的交通轨迹。传统的路网介数中心性主要依据各路段最短路径的比重评价理论上的道路通达性,而本文以网络介数中心性为基础,提出动态介数的方法,从城市各路段交通量比重的角度评价各道路实际拥堵情况。利用两个介数的对比能够全面客观地反映交通拥堵状况,提高交通拥堵指数的参考价值,并为城市建设规划决策及道路改建等方案提供依据,有利于缓解城市道路交通拥堵现状。     

Detecting vehicle traffic patterns in urban environments using taxi trajectory intersection points

Abstract

Detecting and describing movement of vehicles in established transportation infrastructures is an important task. It helps to predict periodical traffic patterns for optimizing traffic regulations and extending the functions of established transportation infrastructures. The detection of traffic patterns consists not only of analyses of arrangement patterns of multiple vehicle trajectories, but also of the inspection of the embedded geographical context. In this paper, we introduce a method for intersecting vehicle trajectories and extracting their intersection points for selected rush hours in urban environments. Those vehicle trajectory intersection points (TIP) are frequently visited locations within urban road networks and are subsequently formed into density-connected clusters, which are then represented as polygons. For representing temporal variations of the created polygons, we enrich these with vehicle trajectories of other times of the day and additional road network information. In a case study, we test our approach on massive taxi Floating Car Data (FCD) from Shanghai and road network data from the OpenStreetMap (OSM) project. The first test results show strong correlations with periodical traffic events in Shanghai. Based on these results, we reason out the usefulness of polygons representing frequently visited locations for analyses in urban planning and traffic engineering.     

对偶图节点重要度的道路网自动选取方法

采用对偶拓扑方法构建基于广义路网拓扑的复杂交通网络,通过引入m阶邻居节点概念,考虑复杂交通网络中节点度、介中心及节点间距离等因素,顾及节点自身及1到m阶邻居节点的重要度贡献,定义了节点重要度评价模型,进而提出一种基于m阶邻居节点重要度贡献的道路网自动选取方法,并基于网络最小规模原则保持选取道路的连通性。为检验方法的有效性,引入度分布评价所选取道路对路网整体结构及拓扑特性的保持程度,并采用实际城市路网进行试验,结果表明本文方法选取的路网能较好地保持了原始路网的整体结构、拓扑特性及道路连通性,且算法稳定、可靠。     

Detection of clusters in traffic networks based on spatio‐temporal flow modeling

Spatio‐temporal clustering is a highly active research topic and a challenging issue in spatio‐temporal data mining. Many spatio‐temporal clustering methods have been designed for geo‐referenced time series. Under some special circumstances, such as monitoring traffic flow on roads, existing methods cannot handle the temporally dynamic and spatially heterogeneous correlations among road segments when detecting clusters. Therefore, this article develops a spatio‐temporal flow‐based approach to detect clusters in traffic networks. First, a spatio‐temporal flow process is modeled by combining network topology relations with real‐time traffic status. On this basis, spatio‐temporal neighborhoods are captured by considering traffic time‐series similarity in spatio‐temporal flows. Spatio‐temporal clusters are further formed by successive connection of spatio‐temporal neighbors. Experiments on traffic time series of central London's road network on both weekdays and weekends are performed to demonstrate the effectiveness and practicality of the proposed method.