浮动车数据

摘要： 针对轨迹数据在交通路口的分布特性,提出一种基于长短期记忆的深度学习转弯轨迹模式自动提取方法,实现自动快速地提取转弯轨迹;然后,针对路口转弯点的稀疏性缺陷,提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点,并通过聚类路口候选点识别道路交叉口.采用福州市鼓楼区出租车实际轨迹数据进行验证测试,结果表明,该方法对道路交叉口识别准确率达到96.7%,可为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持.

摘要： 道路车辆速度是交通状态判别中最为重要的评价指标.对于一些GPS数据量稀疏的快速路路段,车辆临时停车、走应急车道等行为会出现浮动车数据反映的交通速度与实际路段车速不符的情况,从而无法对路段交通状态进行准确的判断.针对这类数据稀疏路段,为了能够准确地判断路段交通状态,以出租车数据为研究对象,提出了一个基于浮动车数据的判别异常交通状态算法.该算法利用GPS轨迹数据,基于地图匹配技术,将车辆运动轨迹与道路几何特征相结合,生成时空速度矩阵.使用Schatten p范数矩阵解决数据的局限性,在数据可用率较低的情况下减小速度估计误差.最后以北京市中关村地区出租车GPS数据为研究对象进行方法验证.通过与均值法、奇异值分解算法进行对比分析,结果表明,该算法在连续数据缺少的情况下仍有良好的性能,提高路网交通状态识别精度.

摘要： 通过一种根据车辆运动列簇特征,提取同一运动列簇的多辆浮动车的运动轨迹的方法对平面交叉口的浮动车数据进行轨迹重构处理,为后续对交通信号灯配时估计提供数据准备.该方法简单,易于操作,不需要利用复杂的算法或模型去实现.首先,通过分析车辆的运动过程来提取车辆的运动特性,再根据车辆的运动特性,从空间和时间的角度对车辆的运动轨迹进行分析,对平面交叉路口的车辆轨迹进行分流处理,从而得到重构的车辆轨迹序列.选取了2个不同类型的平面交叉口数据为实验示例,实验结果表明,该方法能够有效地对平面交叉口浮动车轨迹进行重构.

摘要： 本项目设计并利用历史路况信息模块、综合路况信息录入模块、Internet路况信息模块和交警交通监控数据模块、安装MNA车辆模块、浮动车数据模块等模块技术,解决了将动态导航采集、发布、应用、汽车导航、汽车安防管理、汽车娱乐等有机的整合问题,开发出实用、适用、能有效利用动态交通信息,并能有效向动态交通系统贡献数据的智能车载信息终端,车载终端能够均衡整个城市交通状态,达到最有效利用道路资源。

摘要： 交通信号从一开始就是我们交通网络不可或缺的元素,在可预见的未来不太可能改变形式或功能。本文的主要目的在于梳理交叉口信号参数估计方面的研究情况,以及信号参数估计这一领域的研究发展过程,并分析其使用的数据特点、方法模型、参数估计的精确程度,找出当前研究的不足之处,更进一步的研究提供基础。

摘要： 充电站作为保障电动汽车运行的重要基础配套服务设施,其合理布局对于推广电动汽车具有重要意义。本文从浮动车数据中分析出租车的运行特性,提取充电需求。考虑出租车司机的距离选择偏好,建立最大化满足充电需求与充电站建设成本最小化的多等级充电站充电选址模型,探寻在充电桩数量一定条件下的充电站最佳布局方案。采用NSGA-Ⅱ算法进行模型求解,选址结果表明,当建设费用在10575万元时,未满足的充电需求最少为211个。

摘要： 将城市道路周边建成环境的相关属性作为路段行程时间的解释变量,结合城市低频浮动车数据,在不需要速度等GPS信息的条件下研究建成环境属性因素对路段行程时间的影响.同时,给出一种新的路段行程时间分布估计方法,即利用路段车辆数的分布代替路段长度作为路段行程时间的分配比例系数,得到路段行程时间的分布情况.为验证所提方法的正确性,以辽宁省丹东市振兴区锦山大街为例进行分析,用极大似然估计法得到各类建成环境对行程时间的影响参数值,并对比研究路段在有、无建成环境影响下的行程时间.结果表明:道路周边的建成环境会在不同时段导致路段行程时间显著增加,学校的影响时间段主要在6:00-7:20,医院、诊所集中在7:00-8:00,交叉口造成的行程时间增量在研究范围内整体较为平均.通过似然比检验,验证了将建成环境变量作为路段行程时间影响因素的可靠性.

摘要： 为探究不同类型车辆运动特征差异对路段整体交通流状态判别的影响,解决单一数据源导致判别结果精度不高的问题,针对多种类型车辆的浮动车数据存在的显著差异,提出了基于改进D-S(Dempster-Shafer)证据理论数据融合的路段单元交通状态判别方法。通过分析不同类型车辆的浮动车数据,探究其在速度分布、交通状态划分标准及样本量等方面存在的差异;针对D-S证据理论在融合高冲突信息时的失效问题,从修正数据源基本信任分配函数与优化合成规则两方面改进D-S证据,并据此构建路段单元交通状态判别模型。经实例验证发现:基于出租车、公交车、私家车单一浮动车数据的路段单元交通状态判别准确率分别为83.58%,70.15%,61.19%,利用传统D-S证据理论融合数据的交通状态判别准确率为85.07%,改进方法判别准确率为94.03%。这表明改进方法可有效融合高度冲突的多种浮动车数据,其交通状态判别准确率高于基于单一浮动车数据或传统D-S证据理论的判别方法。

摘要： 充电站作为保障电动汽车运行的重要基础配套服务设施,其合理布局对于推广电动汽车具有重要意义.本文从浮动车数据中分析出租车的运行特性,提取充电需求.考虑出租车司机的距离选择偏好,建立最大化满足充电需求与充电站建设成本最小化的多等级充电站充电选址模型,探寻在充电桩数量一定条件下的充电站最佳布局方案.采用NSGA-Ⅱ算法进行模型求解,选址结果表明,当建设费用在10575万元时,未满足的充电需求最少为211个.

摘要： 随着城市机动车保有量的迅猛增加,城市交通拥堵问题也越来越严重.国内外研究发现,一条或几条道路发生拥堵足以导致整个城市路网运行的崩溃,因此只有将这些拥堵道路的拥堵瓶颈位置识别出来并采取有效措施,才能逐步解决整个路网的交通拥堵问题.随着交通大数据技术的不断发展,大规模的浮动车数据可以很好地揭示交通流的连续时空特征,同时能全方面的覆盖城市路网,目前,国内外学者通过浮动车数据实现对道路拥堵瓶颈位置的识别和定位.本文将选取路网中的一条常发拥堵道路为研究对象,利用等距离分割法对该道路进行分割并编号,随后利用ArcGIS软件将浮动车数据与该道路进行匹配,提取出每个分割片段的平均运行速度,通过运行速度与道路自由流速度之比形成的速度性能指标判断出交通运行状态,以此确定该道路发生拥堵的瓶颈位置,从而为分析拥堵成因以及缓解拥堵提供前提条件.

摘要： 浮动车数据采集方式在城市道路交通信息采集中有广泛应用,其中以出租车车载全球定位系统(GPS)采集数据覆盖范围最广、采集量最大,此类数据已被应用于道路交通状态判别、交通运行指数计算等.然而,出租车浮动车数据中包含的大量低速度数据,对参数估计产生较大影响.目前,基于浮动车回传点速度的道路行程车速估计,一般不对低速数据做特别处理,导致道路行程车速估计模型无法准确描述城市间断交通流的特性.针对该问题,本文首先对浮动车低速数据进行分析并归为有效和无效两类,基于此建立了利用有效低速数据比值进行修正的行程车速估计模型,最后利用某市真实浮动车数据和实地行程车速调查结果(牌照识别法)进行模型实证.结果表明修正模型可以有效提高参数估计准确度.

摘要： 浮动车数据是最重要的交通数据之一,其输出结果能为相关部门提供道路实时交通状况信息.传统地图匹配算法难以直接适用于海量的浮动车数据匹配,因此在Hadoop的基础上设计分布式并行地图匹配系统,同时加入网格索引算法,加快匹配初筛速度,达到分而治之的效果.应用结果表明其方法具备较高效率的同时具备较高的准确度.

摘要： 浮动车比例和数据采样频率是影响基于浮动车全球定位(GPS)数据的交通状态估计精度的两个重要参数.本文面向复杂路网条件下基于浮动车GPS数据的交通状态估计精度的评价,开发了基于交通仿真软件VISSIM 的仿真分析平台,并以上海市陆家嘴地区的大规模微观仿真路网为例,通过20组实验系统地分析了浮动车比例和数据采样频率两个参数对于浮动车数据的路网覆盖率和平均行程车速相对误差的影响.分析结果显示随浮动车比例的增加交通状态估计精度逐渐提高,提高速度根据采样频率不同有所区别.浮动车采样频率在30秒到10秒增快时,交通状态估计精度逐渐提高,在10秒的时候基本稳定.

摘要： 浮动车技术是近年来智能交通系统中所采用的、获取道路交通信息的先进技术手段之一,可作为大规模实时交通监控的数据源.由于浮动车数据规模庞大,从大量移动对象中有效处理流数据是其中一大难点.采用相似轨迹聚类的思想,结合与拥堵特征相关的交通参数,提出了拥堵同伴发现算法.该算法能从浮动车轨迹流数据中筛选出可能发生拥堵的浮动车数据,从而对拥堵区域变化趋势进行概化预测,由预测结果决定负载处理方式.此外,设计基于预测的多优先级调度算法用以实现整个监控流程.提出的方法可有效降低处理浮动车数据的代价,实现快速交通拥堵监控.通过在城市路网中大规模出租车轨迹数据上的实测,验证了这种算法的有效性和优势.

摘要： 上海市45000辆以上的出租车拥有GPS数据,基于出租车浮动车数据可以获取城市主干道的运行状况.论文材料介绍了177个主干道路段的657辆出租车的浮动车数据,分析其高峰、平峰的速度特征.利用分层模型分析了速度的影响因素.研究发现流量是速度的一个主要的影响因素,其它道路几何设计的指标同时也影响路段的速度特征,如路段长度、车道数、平曲线.

摘要： 浮动车数据作为一种动态、实时、覆盖范围广的交通数据源,为城市道路交通运行监测和评价提供了手段.国内大城市如北京、上海、广州、深圳等城市基于当地的浮动车数据,均已建立了道路交通运行分析平台.利用浮动车数据,不仅可以对城市道路交通系统进行拥堵评价,还可以实现具体道路交通拥堵形成、蔓延、消散等现象的分析.本文介绍了基于浮动车处理数据的城市快速路常发拥堵路段和拥堵瓶颈点识别技术方法,并对西二环和西三环进行了具体分析,为城市疏堵工程提供改造项目库,是交通数据挖掘服务于交通治理的典型应用.

摘要： 作为城市公共交通的重要组成部分,出租车的出行特征反映了城市的运行状态,对城市活力度的研究、交通线网优化、出租车运营管理等问题具有重要意义.本文通过对比分析工作日与周末期间出租车的时空分布情况,探究天津市中心城区出租车交通出行特征.首先探讨了出租车整体空间分布、时间分布及出行时长特征;接着针对工作日及周末打车高峰时期,分析了乘客乘车的热点区域,乘客的OD流向特点;最后针对打车较频繁的地铁、公交及火车站等公共交通站点,研究了打车频度较高的站点及各站点打车时态特征.发掘出了天津市中心城区打车频率较高的行政区、商圈、道路、公共交通站点,及对应的高峰时段等.为改善出租车司机的收益,提高出租车运用效率提供科学依据.

摘要： 采用一种基于最短路径算法的全局地图匹配算法开发了一套基于出租车浮动车数据(Floating Car Data,FCD)的实时道路交通状态估计系统.系统由浮动车数据的接收、浮动车信息的处理和动态交通信息的发布三部分组成.此系统可对实时传输过来的FCD数据依次进行数据的预处理、地图匹配、路段行程时间的计算以及道路交通状态的判别和发布.此外,本文还利用上海的出租车FCD数据进行了系统的测试,测试结果表明此系统能够满足5min的实时数据传递与计算,并且显示出较好的地图匹配效果.

摘要： 本文提出了一种交通状态判别方法，使之符合交通状态变化连续性。基于浮动车数据特性分析，考虑交通阻抗及临界跳变现象的影响，通过预判别及二次修正，优化了交通状态判别结果。该方法能有效滤除交通状态参数在阈值附近频繁变化产生的交通状态非正常跳变，同时可以修正异常数据导致的交通状态阶跃，从而优化了交通状态判别结果。构架并实现了基于该方法的实证系统，通过多种指标的验证，该方法提高了交通状态发布的准确度。

摘要： 本发明提供了一种结合卡口过车记录和浮动车GPS数据的拥堵识别方法及系统，包括：步骤S1：利用卡口过车数据进行拥堵等级识别并计算卡口过车数据拥堵等级识别置信度；步骤S2：利用公交车GPS数据进行拥堵等级识别并计算公交车GPS数据拥堵判别置信度；步骤S3：利用出租车GPS数据进行拥堵等级识别并计算出租车GPS数据拥堵判别置信度；步骤S4：根据卡口过车数据拥堵等级、卡口过车拥堵等级置信度、公交车拥堵等级、公交车拥堵等级置信度、出租车拥堵等级以及出租车拥堵等级置信度，利用融合算法计算最后的道路拥堵等级。

摘要： 本发明提供了一种结合卡口过车记录和浮动车GPS数据的拥堵识别方法及系统，包括：步骤S1：利用卡口过车数据进行拥堵等级识别并计算卡口过车数据拥堵等级识别置信度；步骤S2：利用公交车GPS数据进行拥堵等级识别并计算公交车GPS数据拥堵判别置信度；步骤S3：利用出租车GPS数据进行拥堵等级识别并计算出租车GPS数据拥堵判别置信度；步骤S4：根据卡口过车数据拥堵等级、卡口过车拥堵等级置信度、公交车拥堵等级、公交车拥堵等级置信度、出租车拥堵等级以及出租车拥堵等级置信度，利用融合算法计算最后的道路拥堵等级。

摘要： 本发明公开了一种基于浮动车定位数据的卡口标定方法、计算机装置和存储介质，基于浮动车定位数据的卡口标定方法包括根据目标卡口的检测数据，确定目标卡口检测到的至少一辆浮动车，对各浮动车的定位数据进行统计处理，获得定位数据统计值，根据定位数据统计值对目标卡口进行标定等步骤。本发明借助浮动车的定位数据来确定目标卡口的位置和拍摄的车流方向，从而对目标卡口进行标定，通过对各定位数据进行统计处理，获得定位数据统计值，根据定位数据统计值对目标卡口进行标定，能够免去人工实地记录的庞大工作量，广泛适用于各类卡口设备、各类道路场景卡口的标定，本发明技术成本低，标定结果具有较高的精度。本发明广泛应用于交通控制技术领域。

摘要： 本发明提供了一种基于浮动车数据的私家车出行数据集成方法，基于目标城市矢量数据投影该城市影像数据，并且配准目标城市的影像信息；基于目标城市影像得到不同城市功能区内的路网信息；根据GPS信息中的运营状态信息得到出租车OD数据；对整个城市进行经纬度划分，并确定不同城市功能区所包含的经纬度块；基于不同城市功能区之间的出租车OD矩阵，使用增长因子法得到私家车OD矩阵；根据私家车OD矩阵进行仿真。本发明通过分析长期海量的出租车GPS数据，结合不同城市功能区特有的社会属性，仿真生成目标城市中私家车的数据，可以为车载社交网络提供数据基础。

摘要： 本发明提供一种基于浮动车数据的城市道路自由流状态百分位车速确定方法，所述的方法包括步骤如下：S1：对城市路网数据进行预处理；S2：获取浮动车数据，通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配；S3：分别计算每日高峰时段和非高峰时段百分位速度；S4：根据每日两个时段百分位速度计算自由流百分位速度。本发明能有效剔除浮动车数据中的道路拥挤车速数据，得到道路中自由流的百分位车速数据，使得浮动车数据用于道路功能定位和限速标准制订。

摘要： 本发明提供一种基于高德数据与浮动车数据的潮汐交通拥堵识别方法，该方法包括了数据预处理、浮动车路网匹配算法、数据融合算法以及潮汐交通拥堵识别算法。首先将不同数据集中的无效数据移除，然后根据一种浮动车路网匹配算法计算得到GPS速度数据集，再根据一种数据融合算法结合GPS速度数据集与高德速度数据集，计算得到融合后的路段速度数据集。接着利用该数据集计算出路段拥堵指数，再建立潮汐评价指标，最后实现潮汐拥堵现象的识别。本发明充分考虑了高德数据与浮动车数据的特点，对不同数据集进行融合处理，进而实现潮汐交通拥堵的识别。本发明能够适用于交通运输规划、交通管理与控制、交通大数据等领域的研究。

摘要： 本发明提供了一种基于浮动车数据的私家车数据集成方法，基于目标城市矢量数据投影该城市影像数据，并且配准目标城市的影像信息；基于目标城市影像得到不同城市功能区内的路网信息；根据GPS信息中的运营状态信息得到出租车OD数据；对整个城市进行经纬度划分，并确定不同城市功能区所包含的经纬度块；基于不同城市功能区之间的出租车OD矩阵，使用增长因子法得到私家车OD矩阵；根据私家车OD矩阵进行仿真。本发明通过分析长期海量的出租车GPS数据，结合不同城市功能区特有的社会属性，仿真生成目标城市中私家车的数据，可以为车载社交网络提供数据基础。

摘要： 本发明提供一种基于浮动车数据的城市道路自由流状态百分位车速确定方法，所述的方法包括步骤如下：S1：对城市路网数据进行预处理；S2：获取浮动车数据，通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配；S3：分别计算每日高峰时段和非高峰时段百分位速度；S4：根据每日两个时段百分位速度计算自由流百分位速度。本发明能有效剔除浮动车数据中的道路拥挤车速数据，得到道路中自由流的百分位车速数据，使得浮动车数据用于道路功能定位和限速标准制订。

摘要： 本发明实施例提供一种基于信令数据和浮动车数据的拥堵路段识别方法及装置，该方法包括：获取目标道路上的用户设备的信令数据；根据信令数据，确定目标道路上的交通出行量；获取目标道路上的多源浮动车数据；根据多源浮动车数据，确定目标道路的路段速度；根据交通出行量和路段速度，确定目标道路的路段拥堵情况。本发明实施例中，将信令数据作为出行方式的识别依据，依据信令的停留点和轨迹将出行需求匹配至路网中，结合道路容量研判路段各个时段的服务水平，将多源浮动车数据与路段的服务水平相结合，实现路网中拥堵路段的精准识别。

摘要： 本发明提供一种基于高德数据与浮动车数据的潮汐交通拥堵识别方法，该方法包括了数据预处理、浮动车路网匹配算法、数据融合算法以及潮汐交通拥堵识别算法。首先将不同数据集中的无效数据移除，然后根据一种浮动车路网匹配算法计算得到GPS速度数据集，再根据一种数据融合算法结合GPS速度数据集与高德速度数据集，计算得到融合后的路段速度数据集。接着利用该数据集计算出路段拥堵指数，再建立潮汐评价指标，最后实现潮汐拥堵现象的识别。本发明充分考虑了高德数据与浮动车数据的特点，对不同数据集进行融合处理，进而实现潮汐交通拥堵的识别。本发明能够适用于交通运输规划、交通管理与控制、交通大数据等领域的研究。