交通状态判别

摘要： 在客货混行尤其是货车占比较大的高速公路运行过程中,货车比例对于交通状态判别有着较大的影响。为了更加准确地判别高速公路基本路段的交通状态,构建了一种基于车速的估算模型,并考虑货车比例因素的交通状态判别方法。以西安市绕城高速某路段进口处的实测交通量为数据流,采用VISSIM仿真软件进行仿真分析,以获取不同货车比例及交通流参数的数据集;基于该数据集建立了多元线性回归的平均行程车速估算模型,将模型的输出结果与交通状态划分标准进行对比,得到当前时刻的交通状态,从而实现交通状态判别。研究结果表明:与传统判别的断面均值法相比,考虑货车比例因素的交通状态判别效果良好,可用于研究高速公路交通状态判别。

摘要： 为了能够对道路实时交通状态进行有效判别,提出一种利用高斯混合模型聚类算法判别城市道路交通状态的方法。通过同时对高德地图数据平台实时监控和现场数据采集获得道路的速度、流量等判别指标以及交通状态,并且在流量的基础上提出宽裕度判别指标。为防止GMM算法陷入局部最优,运用改进的均值-标准差算法分析预处理数据获得聚类中心,将实验所得聚类中心值代入高斯混合模型进行聚类分析实验,通过匹配矩阵将各算法实验分类结果与实际交通状态值进行对比获得算法的分类精度。结果表明,改进的GMM算法精确率达到98.8%,较未改进的GMM算法精度提高了0.2%,改进GMM算法在精确度和稳定性方面均优于其他几种算法,验证了高斯混合模型对交通数据进行状态判别的有效性。

摘要： 为准确、有效判别城市交叉口交通状态,提出了一种基于聚类算法的城市交叉口交通状态判别方法.该方法针对交叉口交通流的变化特性及拥堵强度,将交通状态分为畅通、缓行、拥堵3类,选取平均排队长度、平均延误、饱和度3个交通参数为判别指标,利用基于模糊K均值聚类(K-means)算法和熵权法加权的改进模糊C均值聚类(FCM)算法确定交通状态,并以济南市为例验证判别算法的有效性.实例仿真结果表明:与传统的FCM算法相比,改进的FCM算法的目标函数值降低了76.0%,迭代次数减少了28.6%,同时利用划分系数(PC)和划分熵系数(PE)的评价结果更优,验证了所提的方法对城市交叉口交通状态判别的准确性更高.

摘要： 选取CNKI和Web of Science数据库中2000-2018年的文献进行计量分析,对文献作者、国家/地区等进行统计,分析研究热点和趋势.结果 显示:近十年该领域的发文量总体呈上升趋势;美国、中国、英国合作紧密度较高;期刊分布较为广泛,具有影响力的作者合作较为密切;该领域的研究方法多样,机器学习、神经网络是近年来研究热点词汇.

摘要： 为了提高城市快速路交通运行状态判别的精确度,提出一种基于因子分析与改进K-means聚类的城市快速路交通状态判别方法.首先运用因子分析对流量、速度、占有率、密度、行程时间、饱和度、占有率/流量、占有率/速度等8个交通流参数进行了相关性分析及适用性检验,提取了流量、速度和占有率/速度3个交通状态判别指标;其次通过建立交通状态综合评价函数对K-means聚类算法进行改进,将快速路交通状态聚簇为4类;最后使用快速路的实测数据完成算法的实例验证和对比分析.结果表明,基于因子分析与改进K-means聚类算法的快速路交通状态判别率为97.21％,误判率为0.74％,相对于传统K-means聚类算法判别精度提高了8.13％,误判率降低了1.05％.

摘要： 针对出租浮动车线路不固定、地图匹配算法要求较高的缺陷,提出运用公交浮动车数据对拥堵路段进行判别的方法.刻画公交车辆与出租车辆路段平均行驶速度之间的关系,基于速度对路段交通运行状况进行等级划分,通过将模糊理论引入到交通运行状况等级划分的速度阈值中,解决由于换算导致的速度阈值不准确的问题,建立拥堵判别模型,以A市为例,采用地理信息系统(A rcGIS)软件对路段交通运行状况进行判别.研究结果表明:基于公交浮动车数据的交通拥堵路段判别方法能够准确判别路段的交通拥堵状态.

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： 准确的城市交通状态判别是实现城市智能交通诱导、管理、控制的基础和前提,对出行推荐和城市规划等具有重大的参考价值。通过分析浮动车GPS点位数据具备的位置、速度、方向等信息,可以实时获取交通参数,反映交通运行状态。针对交通状态的模糊性、不确定性等特性,以路段行驶速度和速度方差为指标,提出一种贝叶斯优化模糊C均值的聚类算法(BO-FCM)。BO-FCM用贝叶斯算法对FCM算法的初始化参数进行优化,避免FCM陷入局部最优解而导致聚类无法收敛到最优结果,降低交通状态判别的准确度。以深圳市主干道的实测数据为例,进行BO-FCM城市道路交通状态判别算法的实验分析,结果表明,BO-FCM算法较其他FCM算法,鲁棒性更高,聚类结果更准确。

摘要： 本文从模式识别的角度,将路网交通状态判别转化为状态信息归类问题.首先,运用AdaBoost方法和SVM方法作为路网交通状态分类器的训练学习方法,提高了AdaBoost方法和SVM方法的多分类性能.随后,借助有向无环图(DAG)搭建路网交通状态判别器.通过训练和判别两个阶段,实现对城市交通状态信息的有效判别,为治理交通拥堵提供可靠信息.

摘要： 单棵决策树有容易过度拟合的缺点,随机森林算法随机选择多个决策树构成森林,算法分类结果由这些决策树投票得到,在运算量没有显著提高的前提下提高了预测精度,是一种目前比较流行的组合分类器算法.随机森林算法不仅可以用来做分类,也可用来做回归预测,是机器学习、计算机视觉等领域内应用极为广泛的一个算法,但是在交通领域的应用较少.将随机森林分类算法用于交通状态判别,利用实测数据进行模型训练和验证,并用袋外数据计算判别准确度,实验结果表明该方法具有可行性,为交通状态判别提供了一种新思路.

摘要： 基于FCD数据进行城市路网交通状态判别已经成为城市交通管理的一种重要手段，目前的FCD研究由于没有考虑浮动车的运行规律、运行速度、网络上浮动车分布情况等因素，使得FCD算法的精度和实用性不强，本文在分析基于FCD数据的交通状态判别算法的基础上，研究了上述因素对算法模型的影响，并利用城市中的视频监控录像信息设计了具体的评价方法，评价结果证明了分析结论，研究结论为进一步合理有效利用FCD数据，提高交通状态判别准确率，推进多源交通信息融合研究打下了基础。

摘要： 城市道路交通状态判别是动态导航系统中的关键技术之一,文章从城市道路交通流系统的高度复杂性特点出发,提出了一种基于神经网络的城市道路交通状态判别方法.首先,利用灰关联熵分析方法选取交通状态的关键性特征指标；然后,建立交通状态判别的神经网络模型并利用实测数据对其进行离线训练；最后,应用训练后的神经网络进行城市道路交通状态在线判别.实验表明,用于城市快速路的交通流状态判别方法效果良好.

摘要： 道路交通判别是城市智能交通信息平台的核心，是进行交通诱导达到交通流在城市路网中的合理分配的基础,是解决大中城市交通拥挤、改善交通安全、缓解环境污染的最佳途径之一。目前，一些城市都已经或正在建立出租、公交等车辆的GPS监控调度管理系统,如何充分利用这些大量、实时的移动车辆数据(Floating CarData，FCD)进行城市道路交通状态判别，是当前ITS领域的一个应用研究热点，具有极高的应用价值。rn 本文给出了基于FCD的城市道路交通状态判别系统总体架构，对其中的关键技术及其实现方法进行了论述，如GPS地图匹配、路段平均速度估计、交通信息融合处理、道路动态分段、交通信息发布等，实现了基于FCD的城市道路交通状态判别系统，该系统同时提供基于道路交通状态的最佳路径规划服务，通过与车辆导航终端系统的无线连接，实现车辆动态导航。

摘要： 本发明公开了一种城市轨道交通区间乘客交通流状态判别方法，通过计算区间乘客交通流状态判别参数‑‑区间断面满载率，通过区间乘客交通流状态参数的时间序列构建，构造状态参数有序样本序列，以最优分割聚类法进行类别划分，保证了样本的时序性与状态的连续性,将参数样本相近的统计时段归为一类，提出目标线路区间乘客交通流状态划分方案,并依据参数阈值进行区间乘客交通流状态类别判定，准确判别乘客交通流状态，有利决策者及时准确地掌握客流运行状态及其客流变化规律，为日常调度和工作做好准备。

摘要： 本发明公开了一种城市轨道交通区间乘客交通流状态判别方法，通过计算区间乘客交通流状态判别参数‑‑区间断面满载率，通过区间乘客交通流状态参数的时间序列构建，构造状态参数有序样本序列，以最优分割聚类法进行类别划分，保证了样本的时序性与状态的连续性,将参数样本相近的统计时段归为一类，提出目标线路区间乘客交通流状态划分方案,并依据参数阈值进行区间乘客交通流状态类别判定，准确判别乘客交通流状态，有利决策者及时准确地掌握客流运行状态及其客流变化规律，为日常调度和工作做好准备。

摘要： 本实用新型公开了用于山区公路交通参数采集及交通运行状态判别的装置，其包括顺次连接的埋地线圈、信号采集与处理电路、数据处理分析单元和数据输出模块。由于机动车辆包含铁磁材料部件（例如车辆底盘），当其经过线圈时，LC震荡电路的频率将偏离基准值。以一定的采样频率对LC震荡电路的频率进行时间序列分析，即可得到流量、占有率、车头时距等能够描绘交通系统运行特征的参数，将这些参数综合起来分析，即可进一步得出监测路段属于通畅、拥挤还是堵塞等交通状态，最后通过数据输出模块，可为交通警报器、交通诱导屏、交通信号控制器等设备提供信号输入。

摘要： 本发明提供了一种精准度高、适用性强的交通状态判别系统和方法。基于对浮动车数据特性的分析，考虑交通阻抗以及临界值判定，通过对交通状态进行预判别和两次交通状态修正，完成了准确的交通状态判别。本发明能有效消除交通状态参数在阈值附近波动产生的交通状态非正常波动，同时可以消除异常数据导致的交通状态阶跃，最大限度反映真实路况，从而作出精准度较高的交通状态判定，以适应交通指挥调度、交通辅助决策以及普通出行者的需求。

摘要： 本发明属于城市交通技术领域，具体涉及一种基于交通场面雷达的路段交通状态判别方法。本发明所具体包含的步骤为：1)、在路段上安装交通场面雷达并校准调试；2)、获取交通场面雷达的采集数据；3)、计算路段的单个采样周期的当量交通量；4)、取一个月的路段采样周期的当量交通量作为样本集合；5)、计算交通状态分类中心；6)、路段交通状态判别。本方法以当量交通量为基础参数进行交通状态区间划分，从而实现路段交通状态的准确判别。本发明避免了传统在考虑流量的时候不考虑车型大小及类型的问题，其判别更为精准而科学，可有效提升交通通行效率。

摘要： 公开了一种基于AFCM‑L2的城市道路交通状态判别方法及系统。该方法可以包括：步骤1：获取交通流历史参数数据；步骤2：进行交通状态聚类处理，确定多个最优交通状态模糊聚类中心；步骤3：通过隶属度将交通流历史参数数据划分为c个交通状态数据集；步骤4：以距离最小的最优交通状态模糊聚类中心所属于的交通状态数据集为实时交通流参数数据的状态判别信息。本发明通过交通状态模糊聚类中心，对实时交通流参数数据的交通状态进行判别估计，确定实时交通流参数数据的交通状态，增强交通状态聚类效果的准确性和稳定性，为城市道路交通管理者和使用者提供最佳的交通管控措施和出行计划。

摘要： 一种基于k‑means++聚类和图卷积网络的路网交通状态判别方法，属于交通状态判别技术领域。首先将目标路网划分为n个路段，每隔一定时间获取每个路段的平均流量；其次构建路网的拓扑结构数据；然后利用k‑means++聚类算法对反映路网交通状态的特征矩阵进行聚类，得到具有标签的样本数据；接着构建基于图卷积神经网络的路网交通状态判别决策模型；最后将样本数据分为训练样本集和测试样本集，以训练样本集训练路网交通状态判别决策模型，以测试样本集测试模型的准确度。本发明将路网作为研究对象，研究整个路网所属的交通状态，提出一种基于图卷积网络的交通状态判别决策模型，该模型能够充分考虑路网的空间特征，提高了路网交通状态判别的实时性和准确度。

摘要： 本发明公开了一种面向车路协同应用的车道级交通状态判别方法及系统，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块；判别方法包括以下步骤，1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设；2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；等步骤。本发明利用视频加毫米波雷达的数据采集方案，排除了单一采集设备的缺陷；能够达到车道级的交通拥堵状态识别、精确到米级的拥堵起终点位置识别、且数据延迟不低于1s，真正能够满足车路协同的数据需求。

摘要： 本发明提供了一种精准度高、适用性强的交通状态判别系统和方法。基于对浮动车数据特性的分析，考虑交通阻抗以及临界值判定，通过对交通状态进行预判别和两次交通状态修正，完成了准确的交通状态判别。本发明能有效消除交通状态参数在阈值附近波动产生的交通状态非正常波动，同时可以消除异常数据导致的交通状态阶跃，最大限度反映真实路况，从而作出精准度较高的交通状态判定，以适应交通指挥调度、交通辅助决策以及普通出行者的需求。

摘要： 本发明属于城市交通技术领域，具体涉及一种基于交通场面雷达的路段交通状态判别方法。本发明所具体包含的步骤为：1)、在路段上安装交通场面雷达并校准调试；2)、获取交通场面雷达的采集数据；3)、计算路段的单个采样周期的当量交通量；4)、取一个月的路段采样周期的当量交通量作为样本集合；5)、计算交通状态分类中心；6)、路段交通状态判别。本方法以当量交通量为基础参数进行交通状态区间划分，从而实现路段交通状态的准确判别。本发明避免了传统在考虑流量的时候不考虑车型大小及类型的问题，其判别更为精准而科学，可有效提升交通通行效率。