交通预测

摘要： 交通状况预测是智能交通系统的一个重要组成部分,而车流量是交通状况最直接的体现,因而对交通流量进行预测具有重要的应用价值。一方面,城市中的道路本身带有空间拓扑性质,另一方面车流量随时间动态变化。因此交通流量预测问题的关键在于对数据中存在的时间和空间依赖进行建模。针对这一特性,使用神经网络模型和注意力机制来探索交通流量数据中的时空依赖关系,提出基于时间图注意力的交通流量预测模型。空间依赖方面,使用图卷积网络与注意力结合的学习算法对不同影响程度节点分配不同的权重,加入节点自适应学习,有效提取空间特征;时间依赖方面,使用时序卷积网络对时间特征进行提取,通过扩张卷积扩大感受域从而捕获较长时间序列数据的特征。由图注意力网络和时间卷积网络构成一个时空网络层,最终连接到输出层输出预测结果。该模型使用图卷积神经网络和注意力机制结合的方式提取空间特征,充分考虑了道路间的空间关系,利用时序卷积网络捕获时间特征。在两个真实的数据集上进行实验后发现,在未来15 min、30 min、60 min的时间段内该模型都有良好表现,结果优于现有基准模型。

摘要： 公交站周围的机-非冲突问题严重降低了公交站的效率和安全,以冲突率作为评价指标,提出了公交站设置的优化方案。选取长治、苏州、金昌这3地共十余座公交站进行调查;取公交站长度、相邻非机动车道宽度、非机动车车速、相邻机动车道的当量交通量为自变量,取3种类型的机-非冲突率为因变量,拟合得到了多元回归方程;建立了冲突预测模型,并基于公交站的设置形式和该区域内的交通运行特性对冲突率进行预测。研究结果表明:机-非冲突率与4种自变量呈线性相关;以冲突率作为约束条件,对公交站设置进行优化。

摘要： 现有的交通预测方法很少利用交通传感器之间的共性来做预测,很少有研究会为不同的交通情况建立不同的模型,影响了预测的精度。为此,提出一种基于多任务学习的交通预测框架(MTL-SA)。对于所有的交通传感器数据,采用基于非负矩阵分解的聚类来区分不同的交通情况;对于每种特定的交通情况,基于组lasso和l_(2)范数惩罚的多任务学习来建模交通预测问题;采用能保证收敛率的FISTA算法进行问题求解。基于大量实际交通传感器数据的实验结果表明,所提MTL-SA框架始终比每个传感器单独应用MTL的预测结果要好。在不同交通情况下,所提方法在短期预测和长期预测中的性能比其它典型的交通预测方法分别高出18%和30%。

摘要： 山地河谷型城市最初选址于河谷开阔区域,随着城市的发展扩张,受地形因素制约,城市沿河谷轴向发展,具有明显的地域特征,同时城市交通问题显著。本文以吕梁市为例,首先研究了山地河谷型城市的居民出行特征,以及路网结构失衡、交通供需矛盾、公交发展空间受限、停车分布不均等普遍存在的问题,其次讨论了山地河谷型城市在区域格局交通需求中的重构、市域中心城市一体化、交通模式转变等发展趋势,并对出行特征进行预测,最后从枢纽提升、公交都市、路网框架、品质交通等方面提出了发展策略。

摘要： 针对高速公路路段长,无法密集布置用于检测车祸、车流量的传感器这一问题,文章设计一种可用于在高速公路上监测交通情况的无人机,同时设计一种车流量预测算法,可以较为准确地预测某一路段一定时间内的车流量。无人机搭载摄像头并通过图传系统将高速公路的实时运行情况传回地面站,采用YOLOv3算法计算视野内的车辆数目,使用改进后的灰色预测算法预测之后到来的车辆数目。实验结果表明,该无人机可以实时采集并预测公路环境,具有良好的可行性和实用性。

摘要： 交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性,交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况,而忽略了具有丰富语义的底层路网.为了克服这一缺点,本文将空间数据建模为观测图和隐藏图,并提出了一种新的交通预测框架:区域-道路时空图网络(R2RSTGN).为了学习道路网络和观测到的交通信息之间隐藏的相互作用,本文同时考虑区域和细粒度道路并提出了一种压缩注意力机制,可以为预测提供解释结果.在两个真实数据集上的实验结果验证了该框架的有效性.

摘要： 在济阳路现状交通调查的基础上,根据城市道路服务水平评价方法,对济阳路周边路网的交通运行状况及存在问题进行分析评价。并依据区域总体规划、道路网规划及经济发展趋势,采用四阶段预测法,对济阳路快速化改建未来特征年的交通需求进行预测分析。依据分析结果,从路网建设、交通组织管理等角度,给出近远期实施项目建议。

摘要： 当车流较密集时,易出现车辆拥堵继而引发交通事故,精确的交通流量预测对交通安全很重要.针对道路交通流量拥有复杂的空间相关性和时间依赖性的特性,本文提出了一种时空周期性注意力网络的交通流量预测模型(STPAN).首先,使用GCN构造空间相关性.其次,综合短期和长期的周期性信息对车流量进行预测,并采用LSTM获得时序依赖关系.交通流量数据具有周期性,然而此数据序列的周期性非真正意义上的按日或按周的.针对此问题,本文提出了一个周期性注意力机制解决周期性时间变化.此外,还将外部信息增添到此模型中以提升模型的预测精度.最后本文在PeMS数据集上验证所提模型的有效性.

摘要： 为了解决公交车辆过载及空车浪费资源并存问题,提高城市公交服务质量水平,基于公交客流季节性波动及周期性变化特征,构建季节性差分整合移动平均自回归模型,并对城市公交短期客流进行预测;以山东省青岛市K1路公交线路刷卡数据为模型样本,对非平稳的客流时间序列进行1阶7步差分处理,对差分后的数据进行平稳性检验;通过相对信息量计算,确定预测模型中未知参数,对差分处理后的时间序列进行标准化残差检验,检验结果为白噪声序列,得到周期为7的季节性差分整合移动平均自回归预测模型;利用预测模型对2019年7—12月公交客流量进行预测与误差分析。结果表明,模型预测的平均相对误差为4.02%,最大相对误差为8.36%,模型预测精度较高,适用于青岛市公交短期客流量预测。

摘要： 随着我国城市化进程的不断加快,汽车保有量不断增加,道路上的交通量逐渐增多.为更好地适应城市的发展,原有城市道路逐步实施路面拓宽、交叉口渠化等改建工程.文章基于土地使用与交通的互动关系,通过对拟改建的主干路进行交通影响分析,得出道路改造后整个区域路网流量、饱和度,并对重点区域进行分析判断,来科学决策改建道路实施后可能产生的影响.

摘要： 交通从业人员进行交通影响评价时受限于条件往往只能用近期眼光对交通预测背景进行判断,最终得到的交通预测结果往往与现实发展相差甚远,使得交通影响评价的可信度和权威性受到质疑.控规层次城市设计道路网规划评价,是建立在四阶段法基础上,对城市设计中所采用的控制性详细规划路网建设完成后的交通进行预测,所得评价结果反馈了城市设计路网规划水平,构成了远期交通影响评价的背景基础,为未来的交通影响评价工作提供了具有极大参考价值的数据.

摘要： 针对大城市的交通问题，采用出租车GPS数据，进行数据预处理，进行交通预测，预测方法包括数理统计和动力学模型，现有方法的精度需要进一步提高。

摘要： 交通预测是进行交通规划以及交通管理与控制政策制定的一个重要基础，而在交通预测中，交通分配又是最重要的一个步骤。本文首先从相关性假设、路段阻抗、状态变量、先进先出规则以及适用性这五个方面对静态交通分配模型和动态交通分配模型进行比较.然后深入研究了动态交通分配模型的发展过程,根据动态网络交通流模型的研究方法不同,将动态交通分配模型分成解析模型和仿真模型两大类进行总结,并分析了不同模型的优缺点.最后,对动态交通分配模型的未来发展方向进行展望.

摘要： 道路拥挤成为大多数国家和地区的主要交通问题之一.道路拥挤对经济和人民生活有重大影响,如果可以提前预测道路拥挤,民众将可采取措施避免,例如使用公共运输,或者重新安排旅行计划或路线.2006年以来,台北市已经发布并提供实时道路信息、公交车动态信息(e-BUS)、实时停车信息,展示于网页及手机APP界面上,然而提供实时交通信息并不能完全满足现今交通管理的需求,交通预测对目前交通管理上解决交通问题更显得重要,所以建立了运输信息平台(TTCX)以收集各种来源的交通讯息,根据平台上交通数据以统计和分析方式找出用路人使用道路的行为模式,透过这种行为模式(如平常日、例假日和特殊节日)进行交通预测,为交通管理者提供信息,而预测的情形将再透过未来真实的交通数据重新评估校对,使预测行为更加准确,因此,透过营运中的运输信息平台(TTCX)预测2018年春节前的道路拥塞路段及时间,道路尖峰时段拥塞道路主要是干道及高架道路,这些拥塞道路为忠孝东路、南京西路、南京东路及长安西路等为主的干道,透过网站和新闻媒体的讯息发布,使道路使用者避免进入这些路段,而减少过年期间交通拥塞情形,经过事实的分析后,该方法是具体及有效的,这将改善本市道路拥塞情形.

摘要： 针对武宁路地道-内环线节点,分析武宁路现状交通、路网规划要求、节点交通预测等情况,提出内环节点互通及立体分离式连接两种方案,并对两种方案进行对比分析,对类似工程和节点设计有一定的借鉴作用.

摘要： 短时交通预测是一种利用交通学理论、信息处理理论和控制理论进行交通数据分析的技术，其研究目标是提供未来交通状况，诱导出行者进行路径选择、避开拥堵区段。针对司机对于交通预测的需求，设计了一种城市路段行驶时间预测方法，该方法可以在汽车尚未驶入路段前获知将要花费多少时间才能使出该路段，即路段行驶时间预测。该方法以路阻函数为基础，提取出了流量和车速与路段行驶时间之间的数学关系。并将建立一个适于用最小二乘法求解的路段行驶时间预测函数。经测试，仅用5％的数据作为样本即可实现非常好的预测效果，样本数据还可以不断更新，以适应不断变化的路况参数求取，尤其是堵车状态下的路段行驶时间预测。

摘要： 本文以厦门市货运GPS数据为基础,在Oracle数据库平台上,本文从数据预处理、数据可视化到提取出特征,详细介绍了每个阶段的算法与步骤.并且以厦门市货运GPS数据为例获得厦门市货运空间起讫点(OD)分布特征,通过与实际的物流产业分布情况进行对比分析,认为分析结果可以反映实际的货运交通运行情况.

摘要： 本文以厦门市货运GPS数据为基础,在Oracle数据库平台上,本文从数据预处理、数据可视化到提取出特征,详细介绍了每个阶段的算法与步骤.并且以厦门市货运GPS数据为例获得厦门市货运空间起讫点(OD)分布特征,通过与实际的物流产业分布情况进行对比分析,认为分析结果可以反映实际的货运交通运行情况.

摘要： 本文以厦门市货运GPS数据为基础,在Oracle数据库平台上,本文从数据预处理、数据可视化到提取出特征,详细介绍了每个阶段的算法与步骤.并且以厦门市货运GPS数据为例获得厦门市货运空间起讫点(OD)分布特征,通过与实际的物流产业分布情况进行对比分析,认为分析结果可以反映实际的货运交通运行情况.

摘要： 本文以厦门市货运GPS数据为基础,在Oracle数据库平台上,本文从数据预处理、数据可视化到提取出特征,详细介绍了每个阶段的算法与步骤.并且以厦门市货运GPS数据为例获得厦门市货运空间起讫点(OD)分布特征,通过与实际的物流产业分布情况进行对比分析,认为分析结果可以反映实际的货运交通运行情况.

摘要： 提供一种预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端，该装置通过通信网与交通信息中心连接，交通信息中心每隔规定时间发送与规定道路网相关的实时交通信息，该装置具备信息处理部和信息存储部，信息存储部至少存储有关于道路网所包含的路段的统计交通信息，预测交通信息生成装置在道路网中发生突发事件时，生成其以后的预测交通信息，信息处理部接收从交通信息中心发送的实时交通信息，根据该实时交通信息，检测出道路网中的突发事件，设定预测环境参数，预测环境参数包括与检测出的突发事件对应的交通限制的相关参数，基于设定的预测环境参数和统计交通信息，对突发事件发生时以后的时刻生成道路网的路段的预测交通信息。

摘要： 本发明涉及一种基于交通数据分析的交通状态模式预测系统，其包括：排队长度估计单元，从云服务器接收安装在第一交叉路上的第一信标或能够测出第一交叉路上等候中车辆的排队长度的传感器或者安装在邻近第一交叉路的第二交叉路上的第二信标或能够测出第二交叉路上等候中车辆的排队长度的传感器所测量的第一交叉路或第二交叉路的车辆经过时间信息及车辆速度信息，根据第一交叉路或第二交叉路的车辆经过时间信息及车辆速度信息针对进入第一交叉路却还没有经过第二交叉路的车辆的排队长度进行估计；交通量估计单元；交通量修正单元；及交通状态信息运算单元。

摘要： 将至少包含多个电梯的尺寸、台数以及服务层在内的电梯规格信息作为输入，根据包含平面配置或者面对配置中的一者以上的配置，基于多个电梯的台数以及尺寸中的任一者算出多个电梯的设置方式，并基于所述设置方式以及所述多个电梯的尺寸及台数算出构成电梯门厅的2边，从而决定电梯门厅的形状，进一步地，与服务层相应地，决定设置电梯门厅的各楼层，由此生成电梯门厅布局，其中，在平面配置中，在构成电梯门厅的1边将多个电梯排列成一列，在面对配置中，分成构成电梯门厅的面对面的2边来排列多个电梯。

摘要： 一种交通时间预测系统、交通时间预测方法以及交通模型建立方法。交通时间预测系统用以预测一行车路线所需的行车时间，包含模型建构模块、模型选择模块以及预测模块。模型建构模块用以建立多笔候选预测模型。候选预测模型每一者分别对应于多个路段中的一者以及多个相异的数学模型的一者。模型选择模块用以自该行车路线中各个路段相符的候选预测模型中选择对应于路段的预测模型。预测模块用以根据行车路线中各个路段的预测模型预测各个路段的预测车速以计算行车时间估计值。模型选择模块选择路段所对应的候选预测模型中预测误差值较小的一者作为路段的预测模型。综上，由于每一路段所选用的预测模型皆为准确度高的预测模型，因此可有效提高准确度。

摘要： 提供一种预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端，该装置通过通信网与交通信息中心连接，交通信息中心每隔规定时间发送与规定道路网相关的实时交通信息，该装置具备信息处理部和信息存储部，信息存储部至少存储有关于道路网所包含的路段的统计交通信息，预测交通信息生成装置在道路网中发生突发事件时，生成其以后的预测交通信息，信息处理部接收从交通信息中心发送的实时交通信息，根据该实时交通信息，检测出道路网中的突发事件，设定预测环境参数，预测环境参数包括与检测出的突发事件对应的交通限制的相关参数，基于设定的预测环境参数和统计交通信息，对突发事件发生时以后的时刻生成道路网的路段的预测交通信息。

摘要： 本发明公开了一种交通速度预测模型构建方法、交通速度预测方法及装置。其中，所述交通速度预测模型构建方法包括：接收不同的终端上传的多个交通网络拓扑信息，多个交通网络拓扑信息由不同的终端采用隐私保护算法对本地交通网络拓扑信息进行隐私处理保护得到；对多个交通网络拓扑信息进行聚合以建立初始全局网络模型；将初始全局网络模型发送至不同的终端，以使不同的终端根据交通速度数据对初始全局网络模型进行训练以得到模型参数；接收不同的终端发送的模型参数，并对模型参数进行聚合以得到交通速度预测模型，并将交通速度预测模型发送至不同的终端。由此，能够保护交通网络的拓扑信息隐私并对交通速度进行准确的预测。

摘要： 本申请适用于智能交通技术领域，提供了一种交通状态预测模型构建方法及交通状态预测方法。模型构建方法包括：获取第一数据、第二数据和第三数据，第一数据包括待预测路段的历史交通状态数据，第二数据包括待预测路段的上下游交叉口的历史交通状态数据，第三数据包括第一数据的特征及第二数据的特征，特征包含空间特征和/或时间特征；将第一数据、第二数据及第三数据进行融合，得到训练样本数据；基于训练样本数据构建交通状态预测模型，并筛选出相关联特征，相关联特征为重要度大于预设重要度的特征；基于相关联特征建立最终交通状态预测模型，能够提高预测精度，保证了预测结果与实际交通情况相符，从而能精确预测双向交通流的情况。

摘要： 本发明提供了一种基于时空多尺度图卷积网络的交通流预测模型的构建方法以及交通流预测方法，具体来说，给定一个细粒度交通图，首先通过谱聚类生成一个粗粒度交通图；然后分别提取细粒度和粗粒度交通图的时空相关性，本发明充分挖掘了空间相关性，包括区域的静态不变特征和动态的空间相关性；其次，为了缓解细粒度交通图中交通流波动的负面影响，采用跨尺度融合来实现细粒度交通图和粗粒度交通图之间的信息扩散；最后，在两个真实世界的交通数据集上进行实验，选择最优参数，确定最终的结果。本发明改进了现有的交通流预测模型，使得模型可以利用粗粒度交通图中的特征，缓解细粒度交通图中交通流波动的负面影响，一定程度上提高了预测精度。

摘要： 将至少包含多个电梯的尺寸、台数以及服务层在内的电梯规格信息作为输入，根据包含平面配置或者面对配置中的一者以上的配置，基于多个电梯的台数以及尺寸中的任一者算出多个电梯的设置方式，并基于所述设置方式以及所述多个电梯的尺寸及台数算出构成电梯门厅的2边，从而决定电梯门厅的形状，进一步地，与服务层相应地，决定设置电梯门厅的各楼层，由此生成电梯门厅布局，其中，在平面配置中，在构成电梯门厅的1边将多个电梯排列成一列，在面对配置中，分成构成电梯门厅的面对面的2边来排列多个电梯。

摘要： 本发明提供交通流预测辅助装置以及交通流预测辅助方法。能够高精度地预测交通流。在交通流预测辅助装置(10)中，具备：车辆匹配器(13)，其取得基于过去的OD数据的多个车辆模型的移动信息，根据推定为存在于预定的实际车辆中的通信终端的移动信息，选择与实际车辆匹配的车辆模型即匹配车辆模型，代替匹配车辆模型的移动信息，而根据匹配车辆模型所匹配的实际车辆的移动信息，生成OD数据。车辆匹配器(13)也可以选择满足预定的条件的车辆模型作为与实际车辆匹配的上述匹配车辆模型。另外，车辆匹配器(13)也可以在不存在满足预定的条件的匹配车辆模型的情况下，生成与实际车辆对应的车辆模型，生成包含所生成的车辆模型的移动信息的OD数据。