论文部分内容阅读
城市道路交通状态的准确判别是掌握城市交通运行情况的关键。近年来,浮动车技术的快速发展为城市道路交通状态研究提供了新的解决方案。受复杂的交通环境和条件影响,传统的单一类型浮动车数据不能全面地反映实时交通状态变化。另一方面,路段的交通状态只是路网交通流的一部分,因此有必要将对交通状态的研究从单独路段扩展到整个路网,从整体上把握交通状态时空特征。而目前的方法只考虑了交通状态的时空演化特征与其当前所处的状态有关,而忽略了波动程度的影响,不能完全有效表征交通状态的实际情况。对上述问题展开研究,可以改进目前城市道路交通状态判别方法,更好地揭示路网交通流内在规律。论文以城市道路代表路段为研究对象,综合公交车和出租车两种浮动车的优缺点,针对单一类型浮动车数据不能全面刻画交通实时状态的问题,研究异种浮动车数据融合的城市道路交通状态判别方法。在此基础上,深入分析路网交通状态在时空聚类和演化两方面的特征。主要内容包括:(1)确定了基于动态聚类的城市道路交通状态判别标准。针对交通状态划分存在模糊性的特点,运用改进的K-均值聚类算法确定道路交通状态划分类型数,在此基础上引入FCM方法对交通状态进行评价研究,得出不同交通状态下的阈值,作为交通状态实时判别的判别标准。(2)研究了异种浮动车数据融合的城市道路交通状态判别方法。综合公交车和出租车两种浮动车的优缺点,考虑其运行特性,提出了异种浮动车数据融合的判别方法,从特征级层次对估计的路段的平均行程速度进行了融合,使之更加准确地反映道路交通状态的连续性变化。最后利用实时GPS数据对提出的判别方法进行检验,实验结果表明该方法具有较好的判别效果。(3)分析了路网交通状态时空特征。对交通状态的研究从单独路段扩展到整个路网,以异种浮动车数据融合下的路段平均行程时间及其标准差作为时空单位,定义路网时空连通度以实现交通状态聚集特征分析。利用交通相对拥挤度和交通相对波动度分析时空状态演化特征。实例分析验证了上述研究的有效性。综上所述,本文提出了异种浮动车GPS数据融合的城市道路交通状态判别方法,同时分析了路网了交通状态在聚类和演化两方面的特征,实验结果验证了上述工作的有效性,可为城市道路交通服务和管理提供支持和参考。