东南大学物联网交通应用研究中心
东南大学物联网交通应用研究中心
北京时间:
基于多源数据的高速公路交通状态预测方法研究
2016-02-29 19:59   作者:iitraffic   来源:本站   浏览:833
    为了提高中心学生的科研学术水平,加强老师学生之间的交流研究,东南大学物联网交通应用研究中心每由老师或学生做一次学术汇报。
    汇报人:葛志鹏(硕士生)

    汇报题目:基于多源数据的高速公路交通状态预测方法研究



    高速公路作为城市与城市之间连接的纽带和桥梁,具有“高速、高效、安全、舒适”的特征优势,它的高速发展给人类社会带来巨大的社会效益和经济效益。然而随着通车里程和人均汽车保有量的急剧增长,高速公路交通问题日趋显著。主要表现为通行能力不足、交通事故频发、运输环境恶化和能源消耗严重。智能交通系统被广泛认为是解决上述问题的有效方法,其中利用各类采集手段获得交通状态信息,并生成短时的交通状态预测结果,是开展交通诱导、交通组织和管理以及公众出行信息服务的重要依据。


    首先,数据采集、加工、处理和分析是实现目标的基础和前提。目前常用的信息采集检测器分为固定式检测器和移动式检测器,固定检测器主要有感应线圈、视频、微波雷达、超声波等,作为高精度、最普遍的采集方式,在交通参数获取占有重要地位;相对于固定检测器,移动式检测器有GPS浮动车、自动车辆识别和手机切换定位等,其中GPS的定位精度高,但是目前GPS浮动车多为出租车等,在高速公路上样本量稀缺;而RFID(射频识别)等技术需要额外安装路侧设备,不够经济等;相对的,手机定位凭借其初期投资小、覆盖范围广、海量数据等技术优势,交通应用效益日趋显著。
    通过对国内外已有研究进行总结发现:(1)基于手机的交通参数信息提取技术现已获得充分研究并在进一步完善,可以弥补线圈采集等技术局限与不足;(2)已有的预测模型大多局限于单一交通数据源,容易受采集仪器的精度、采集方法、样本量、人为操作等因素的影响;(3)国内外高速公路交通状态估计和预测的研究主要根据线圈数据、GPS浮动车数据或两种数据的融合,利用各种方法和模型进行研究,鲜有利用手机切换数据和地点交通数据进行交通状态预测的研究;(4)预测方法种类较多,各有优缺点。相比于其他的预测方法,支持向量机建立在统计学习理论的VC维理论和结构风险最小原理的基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,能够获得最好的推广能力。
    基于以上内容,葛志鹏同学利用支持向量机的预测方法,结合手机切换数据和固定检测器数据对高速公路交通状态预测进行了深入研究。研究的内容主要包括多检测技术特征和多源数据特性分析,多源交通数据的预处理方法研究,基于多源交通数据的速度预测模型的建立和高速公路速度预测模型仿真及评价这四个部分。即在掌握手机切换定位交通信息提取的技术原理的基础上,通过对手机切换数据、固定检测器数据的数理统计、分析,获得其数据特性;然后根据已有的预测方法的分析,利用支持向量机在短时预测方面支持向量机结构风险最小化的优点,建立基于多源数据的速度预测模型,并且通过数据训练,获得模型各项参数;最后对模型进行评价及对比分析,结合仿真数据验证模型的有效性,以及分析手机数据的切换长度、样本量、浮动点位置对于模型参数的影响。
    本研究的特性包括以下三个部分:
   (1)以可以切换定位的手机作为“虚拟检测器” 作为全新的数据源,结合其余已经应用相对成熟的固定检测器数据,对高速公路交通状态进行短时预测。 
   (2)提出基于手机切换数据和地点交通数据融合的高速公路交通状态预测模型,已有的其余预测方法对比,验证模型有效性。同时对手机切换定位数据样本量、切换点的浮动、切换长度等因素对预测模型参数标定的影响进行分析研究。为新一代交通信息采集技术应用于交通状态估计与预测研究提供新的思路与方法。
   (3)对手机切换定位数据样本量、切换点的浮动、切换长度等因素对预测模型参数标定的影响进行分析研究。
(文:葛志鹏、徐凌慧,图:徐凌慧)

东南大学 东南大学交通学院 清华大学 同济大学 西南交通大学 北京航空航天大学 上海交通大学 浙江大学
University of Wisconsin - Madison University of Michigan Rensselaer Polytechnic Institute Santa Clara University Rutgers University
交通运输部路网监测与应急处置中心 江苏省交通运输厅 南京智库联盟 江苏交通控股有限公司 江苏高速公路联网营运管理有限公司
中心概况研究动态新闻中心合作交流加入我们
Copyright © 2015 东南大学物联网交通应用研究中心 All Rights Reserved.