-
题名基于卡口数据的机动车出行生成模型
被引量：4
- 1
-
-
作者
李帅
浦诗谣
马晓凤
钟鸣
郑猛
-
机构
武汉理工大学智能交通系统研究中心
武汉理工大学国家水运安全工程技术研究中心
深圳市金溢科技股份有限公司
武汉市交通发展战略研究院
-
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2021年第3期109-117,共9页
-
基金
国家自然科学基金(51678461)
世界银行贷款项目(85890-CN)。
-
文摘
针对出行生成预测方法需要耗费较多的人力物力调查、数据精细化程度较低的现状,综合考虑土地利用类型、土地利用混合度、可达性等指标,使用海量卡口数据获取机动车出行生成量并建立逐步回归分析模型;通过与灰色预测模型耦合的方法对回归模型中人口、就业岗位等灰色变量进行预测,将预测值代入所得线性回归方程得到相应土地类型目标年机动车出行生成的预测量.以武汉市为案例研究对象,分析了典型土地利用类型上的机动车出行发生和吸引的主要影响因素,并对预测值予以验证.研究结果表明:不同土地利用类型的机动车出行产生和吸引的关键影响因素不尽相同,本模型平均预测精度在0.932,可为交通规划用地布局等提供参考.
-
关键词
可达性
出行生成
卡口数据
逐步回归分析
灰色预测模型
-
Keywords
accessibility
trip generation
traffic camera data
stepwise regression analysis
grey prediction model
-
分类号
U491.111
[交通运输工程—交通运输规划与管理]
-
-
题名基于视频数据的城市隧道交通运行特征与安全研究
被引量：12
- 2
-
-
作者
王雪松
石琦
高珍
-
机构
同济大学交通运输工程学院
中佛罗里达大学土木与环境工程系
同济大学软件学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2011年第8期129-137,共9页
-
基金
上海市浦江人才计划(09PJ1409900)
同济大学“十二五”教学改革与研究(交通统计分析课程建设研究)
教育部新教师(20090072120016)
-
文摘
为降低城市隧道交通事故率,提高车辆出行安全,以上海市翔殷路跨江隧道为研究对象,利用视频采集技术、车辆跟踪调查采集隧道交通运行数据,分析城市隧道交通运行特征及驾驶员在隧道内驾驶行为特征,并进一步研究其与隧道交通事故的关系。对隧道内车辆的速度、密度分布,变道行为进行分析,发现隧道南线入口处内外断面平均车速的显著差异可以解释该处追尾事故高发,隧道内车辆频繁变换车道导致隧道侧碰事故占较大比例。为改善城市隧道交通安全,在隧道内进行限速和限制车辆变道是必要的。
-
关键词
快速路隧道
事故特征
视频数据
运行特征
驾驶特征
-
Keywords
urban expressway tunnel
crash patterns
video camera data
traffic operational features
driving characteristics
-
分类号
X951
[环境科学与工程—安全科学]
U491
[交通运输工程—交通运输规划与管理]
-
-
题名卡口数据挖掘与城市道路交通分析
被引量：8
- 3
-
-
作者
王蓓
宁平华
段小梅
王世明
司徒惠源
-
机构
广州市市政工程设计研究总院有限公司
广州市公安局交警支队
香港大学
-
出处
《城市交通》
2019年第1期89-95,6,共8页
-
文摘
基于卡口数据,设计道路交通分析任务和数据挖掘算法,探索分析结果在宏观、中观、微观层面对城市交通规划、建设和管理的工程应用。基于所有车辆一日经过的卡口序列,提出毗邻区域交通量、车流轨迹和道路运行状况三大分析任务和技术方案。提出毗邻区域交通量概念,计算有道路连接的毗邻区域间的车流量,得到宏观路网交通量分布特征。采用频繁子序列挖掘算法得到满足特定条件的车辆群频繁经过的卡口集合和顺序,得到车辆群的活动范围和重要路径。基于车辆到达路段起点和终点的时间间隔,得到随着时间变化的路段车辆行程时间分布。以湖北省宜昌市为例阐述工程应用,总结提出卡口数据挖掘与道路交通分析系统框架。
-
关键词
交通工程
卡口数据挖掘
车辆匹配
毗邻区域交通量
车流轨迹
道路运行状况
-
Keywords
traffic engineering
traffic camera data mining
vehicle license plate matching
traffic flow distribution among adjacent areas
vehicle trajectories
time-dependent road operational level
-
分类号
U491.112
[交通运输工程—交通运输规划与管理]
-
-
题名基于车牌时空数据的城市热点交通线路挖掘
被引量：2
- 4
-
-
作者
张翔宇
张强
吕明琪
李素玲
-
机构
中国科学院计算技术研究所
中国科学院大学
浙江工业大学计算机学院
北京赛迪时代信息产业股份有限公司
中华全国总工会
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第7期676-686,共11页
-
基金
国家自然科学基金联合重点项目(U1936215)资助。
-
文摘
交通摄像头在智能交通系统(ITS)中的作用日益重要,其主要功能为车牌识别。本文提出了一种从车牌时空数据中挖掘城市热点交通线路的方法。其中,车牌时空数据由部署在城市不同道路的交通摄像头不断进行车牌识别得到。实现该目标存在以下挑战:首先,一辆车的轨迹(由车牌时序数据代表)通常只占城市热点交通线路的一部分。其次,车牌识别存在高度的不确定性(如遗漏和错误),使得现有模式挖掘算法难以发现完整的城市热点交通线路。针对以上问题,本文提出了由2部分构成的方法。首先,该方法提出了一个基于子模式拼接的挖掘算法,从车牌时空数据中挖据出候选城市热点交通线路。然后,该方法基于一个聚类排序算法从候选城市热点交通线路中挑选出代表性城市热点交通线路。本文基于真实车牌时空数据对提出的方法进行了评测。
-
关键词
热点交通线路
交通摄像头
车牌时空数据
智能交通系统(ITS)
-
Keywords
hot route
traffic camera
license plate number data
intelligent transportation systems(ITS)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
U491.1
[交通运输工程—交通运输规划与管理]
-
-
题名交通环境下基于深度神经网络的行人检测研究
- 5
-
-
作者
朱飘
黄立勤
-
机构
福州大学物理与信息工程学院
-
出处
《信息通信》
2018年第5期69-72,共4页
-
基金
国家自然科学基金(61471124)
福建省科技重大项目(2017H6009)
+1 种基金
赛尔网络创新项目(NGII20160208
NGII20170201)
-
文摘
针对交通环境下行人检测器精度低误检高的问题,借鉴深度神经网络中目标检测的研究成果,以YOLO网络框架为基础,根据车载视频分辨率及视频中目标行人尺寸等特点,优化网络输入尺寸,使用额外的行人数据和数据增广策略,提出一种在交通环境下高鲁棒性的行人检测和定位方法。在City Persons行人数据集上的实验结果表明,文章模型比原模型检测精度提升10%以上,与当前具有代表性的行人检测方法相比,漏检和误检大大降低,检测速度达到31帧/秒,满足实时性要求。
-
关键词
行人检测
深度神经网络
交通环境
车载视频
数据增广
-
Keywords
pedestrian detection
deep neural network
traffic environment
videos captured by in-car cameras
data augmented
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
