基于自動車牌識別數據的城市道路行程時間估計.pdf

1、作為描述道路交通狀態(tài)的一項重要參數，行程時間的相關研究一直以來都是交通工程與交通科學領域的研究熱點。準確、實時且可靠的行程時間信息，包括路段行程時間和路徑行程時間，是先進的交通管理系統(tǒng)和先進的出行者信息系統(tǒng)的重要支撐。然而交通需求的波動性（如受季節(jié)效應、人口特征、交通信息等的影響）、交通供給的波動性（如受交通事件、道路施工、天氣因素、道路集合條件等的影響）以及信號控制交叉口車輛到達和離開的隨機性，導致城市道路路段行程時間在時間上、空間上

2、以及不同方向上都具有較大的不確定性。因此，對于傳統(tǒng)的基于交通流模型的路段行程時間估計方法，其行程時間估計結果誤差較大，難以反應實際道路交通狀態(tài)。
　　隨著交通信息采集技術和處理技術的快速發(fā)展，交通數據在傳統(tǒng)的環(huán)形感應線圈數據、微波雷達數據、紅外數據的基礎上，出現了浮動車數據、自動車輛識別數據、自動車牌識別數據和藍牙數據等新型交通數據。其中基于高清智能卡口的自動車牌識別數據包含有通過車輛的車牌號、通過時刻、進口方向和進口道編號等數據

3、，繼而可以獲得流量、單車行程時間及單車行駛方向等信息，而且高清智能卡口系統(tǒng)的布設日益廣泛。因此，本文利用基于高清智能卡口的自動車牌識別數據對城市道路路段行程時間以及路徑行程時間進行研究。
　　首先對基于高清智能卡口的自動車牌識別數據進行數據質量分析:介紹了高清卡口智能系統(tǒng)的工作原理、布設位置、檢測數據以及系統(tǒng)性能指標，在此基礎上展開了斷面數據質量分析（包括流量精度和自動車牌識別精度）和路段行程時間數據質量分析。將封閉路段作為研究對

4、象，通過分析路段行程時間估計結果（包括路段行程時間估計值和標準差的波動性）與路段行程時間樣本率的變化關系，發(fā)現樣本率越大，路段行程時間估計值的平均絕對百分誤差越小，標準差的波動性越小;當樣本率大于0.414時，基于樣本數據的路段行程時間參數滿足精度及穩(wěn)定性要求，繼而確定了路段行程時間的樣本率閾值。將非封閉路段作為研究對象，考慮路段開口，計算路段行程時間的實際匹配率，對其時空變化特征和顯著性差異進行分析。實際數據表明天氣良好時，行程時間的

5、實際匹配率與觀測路段及觀測日期無關，該值穩(wěn)定且均大于最小樣本率0.414;行程時間的實際匹配率與觀測時段有關，20:00～6:00時段內行程時間的實際匹配率相對于一天內其它時段低，但仍大于最小樣本率;最終確定了天氣良好時高清智能卡口數據用于估計城市道路路段行程時間的可行性。
　　其次，考慮交通流的不同方向，對路段行程時間進行估計:根據交通流在上游交叉口的駛入方向和在下游交叉口的駛離方向，將路段交通流分為9種。受交通需求/供給的波動

6、性以及信號控制交叉口車輛到達和離開的隨機性等原因影響，同一路段上不同方向交通流的路段行程時間可能會有所不同，利用實際采集的自動車牌識別數據，對同一路段上不同方向交通流的路段行程時間進行了一系列對比分析，驗證了顯著性差異的存在;并融合行程時間回歸模型，提出了基于交通流方向的路段行程時間估計方法，實現了部分交通流數據缺失時的行程時間估計;通過實際數據分析，驗證了估計方法能夠有效地處理噪聲數據，并且在數據缺失時，估計結果能夠較為準確地反映實際

7、交通狀態(tài)。
　　最后，基于路徑行程時間信息的分類和融合，提出了路徑行程時間分布的估計方法:根據路段交通流的定義對路徑進行重新定義，并進行觀測數據提取，實現部分無代表性數據的剔除;利用車輛行駛方向等信息對其路線進行判別，而路線缺口較大的車輛，對其路線進行拆分而非直接判別;在路線判別的基礎上，對部分路徑行程時間進行擴大，同樣忽略路徑缺口較大的車輛;根據行程時間的計算方式以及是否完整，將所有路徑下行程時間分為兩大類，完整的路徑行程時間(

8、TTC)和部分路徑行程時間(TTP);不同類別的行程時間處理方法不同，當TTC比例較高時，將其經驗分布(TTCD)作為路徑行程時間分布的估計結果，當TTC比例較低時，利用霍普金斯統(tǒng)計量尋找實驗路徑上的斷點交叉口，將各斷點之間部分路徑的行程時間分布的卷積作為基于TTP數據的行程時間分布(TTPD)，并將TTC數據與基于TTP數據的行程時間分布TTPD進行融合，得到路徑行程時間分布的估計結果;并利用實際路網和仿真環(huán)境下的256個實例，進行了