(way2data)
(way2data)
(way2data)
(way2data)
第三方登录：下载费用：20 金币 &
基于实时信息的城市道路交通状态评价指标体系研究 基于实时信息的城市道路交通状态评价指标体系研究3姜桂艳郭海锋孟志强朱伟刚吉林大学长春130022摘要分析建立城市道路交通状态评价指标体系的目的和作用,从不同角度对城市道路交通状态的含义进行界定。以实时采集到的各类交通信息为基础,针对交通指挥、交通引导和交通控制等系统的需求,建立了一套城市道路交通状态评价指标体系,并提出了各指标的计算方法。关键词城市道路交通流交通状态指标体系实时交通信息中图法分类号U491文献标识码A道路交通流运行管理的效率和效果。1建立城市道路交通状态评价指标体系的目的和作用城市道路交通状态是指交通流的总体运行状2城市道路交通状态的含义城市道路交通状态是指交通流的总体运行状况,具有多尺度、多变量、随机和时变的特性。不同的交通状态,需要采用不同的交通控制和管理方案。对城市道路交通状态进行分析是交通指挥、交通引导和交通控制的基础,界定交通状态的概念、制定交通状态的评价指标体系、设计合理的交通状态指标计算方法是非常必要的。目前,国内外研究者对城市道路交通状态进行了相关研究,并取得了一些有益的成果125。但是,已有研究中用于描述交通流运行状况的指标主要是从固定型检测器采集到的数据中直接提取的,这些指标即是固定地点的流量、速度、占有率等交通参数。采集的基础数据通常是为交通信号控制系统服务的,虽然可用于说明特定地点的交通流运行状态,但难以准确、全面描述交通流运行状态的区间变化规律,仍无法完全满足交通指挥、交通引导系统需求。因此,目前亟需建立一套系统的、基于实时信息的城市道路交通状态评价指标体系,以便能同时满足上述各系统的需求。本文研究的目的,即是在综合考虑动态交通信息获取可行性的基础上,设计不同层次、不同角度的交通状态评价指标,最大限度地满足交通指挥、交通引导和交通控制系统的需要,以提高城市况,可从微观、中观和宏观角度对其进行分析。从微观上看,交通流运行状态可表现为交通流量大小、车辆速度快慢、车辆排队长短、延误时间大小等定量指标。从中观上看,交通流运行状态可描述为某一路段或路口交通状况的综合水平,可分为正常状态和异常状态。正常状态是指所有车辆都能够有秩序、安全、顺畅地运行异常状态即非正常状态,包括常发性交通拥挤、偶发性拥挤和不引发拥挤的交通事件。在通常情况下,交通拥挤又可根据需要将其分为一般拥挤、较严重拥挤、严重拥挤和堵塞等。从宏观上看,交通流运行状态可描述为城市道路网或局部路网的交通顺畅程度以及交通事件的数量,可用不同拥挤程度的道路里程百分比、不同严重程度的交通事故数量等表示。上述3类交通流运行状态指标是密切相关的,微观指标是中观和宏观指标的基础。通常微观指标主要用于交通信号配时优化、车辆行驶路径计算等战术性的交通决策,而中观和宏观指标一般用于信号控制策略选择、交通现场指挥与救援调度等战略性的交通决策。3城市道路交通状态评价指标体系的建立基于可用的动态交通信息获取手段,本文提收稿日期“863”国家高科技项目资助批准号8国家自然基金重点项目资助批准号交通与计算机2007年第5期第25卷总138期出的城市道路交通状态评价指标体系由微观指标、中观指标和宏观指标组成,如图1所示。图中信息来源是指动态交通信息采集的手段,基础信息是指各种采集手段能提供的直接信息,微观指标则是由这些基础信息通过相应的交通模型或其它相关模型转化而来,中观指标是由微观指标通过相应的算法或统计方法计算获得,宏观指标则由中观指标统计计算获得。由图1所示,各类指标一起构成了交通状态评价指标体系。根据实时交通信息的来源不同,可以得到不同形式的动态交通数据,这是对城市道路交通状态进行评价的前提条件。微观指标用于从不同角度描述单个路段或路口的交通状态,通过交通模型或交通事故报警记录的方式与基础交通信息相关联。中观指标用于描述单个路段或路口交通状况的综合水平,通过一定的算法或统计分析与微观指标相关联,这类指标既可以是单个微观量化指标的离散化表达结果,也可以是多个微观指标融合表达的结果。宏观指标用于描述整个路网或区域路网的总体交通状况,主要通过统计分析与中观指标相关联。图1城市道路交通状态评价指标体系际行程时间与理论行程时间的差值。31微观指标本文充分考虑各交通系统的需求,以不同来源的实时交通信息为基础,提出的微观指标包括如下13种1路段平均行程时间。是指在特定时间间隔内,在实际交通条件下,通过该路段的所有车辆行程时间总和的算术平均值。路段平均行程时间的计算分为2个步骤首先计算在特定时间间隔内通过指定路段的所有浮动车的平均行程时间,然后再根据浮动车的种类和数量,对所有车辆的平均行程时间进行估计。2路段平均行程速度。是指在特定时间间隔内,在实际交通条件下,该路段长度与所有通过该路段的车辆的平均行程时间的比值,即该路段长度与该路段平均行程时间的比值。3路段平均行程延误。延误是指在实际交通条件下,车辆沿某一路段行驶,经过特定路段的实理论行程时间的确定比较复杂,标准不统一,比如可以以车辆在设计速度通过该路段的行程时间作为其理论行程时间6也可以以车辆在自由流状态下通过该路段的行程时间作为其理论行程时间。在本文中,理论行程时间是指车辆按照道路的限制速度通过特定路段所需要的行程时间。因此,路段平均行程延误是指在特定时间间隔内,路段车辆总延误的平均值,它是该时间间隔内该路段上浮动车平均行程延误的函数,其准确程度与浮动车的样本量有关。4路段排队长度。由于以停驶车辆为对象的排队长度在实际计算中困难重重,而且由于存在转向车道和信号控制,城市道路中路段排队长度的计量更加复杂。考虑到路段上的排队长度与车辆数密切相关,因此本文采用路段上的车辆数代替路段排队长度的概念。路段上的车辆数可以根基于实时信息的城市道路交通状态评价指标体系研究姜桂艳郭海锋孟志强,等23据通过路段上游检测器的车辆数及通过路口停车线的车辆数进行估计。路段上的车辆数由两部分组成,一部分是上个时间间隔内剩余的车辆数,另一部分是本时间间隔内累计进入该路段的车辆数减去本时段内累计通过路口的车辆数。5路段交通饱和度。在本文中,路段交通饱和度是指某一时间段内,该路段的到达流量与该路段瓶颈处的通行能力的比值。在城市道路中,瓶颈处的通行能力通常是指路段与路口交汇处停车线断面的通行能力。但是,如果路段上有其它进出口对车流产生干扰,则在不同的时段,瓶颈所处的地点可能不同,需要根据具体情况离线观测确定。6路段有无交通事件。是指在特定时间间隔内,该路段上是否存在交通事件。7路段交通事件类型。是指在特定时间间隔内,该路段发生的交通事件的类型。8路口有无交通事件。是指在特定时间间隔内,该路口是否存在交通事件。9路口交通事件类型。是指在特定时间间隔内,该路口发生的交通事件的类型。10路口各进口道排队长度。本文根据不同交通决策的需要特点,将路口各进口道排队长度定义为两种形式1用于信号配时的进口道排队长度。在信号配时系统中,进口道排队长度是指绿灯初始时刻进口道停车线前车道上的累计停驶车辆数。通常由本周期车辆的平均到达率乘以有效红灯时长,加上前一周期滞留的排队车辆数。2用于状态判别的进口道排队长度。交通状态判别的时间间隔与信号周期时长通常是不一致的,因此无法运用信号配时中的进口道排队长度概念。在本文中,路口各进口道排队长度与路段排队长度的概念一致,都是指特定时间间隔结束时的路段上的车辆数。11路口各进口道流量。是指特定时间间隔内,各进口道入口处检测器检测到的流量数据。12路口交通饱和度。路口饱和度的定义是从信号配时角度给出的,传统的路口交通饱和度是指饱和程度最高的相位所达到的饱和度值。该定义虽直观地反映了路口的交通饱和情况,但无法反应各进口道的具体情况。即,既使路口饱和程度相同,但却无法体现各进口道饱和程度不同所体现的具体差异,而这一差异将影响路口交通状态的判别。根据信号配时和交通状态判别的不同需求,将其分别定义为①用于信号配时的路口交通饱和度,是指饱和程度最高的相位所达到的饱和度值②用于状态判别的路口交通饱和度,是指特定时间间隔内,路口各进口道路段交通饱和度的加权综合值。13路口平均延误。根据信号配时和交通状态判别的不同需求,将其分别定义为①用于信号配时的路口平均延误,是指一个信号周期内通过路口的所有车辆的单车平均延误时间,按照已有的经典模型计算②用于交通状态判别的路口平均延误,是指路口各进口道路段平均行程延误的加权值。在只能获得固定型检测器的地点数据时,可以通过实地观测方法建立各进口道路段平均行程延误与地点交通参数的相关模型,对其进行估算。32中观指标从交通观察者或者参与者的角度看,交通状态可以有以下4种,即不拥挤、较严重拥挤、严重拥挤和堵塞。因此,本文对路段和路口的拥挤程度等级也将划分为上述4种。中观指标包括如下3种1路段拥挤程度等级及持续时间。指由微观指标统计或算法计算得到的各路段拥挤程度等级及该拥挤程度等级持续的时间。2路口拥挤程度等级及持续时间。指由微观指标统计或算法计算得到的各路口拥挤程度等级及该拥挤程度等级持续的时间。3交通事件位置与类型。指交通事件发生在路口或路段,交通事件的类型通常有大型活动、道路维护、道路修建、特勤、恶劣天气和交通事故。33宏观指标在本文提出的城市道路交通状态评价指标体系中,宏观指标包括如下10种1不同拥挤程度的各类道路的里程,KM2不同拥挤程度的各类道路里程占该类道路总里程的比例,3不同拥挤程度的各类道路里程占该拥挤程度道路总里程的比例,4不同拥挤程度的各类路口拥挤持续时间,H5不同拥挤程度的各类路口的数量,个6不同拥挤程度的各类路口数量占该类路24交通与计算机2007年第5期第25卷总138期口总数的比例,7不同拥挤程度的各类路口数量占该拥挤程度路口总数的比例,8各类交通事件的数量,起交通状态评价指标体系,并对各指标的计算方法进行了论述。参考文献1MATTHEWWGREEN,MICHAELDFONTAINE,BRIANLSMITHINVESTIGATIONOFDYNAMICPROBESAMPLEREQUIREMENTSFORTRAFFICCONDITIONMONITORING9例,10各类交通事件在不同类型道路上的比各类交通事件持续的时间,H。TRANSPORTATIONRESEARCHRECORD,61其中,道路类别分为快速路、主干路、次干路和支路道路拥挤里程是指拥挤的路段长度之和路口类别分为主2主路口、主2次路口、主2支路口、次2次路口和次2支路口。2MAJIDSARVI,RYOTAHORIGUCHI,MASAOKUWAHARAETALAMETHODOLOGYTOIDENTIFYTRAFFICCONDITIONUSINGINTELLIGENTPROBEVEHICLESPROCEEDINGSOF10THITSWORLDCONGRESS,MADRID,石征华,侯忠生城市快速路拥挤度判别方法研究交通与计算机,3劳云腾,杨晓光,云美萍,等交通状态检测方法的评价研究交通与计算机,7姜桂艳道路交通状态判别技术与应用北京人民交通出版社,2004杨晓光城市道路交通设计指南北京人民交通出版社,20034结论3本文针对当前交通指挥、交通引导、交通控制等系统的需求,分析了建立城市道路交通状态评价指标体系的目的和作用,并从不同角度对城市道路交通状态的含义进行了界定。以实时采集到的各类交通信息为基础,建立了一套可从不同层次、不同角度满足不同交通决策要求的城市道路456EVALUATIONINDEXESFORURBANTRAFFICCONDITIONSBASEDONREALTIMEINFORMATIONJIANGGUIYANGUOHAIFENGMENGZHIQIANGZHUWEIGANGJILINUNIVERSITY,CHANGCHUN130022,CHINAABSTRACTBASEDONTHEANALYSISOFTHEOBJECTIVESANDFUNCTIONSFORDEVELOPINGEVALUATIONINDEXESOFURBANTRAFFICCONDITIONS,THEMEANINGSOFURBANTRAFFICCONDITIONSWEREDEFINEDFROMMULTI2ANGLESBASEDONTHEAVAILABILITYOFREAL2TIMETRAFFICINFORMATIONANDTHENEEDSFORTHETRAFFICCONDITIONINFORMATIONBYSCENEMANAGEMENT,GUIDANCE,ANDSIGNALCONTROL,ATRAFFICEVALUATIONINDEXSYSTEMFORURBANROADNETWORKWASSETUPMOREOVER,THEON2LINECALCULATIONMETHODSFOREACHINDEXWEREPROPOSEDKEYWORDSURBANROADTRAFFICFLOWTRAFFICCONDITIONINDEXSYSTEMSREAL2TIMETRAFFICINFORMATION
文档加载中……请稍候！
下载文档到电脑，查找使用更方便
20 金币 &&0人已下载
还剩页未读，继续阅读
<a href="UserManage/CopyrightAppeal.aspx?bid=6403732" title="版权申诉" class="fLeft works-manage-item works-manage-report" target="_blank"
关&键&词： 基于 实时 信息 城市 道路交通 状态 评价 指标体系 研究 论文 毕业论文 毕业设计 免费 下载 ppt 课件
& 天天文库所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
本文标题：基于实时信息的城市道路交通状态评价指标体系研究 链接地址：
当前资源信息
类型： 共享资源
格式： DOCX
大小： 164.44KB
上传时间：
&& 广告或垃圾信息
&& 色情、淫秽、低俗信息
&& 反政府、反人类、反社会等反动信息
&& 散布赌博、暴力、凶杀、恐怖或者教唆犯罪等信息
&& 侮辱、诽谤等人身攻击信息
&& 散布谣言、扰乱社会秩序，破坏社会稳定等信息机器学习算法中提取指标权重的方法有哪些_百度知道
机器学习算法中提取指标权重的方法有哪些
我有更好的答案
楼主肯定对机器学习了解不多才会提这种问题。这问题专业程度看起来和“机器学习工程师”这词汇一样。机器学习，基础的PCA模型理论，贝叶斯，boost,Adaboost,模式识别中的各种特征，诸如Hog，Haar,SIFT等深度学习里的DBN，CNN，BP，RBM等等。非专业出身，只是略懂一点。没有常用的，只是针对需求有具体的设计，或者需要自己全新设计一个合适的算法，现在最热门的算是CNN(convolutional neural networks)卷积神经网络了。优点:不需要训练获取特征，在学习过程中自动提取图像中的特征，免去了常规方法中，大量训练样本的时间。在样本足够大的情况下，能够得到非常精确的识别结果。一般都能95%+的正确率。缺点：硬件要求高，CUDA的并行框架算是用的很火的了。但是一般的台式机跑一个Demo花费的时间长资源占用高。不过这也是这块算法的通病。
为您推荐：
其他类似问题
&#xe675;换一换
回答问题，赢新手礼包&#xe6b9;
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。关联规则算法在教学评价指标体系中的应用--《现代计算机(专业版)》2013年23期
关联规则算法在教学评价指标体系中的应用
【摘要】：现行的教学评价指标体系中,对指标权数的确定通常采用层次分析法,而层次分析法中表示各因素之间重要程度的判断矩阵的取值取决于专家的主观经验,波动较大。提出将关联规则算法引入层次分析法中,通过教学指标各因素和学生成绩之间的关联程度的大小来构造判断矩阵,从而得到较客观的指标权数。
【作者单位】：
【基金】：
【分类号】：G642;TP311.13
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
吴哲敏;梁海霞;;[J];武汉理工大学学报(信息与管理工程版);2006年01期
张峰;胡艳连;;[J];长春师范学院学报;2006年06期
李小艳;王守瑞;;[J];价值工程;2006年07期
邢红卫;范瑞雅;陈丽;郭科研;;[J];内江师范学院学报;2006年S1期
刘佳;;[J];新学术;2007年04期
李冰冰;;[J];考试周刊;2009年32期
张文耀;;[J];西北大学学报(哲学社会科学版);2009年04期
王涛;贾诺;王辉;;[J];黑龙江教育学院学报;2009年12期
毛丙波;;[J];辽宁大学学报(自然科学版);2010年01期
龙英;李国俊;廖宏伟;;[J];教育财会研究;2010年03期
中国重要会议论文全文数据库
首照宇;;[A];第八届中国青年运筹信息管理学者大会论文集[C];2006年
杨柳英;;[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年
杨林静;;[A];决策科学与评价——中国系统工程学会决策科学专业委员会第八届学术年会论文集[C];2009年
王光源;姚欣;;[A];第六届中国青年运筹与管理学者大会论文集[C];2004年
常公鹏;;[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年
郭鸽;佘力君;李晓奇;;[A];第三届中国智能计算大会论文集[C];2009年
李钢;陈萍;;[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
刘叶云;刘吉良;;[A];第三届（2008）中国管理学年会论文集[C];2008年
宋效中;田忠飞;;[A];中国会计学会第八届全国会计信息化年会论文集[C];2009年
连漪;;[A];广西高等教育改革与发展——《广西高教研究》创刊十周年（）论文选集[C];1996年
中国博士学位论文全文数据库
马小洁;[D];华中科技大学;2009年
夏敏;[D];大连理工大学;2010年
王凤慧;[D];天津大学;2010年
吴荣斌;[D];华中科技大学;2012年
朱迎春;[D];天津大学;2009年
方宝红;[D];东华大学;2011年
周大鹏;[D];中国矿业大学(北京);2012年
张丽娜;[D];中国矿业大学（北京）;2013年
于艳玲;[D];武汉理工大学;2010年
胡帆;[D];武汉理工大学;2013年
中国硕士学位论文全文数据库
陈媛媛;[D];武汉理工大学;2006年
王琼;[D];黑龙江大学;2005年
薛冠夫;[D];东北财经大学;2007年
陈丽;[D];华中师范大学;2008年
左文龙;[D];电子科技大学;2008年
王博超;[D];华北电力大学（河北）;2009年
白海宁;[D];华北电力大学;2011年
周青;[D];哈尔滨工程大学;2006年
张阿李;[D];江苏大学;2009年
王攀;[D];武汉理工大学;2006年
&快捷付款方式
&订购知网充值卡
400-819-9993}