基於交通大數據的城市道路交通狀態短時預測研究

《基於交通大數據的城市道路交通狀態短時預測研究》是依託杭州師範大學，由單振宇擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於交通大數據的城市道路交通狀態短時預測研究
• 項目類別：青年科學基金項目
• 項目負責人：單振宇
• 依託單位：杭州師範大學

項目摘要

道路交通狀態預測是智慧型交通系統的核心技術之一,有助於提高道路交通運行效率,緩解交通擁堵這一當前亟待解決的經濟社會問題。本課題擬採用大數據分析的思路，解決道路交通狀態預測方法在城市路網套用中存在的魯棒性差、覆蓋範圍小、實時性低等問題，主要研究內容包括：設計多源異類海量交通數據的表示方法，提高存儲和計算的效率；建模全數據模式下的交通狀態變化規律，揭示路網交通狀態的時空域關係；研究數據複雜性問題，設計建模數據的有效抽取方法；基於以上算法和模型的實現，構建一個高效、準確、覆蓋範圍廣的城市路網交通狀態預測平台，並通過理論分析和真實路網中的實驗評估上述模型和算法的性能和可靠性。

結題摘要

道路交通狀態短時預測是智慧型交通系統的核心技術之一，有助於交通管理部門加強交通流誘導，幫助駕乘人員選擇合理通行路線，提高道路交通運行效率。本項目採用路面和車輛上安裝的感測器獲取的交通數據，力圖解決道路交通狀態預測方法在城市路網套用中存在的魯棒性差、覆蓋範圍小、實時性低等問題。 本項目的研究內容從交通大數據的表示研究、全數據模式下的交通狀態變化規律研究以及數據複雜性問題研究三個方面展開: a.在交通大數據的表示方法研究方面。研究了計程車GPS計算交通狀態的有效性問題，提出了一種基於採集數據數量的最佳化方法，估計和預測準確率提高了15%；研究了多源交通數據的高效存儲和並行處理，提出了線性可排序的四叉樹索引方法和基於HBASE架構的交通大數據並行處理框架，使得GPS點數據和路段匹配的存儲效率提高了15%，在多節點情形下能滿足實時性要求。 b.在全數據模式下的交通狀態變化規律研究方面。採用真實路網數據，巨觀角度研究了全路網不同道路交通狀態在空間域和時間域上的變化規律，提出了基於時空相關性的交通狀態預測方法，採用寧波市鄞州區真實數據進行了驗證實驗，預測準確率超過90%；微觀角度研究了短時車輛運行軌跡分析，並套用於實時的車輛碰撞預警，在高實時性要求下，準確率超過85%； c.在數據複雜性問題研究方面。研究了感測器部署位置和預測覆蓋度的問題，提出了一種基於GMM模型的交通數據採集設備的部署方法該方法把城市道路抽象成加權有向連通圖，其中路段為圖中的節點，在交通狀態（速度）上有一定關係的節點之間由邊相連。在數據覆蓋率小於40%的情況下，全路網的短時預測準確率大於80%。 通過本項目的研究解決了交通GPS大數據的高效處理、時空域關係模型等關鍵問題。高準確性、高實時性和高覆蓋率的短時預測方法和數據處理框架，為ITS領域的相關研究工作提供新的思路和方法，具有較強的套用意義和理論價值。