基于区域道路实况数据的交通行为谱分析方法

doi:10.11772/j.issn.1001-9081.2018081699

计算机应用 ›› 2019, Vol. 39 ›› Issue (3): 907-912.DOI: 10.11772/j.issn.1001-9081.2018081699

• 应用前沿、交叉与综合 • 上一篇下一篇

基于区域道路实况数据的交通行为谱分析方法

黄丰雨^1,2, 吴业福^1,2, 陈镜任^1,2, 吴冰^1,2

1. 武汉理工大学计算机科学与技术学院, 武汉 430063;
2. 交通物联网技术湖北省重点实验室(武汉理工大学), 武汉 430063

收稿日期:2018-08-17 修回日期:2018-10-21 出版日期:2019-03-10 发布日期:2019-03-11
通讯作者: 吴业福
作者简介:黄丰雨(1994-),男,江西抚州人,硕士研究生,主要研究方向:计算机网络、智能交通;吴业福(1964-),男,湖北红安人,副教授,博士,主要研究方向:交通信息与安全、人工智能;陈镜任(1996-),女,江西南昌人,硕士研究生,主要研究方向:机器学习、大数据分析、交通安全;吴冰(1992-),男,湖北武汉人,硕士,主要研究方向:大数据分析、交通安全。

Traffic behavior spectrum analysis method based on regional road live data

HUANG Fengyu^1,2, WU Yefu^1,2, CHEN Jingren^1,2, WU Bing^1,2

1. College of Computer Science and Technology, Wuhan University of Technology, Wuhan Hubei 430063, China;
2. Hubei Key Laboratory of Transportation Internet of Things(Wuhan University of Technology), Wuhan Hubei 430063, China

Received:2018-08-17 Revised:2018-10-21 Online:2019-03-10 Published:2019-03-11

摘要/Abstract

摘要：

针对国内外有关交通行为谱研究的特征指标和评价指标不完善，且不能定量分析等问题，设计并定义了相应的特征指标和评价指标以建立完整的、能够定量化的分析区域交通行为数据的交通行为谱体系。首先基于交通行为特征，采用改进的层次分析法（AHP）对交通秩序类型进行了分类；其次采用多数据融合的实时系统集成（RTSI）算法对某路段交通安全性进行综合评判。最后开发了交通行为谱分析工具，该工具能根据交通实况数据计算区域路段的交通安全指数，较为完备地分析该路段内的交通行为。

关键词: 交通行为谱, 交通行为谱分析工具, 区域道路实况数据, 交通行为特征, 多数据融合

Abstract:

Aiming at the problem that the characteristic and evaluation indexes for reasearch of traffic behavior spectrum are incompleted both at home and abroad and quantitative analysis cannot be performed in the research, the corresponding characteristic and evaluation indexes were defined to establish a complete traffic behavior spectrum system with quantitative analysis of regional traffic behavior data. Firstly, based on the characteristics of traffic behavior, an improved Analytic Hierarchy Process (AHP) was used to classify the traffic order types. Secondly, Real-Time System Integration (RTSI) algorithm with multi-data fusion was used to comprehensively evaluate the traffic safety of a certain road. Finally, a traffic behavior spectrum analysis tool was developed, calculating traffic safety index of a road section according to the traffic live data, and analyzing traffic behavior in the section more completely.

Key words: traffic behavior spectrum, analysis tool of traffic behavior spectrum, regional road live data, traffic behavior characteristic, multi-data fusion

中图分类号:

TP391.4

黄丰雨, 吴业福, 陈镜任, 吴冰. 基于区域道路实况数据的交通行为谱分析方法[J]. 计算机应用, 2019, 39(3): 907-912.

HUANG Fengyu, WU Yefu, CHEN Jingren, WU Bing. Traffic behavior spectrum analysis method based on regional road live data[J]. Journal of Computer Applications, 2019, 39(3): 907-912.

参考文献

[1] 陈旭.交通秩序数字化管理平台[D].长春:吉林大学,2016:28-31.(CHEN X. Digital management platform of traffic order[D]. Changchun:Jilin University, 2016:28-31.)
[2] 汪益敏,郭继幸,李林生,等.基于层次分析法的公路运营期路基状况评价[J].华南理工大学学报(自然科学版),2017,45(6):37-43.(WANG Y M, GUO J X, LI L S, et al. Condition evaluation of subgrade in highway operation period based on analytical hierarchy process[J]. Journal of South China University of Technology (Natural Science Edition), 2017, 45(6):37-43.)
[3] 刘家玮.道路交通环境对交通安全的影响及解决对策分析[J].中国管理信息化,2017,20(18):207-208.(LIU J W. Influence of road traffic environment on traffic safety and analysis of countermeasures[J]. China Management Informationization, 2017, 20(18):207-208.)
[4] 王坤峰,李镇江,汤淑明.基于多特征融合的视频交通数据采集方法[J].自动化学报,2011,37(3):322-330.(WANG K F, LI Z J, TANG S M. Visual traffic data collection approach based on multi-features fusion[J]. Acta Automatica Sinica, 2011, 37(3):322-330.)
[5] YU H, GUO M. A self-adapting data collection approach in wireless sensor networks for urban traffic information monitoring[C]//Proceedings of the 2010 IEEE International Conference on Intelligent Computing and Intelligent Systems. Piscataway, NJ:IEEE, 2010:196-200.
[6] LUO C, WU F, SUN J, et al. Efficient measurement generation and pervasive sparsity for compressive data gathering[J]. IEEE Transactions on Wireless Communications, 2010, 9(12):3728-3738.
[7] 郭礼照,杨三强,周良川,等.基于模糊层次分析法的高速公路交通安全综合评价[J].交通科技与经济,2017,19(2):8-12.(GUO L Z, YANG S Q, ZHOU L C, et al. Traffic safety comprehensive assessment of expressway based on fuzzy analytic hierarchy process[J]. Technology and Economy in Areas of Communications, 2017, 19(2):8-12.)
[8] WEN H, CHEN X. Traffic safety evaluation model for mountain road under bad weather based fuzzy comprehensive evaluation[C]//Proceedings of the 2011 International Conference on Multimedia Technology. Piscataway, NJ:IEEE, 2011:1865-1868.
[9] 李金花,刘莉,张宁,等.基于仿真的城市道路交叉口交通安全评价[J]. 中国安全科学学报,2016,26(12):41-46.(LI J H, LIU L, ZHANG N, et al. Simulation-based evaluation of urban road intersection traffic safety[J]. China Safety Science Journal, 2016, 26(12):41-46.)
[10] 罗强,胡三根,龚华炜,等.城市道路交通安全评价体系研究与模型构建[J].广西大学学报(自然科学版),2017,42(2):587-592.(LUO Q, HU S G, GONG H W, et al. Model building and research of urban road traffic safety evaluation system[J]. Journal of Guangxi University (Natural Science Edition), 2017, 42(2):587-592.)
[11] 李文勇,余子威,王涛,等.基于交叉口复杂度的交叉口秩序模型[J]. 广西大学学报(自然科学版),2016,41(5):1538-1544.(LI W Y, YU Z W, WANG T, et al. An intersection order model based on intersection complexity[J]. Journal of Guangxi University (Natural Science Edition),2016, 41(5):1538-1544.)
[12] TANG T-Q, WANG Y-P, YANG X-B, et al. A multilane traffic flow model accounting for lane width, lane-changing and the number of lanes[J]. Networks and Spatial Economics, 2014, 14(3/4):465-483.
[13] LI S B, LIN Y, REN H L, et al. Research on control strategies and optimal signal timing for traffic congestion based on prediction[J]. Applied Mechanics and Materials, 2011,40/41:858-865.
[14] 张惠玲,尹宝计.限速值对信号交叉口交通安全的影响分析[J].中国安全科学学报,2015,25(2):112-116.(ZHANG H L, YIN B J. Analyzing effects of speed limit on traffic safety at signalized intersection[J]. China Safety Science Journal, 2015, 25(2):112-116.)
[15] 张南,秦兵杰.基于交通冲突技术的高速公路合流区段安全性研究[J].综合运输,2016,38(10):55-59.(ZHANG N, QIN B J. Safety evaluation of freeway merge segment based on traffic conflict technique[J]. China Transportation Review, 2016, 38(10):55-59.)

基于区域道路实况数据的交通行为谱分析方法

Traffic behavior spectrum analysis method based on regional road live data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	章悦, 张亮, 谢非, 杨嘉乐, 张瑞, 刘益剑. 基于实例分割模型优化的道路抛洒物检测算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3228-3233.
[2]	胡誉生, 何炳蔚, 邓清康. 混合视觉系统的运动物体检测和静态地图重建[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3332-3336.
[3]	高洁, 朱元, 陆科. 基于雷达和相机融合的目标检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3242-3250.
[4]	张嘉琪, 张月琴, 陈健. 优化强化学习路径特征分类的脉象识别法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3402-3408.
[5]	闫钧华, 侯平, 张寅, 吕向阳, 马越, 王高飞. 基于多尺度多分类器卷积神经网络的混合失真类型判定方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3178-3184.
[6]	李福海, 蒋慕蓉, 杨磊, 谌俊毅. 基于生成对抗网络的梯度引导太阳斑点图像去模糊方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3345-3352.
[7]	曹建芳, 闫敏敏, 贾一鸣, 田晓东. 融合迁移学习的Inception-v3模型在古壁画朝代识别中的应用[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3219-3227.
[8]	刘太亨, 何昭水. 基于自编码和知识蒸馏的表面缺陷检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3200-3205.
[9]	谌贵辉, 刘会康, 李忠兵, 彭娇, 汪少天, 林瑾瑜. 基于仲裁机制的生成对抗网络改进算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3185-3191.
[10]	孙琳, 袁玉波. 基于人眼状态的瞌睡识别算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3213-3218.
[11]	葛晨宇, 董良, 许伊昆, 常毅, 张宏鸣. 基于总变分低秩组稀疏的全球雷达数据修复算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3353-3361.
[12]	罗圣钦陈金怡李洪均. 基于注意力机制的多尺度残差UNet实现乳腺癌灶分割[J]. 计算机应用, 0, (): 0-0.
[13]	杨鼎康黄帅王顺利翟鹏李一丹张立华. 基于对抗生成网络和网络集成的面部表情识别方法EE-GAN[J]. 计算机应用, 0, (): 0-0.
[14]	秦庭威赵鹏程秦品乐曾建朝柴锐黄永琦. 基于残差注意力机制的点云配准算法[J]. 计算机应用, 0, (): 0-0.
[15]	鲁永帅唐英杰马鑫然. 基于深度特征融合的无纺布低对比度浆丝缺陷检测方法[J]. 计算机应用, 0, (): 0-0.