交通机器学习

  • 机器学习在铁路列车调度调整中的应用综述

    文超;李津;李忠灿;智利军;田锐;宋邵杰;

    随着铁路信息化进程的加快,铁路大数据与人工智能技术有力地支撑了我国铁路的高质量发展。本文回顾了近10年机器学习方法在铁路列车调度调整领域的主要研究成果,将列车调度调整问题分为列车晚点状态分析与评估、列车晚点传播预测和列车运行调整智能化决策三个方面,分别总结和分析了机器学习方法在上述三方面的应用情况。在列车晚点状态分析与评估方面,既有研究主要集中于传统统计分析,其描述和预测性能往往有限。在列车晚点传播预测方面,传统机器学习和深度学习方法被应用于晚点致因、晚点持续时长、列车晚点状态演化及晚点恢复预测问题的建模。在列车运行调整智能化决策方面,既有研究主要侧重于运用强化学习、模糊神经网络方法建模,机器学习方法应用于列车调度辅助决策系统仍是研究的主要难点和关键。在归纳了既有研究特征的基础上,展望了机器学习方法在铁路调度调整研究方面的最新动向。以深度学习为代表的高级机器学习应用于列车调度调整智能决策将是未来的发展重点。

    2022年01期 v.20;No.75 1-14页 [查看摘要][在线阅读][下载 11990K]
    [下载次数:944 ]
  • 基于深度强化学习的城市交通信号控制综述

    徐东伟;周磊;王达;丁加丽;魏臣臣;

    传统模型驱动的自适应交通信号控制系统灵活性较低,难以满足当前复杂多变交通系统的控制要求。近年来,深度强化学习方法在城市交通信号控制研究领域得到快速发展,并且与传统方法相比展现出一定的优势。交通信号控制在城市交通管理中起着至关重要的作用,因此,基于深度强化学习的交通信号控制具有较高的研究价值和意义。本文系统地介绍了深度强化学习的基本理论和其应用于交通信号控制系统的发展现状,包含单交叉口独立控制和多交叉口协同控制,并对已有模型和算法的优缺点进行分析。文章主体包括:基于深度强化学习的单交叉口信号控制模型和研究结果,基于深度强化学习的多交叉口协调控制模型和研究结果,以及用于评估交通信号控制模型的仿真环境。最后,总结了基于深度强化学习的交通信号控制系统的开放性问题及其在实际应用方面的挑战,并提出该领域未来的主要发展方向。我们希望本文为智能交通领域的研究学者提供参考的同时能够对交通信号控制的智能化起到积极作用。

    2022年01期 v.20;No.75 15-30页 [查看摘要][在线阅读][下载 4868K]
    [下载次数:1643 ]
  • 一种特征融合的视频事故快速检测方法

    王晨;周威;章世祥;

    交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义。目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用。针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速检测方法,以期在有限算力成本下同时获得较高的检测精度和较快的检测速度。模型将特征融合通过两个步骤实现:首先,提出了一种事故注意力模块,并将其嵌入至残差网络(ResNet50)中以从复杂交通场景中筛选事故相关的外观特征;之后,将该外观特征输入到卷积长短时间记忆网络(Conv-LSTM)中,实现外观特征的微调与运动特征的提取。训练后的模型在视频测试集上的精度达到88.89%,检测速度达到FPS>30。事故注意力模块的引入提高了模型的外观特征筛选能力,而Conv-LSTM相比一般LSTM模型在提取运动特征时可以更好地保留外观特征,相比传统基于运动特征的检测方法,该模型可以获得更高的精度。相比典型特征融合模型(如C3D),模型显著降低了计算复杂度,在检测速度上更快。研究结果表明,本文提出的事故检测模型可以在有限算力下较好地取得事故检测精度和速度的平衡,有望实现推广应用。

    2022年01期 v.20;No.75 31-38页 [查看摘要][在线阅读][下载 41039K]
    [下载次数:160 ]
  • 基于xDeepFM的铁路货物运输时间预测

    蒋哲远;葛承宇;陈超;米希伟;

    铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键。货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的特征融合机制、提高整体预测效果,本文创新性地将智能推荐算法领域的xDeepFM算法引入货运时间预测问题。基于该算法的因子分解机、深度学习等思想构建了货运时间预测模型,设计了数据预处理、特征映射及参数寻优模块,利用模型能自动高效学习复杂因素的显式和隐式高维特征交互关系来提升预测效果,为解决铁路货物运输时间预测问题提供了新思路。在案例研究中,本文选取2种经典机器学习模型(LSSVM、随机森林模型)和3种新颖深度学习模型(DNN、CNN、LSTM)作为对比模型。实验结果表明:本文所建的xDeepFM模型的预测误差MSE为0.499 1,MAPE为3.473%,相较于对比模型,xDeepFM模型具有更高的预测准确度,适合运营环境复杂的货物运输预测问题,能够实现较好的预测效果。

    2022年01期 v.20;No.75 39-46+97页 [查看摘要][在线阅读][下载 26223K]
    [下载次数:217 ]

出行选择行为

  • 用自由效用模型刻画出行选择行为

    王浩;闫小勇;

    出行需求预测是交通规划与管理中的一个重要环节,四阶段法是传统出行需求预测中最常采用的流程。尽管研究者在四阶段法的各阶段中已经建立了大量模型,但仍缺乏能刻画不同阶段中相互作用的出行者群体出行选择行为的统一建模框架。本文采用在数学形式上与物理学中亥姆霍兹自由能函数一致的自由效用模型来分别和组合刻画出行者的出行方式、目的地和路径选择行为。自由效用模型的基本假设是相互作用的出行者们会通过权衡期望效用和信息处理成本来使自身的效用最大化。该模型不仅为群体出行选择行为提供了一个统一的建模框架,还为理解交通科学中的用户平衡模型和博弈论中的势博弈模型提供了新的视角。

    2022年01期 v.20;No.75 47-54页 [查看摘要][在线阅读][下载 2446K]
    [下载次数:479 ]
  • 基于潜在类别模型的出行决策机理异质性研究

    潘晓锋;左志;

    传统的离散选择模型是基于随机效用最大化准则构建的,然而考虑到决策者的异质性,不同的群体可能采用不同的决策机理。为此,本文考虑了两种不同的决策机理:随机效用最大化准则和相对优势最大化准则,并采用潜在类别模型来验证出行决策机理异质性的存在。首先,基于SP实验设计收集出行数据;其次,分别构建基于随机效用最大化准则的logit模型、基于相对优势最大化准则的logit模型和结合两者的潜在类别模型;最后,对比分析各个模型的拟合度并基于不同模型进行了弹性分析。研究结果显示:(1)基于随机效用最大化准则的logit模型和基于相对优势最大化准则的logit模型两者的拟合度相似,且均低于结合了两者的潜在类别模型;(2)基于随机效用最大化准则的logit模型和基于相对优势最大化准则的logit模型对于不同出行选项属性的弹性分析结果相似,然而与结合了两者的潜在类别模型的弹性分析结果相差较明显。该结论说明了出行决策机理异质性的重要性,在实践应用过程中忽略出行决策机理的异质性可能对相应政策的制定与评估带来误导作用。

    2022年01期 v.20;No.75 55-62页 [查看摘要][在线阅读][下载 1488K]
    [下载次数:380 ]
  • 共享汽车供给模式影响下私家车用户出行方式选择演化研究

    闫康礼;申栋夫;汪寒冰;牟振华;

    共享汽车不同供给模式影响了用户出行方式选择,其演化过程和影响因素有待深入剖析。本文基于演化博弈理论和用户有限理性,对应以"经济"和"高效"为两个阶段的服务目标,分别构建定点式、浮动式共享汽车与私家车博弈的情形,并讨论在此两种情形下用户选择演化路径。模型考虑了共享汽车数量、租赁价格和用户寻车时间等主要影响因素,同时进行了系统均衡稳定性分析和数值仿真。结果表明:(1)共享汽车初始数量以及出行成本为私家车数量和出行成本的50%时,可以实现自身的长期稳定发展;(2)浮动式共享汽车出行收益效用为私家车2倍时,可以吸引近50%用户;(3)共享汽车收益和数量的增加能够有效抑制私家车收敛于1的速率,甚至破坏现有的稳定点。本研究对政府及相关企业发展和推广共享汽车具有重要借鉴意义。

    2022年01期 v.20;No.75 63-72页 [查看摘要][在线阅读][下载 1575K]
    [下载次数:613 ]
  • 电动汽车驶离充电桩行为研究

    赵倩;罗霞;张奕源;

    电动汽车驶离充电桩行为能使充电设施资源得到充分利用,是目前车桩发展不平衡问题下需要关注的问题。现有研究缺乏对用户充电后驶离行为的分析,为探求电动汽车驶离行为的驱动因素,首先,通过引入社会责任意识和感知转换成本两个态度潜变量,融合结构方程模型与离散选择模型,构建了混合选择模型(HCM)。该模型框架下包含结构模型、测量模型和选择模型三部分。其次,采用D-efficient实验设计法生成意愿调查问卷,对电动汽车用户开展实证调查。最后,对HCM模型进行同步求解。结构模型和测量模型将难以直接观测的态度潜变量进行了量化,选择模型同时纳入了态度潜变量、个人社会经济属性变量和充电场景属性变量,并根据模型标定值对关键因素作弹性和边际分析。结果表明:社会责任意识更强和感知转换成本更低的个体更倾向于充电后驶离;移车费时和惩罚费用对用户影响最为显著,弹性值分别为-0.365和0.169,边际效用分别为-0.0173和0.0324;引入潜变量的HCM模型能够提高模型解释能力,拟合优度较普通Logit模型提升了0.237。

    2022年01期 v.20;No.75 73-79页 [查看摘要][在线阅读][下载 4876K]
    [下载次数:291 ]

智慧公共交通

  • 考虑时间容忍度的轨道交通应急接驳公交蓄车点选址研究

    何祖勇;郭茜;吴刚;

    传统城市轨道交通应急接驳公交蓄车点选址的研究对时间的处理过于简化,未充分体现乘客的时间需求,针对这一不足,引入时间容忍度概念。首先,根据出行计划是否受到影响及受影响程度,对系统内乘客进行分类,分析轨道交通中间站及端点站在乘客类别上的差异。而后,利用时间容忍度的调查数据,拟合满意度函数,并据此定义本文的时间惩罚成本函数。进而,以蓄车点数量最少和时间惩罚成本最低为目标,建立蓄车点选址-分配模型,研究乘客等待时间容忍度对选址的影响。最后,以轨道交通车站均为中间站的上海长宁区为例,选用Lingo11.0对ε-约束法处理后的模型进行求解及灵敏度分析,并提出蓄车点服务能力限制下的模型改进方法。案例结果表明,在时间容忍度为[5,10]min时,公交接驳服务无法令乘客满意;在时间容忍度为[20,25]min时,可最大程度减少蓄车点数量;考虑乘客等待时间容忍度后,蓄车点并非总是服务于与其最近的需求站,而同一需求站一般不会由多个蓄车点协同服务。

    2022年01期 v.20;No.75 80-88页 [查看摘要][在线阅读][下载 8015K]
    [下载次数:283 ]
  • 集时空聚类和指标筛选的公共交通通勤者识别

    周航;陈学武;

    通勤者作为公共交通乘客构成的核心部分,其识别提取是此类人群特征分析的前提。本文基于南京市常规公交、轨道交通和公共自行车的刷卡与设施数据,进行公共交通通勤者识别。首先,根据数据信息是否完整,分别采用两步聚类法和线路相似性整合法提取相似性出行;然后,识别职住地,再通过出行天数、单次出发时间差和工作往返出发时间差3项指标完成筛选。经通勤调查验证和方法有效性比较,各类参数取值合理,方法有效并存在应用优势。本文提出的通勤识别方法将出行时空规律与指标筛选紧密结合,考虑了数据完备与不完备条件下的不同数据处理思路,方法通用性和操作性强,识别结果能够为公共交通通勤乘客特征分析提供数据基础,有效指导后续城市公共交通设施布局和服务优化。

    2022年01期 v.20;No.75 89-97页 [查看摘要][在线阅读][下载 13595K]
    [下载次数:297 ]
  • 干线公交优先下的相位快速补偿机制研究

    树爱兵;刘明;刘小高;

    针对干线系统中公交与社会车辆的冲突难以调和的问题,考虑兼顾社会车辆通行效益下的公交优先权,基于干线协调控制背景和公交优先策略设计了一种精细化的相位快速补偿机制。首先,优化公共周期、相位差、绿信比等参数,设计干线协调背景方案。然后,考虑基本绿波带和相位压缩机制,预测实现公交优先通行的有效绿灯区间和协调相位的移动量,同时,优化非协调相位的绿灯损失时间,建立绿灯延长与红灯早断策略下的相位快速补偿机制。与以往独立实施优先和补偿的控制方式不同,精细化的干线配时设计可以更大限度地均衡公交优先下各相位的绿信比。以杭州市海达南路干线为例,在VISSIM仿真平台进行验证,结果表明:实施干线相位快速补偿机制时,公交的优先成功率可达65%。与简单的绿灯补偿方式相比,社会车辆的车均延误由26.81 s降低至24.18 s,各个相位的平均变化量不超过1 s,验证了该方法对干线公交优先控制具有积极作用。

    2022年01期 v.20;No.75 98-107页 [查看摘要][在线阅读][下载 17787K]
    [下载次数:254 ]

道路交通安全

  • 考虑时间稳定性的公交事故严重性影响因素分析

    沈金星;刘坤;于淼;马昌喜;

    为了探究公交事故严重性影响因素的时间稳定性和潜在未观察到的异质性,构建了随机阈值随机参数分层有序probit模型(RTRPHOPIT),并利用2016—2019年的公交事故数据,分析了驾驶员特征、道路环境特征和事故特征变量对死亡、重伤以及轻伤事故的潜在影响。基于似然比检验对影响因素时间稳定性的判断,构建了两个不同时间段的RTRPHOPIT模型,分析了模型参数和阈值的随机性,并对变量的边际效应进行了对比。结果表明:通过允许模型阈值与估计参数具有随观测值变化的随机性,RTRPHOPIT模型能有效地捕捉未观测的异质性,且能充分揭示影响公交事故严重性的因素特征。此外,影响公交事故严重性的因素存在明显的时间不稳定性,不同时间段模型中阈值都是随机分布的,且模型参数和阈值随机性的解释变量存在差异性。其中,侧面碰撞事故和城区道路变量会增加模型的阈值,环形交叉口、多车事故、停车过程事故以及上午事故变量为模型的随机参数。模型变量的边际效应分析结果表明,2016—2017年模型中,乡村驾驶员、夜间无路灯道路、湿滑路面、晴天事故、侧面碰撞事故以及正面碰撞事故变量会增加严重伤害事故发生的可能性;2018—2019年模型中,男性驾驶员、主干道、公交专用道、夜间亮灯道路、翻车事故以及正面碰撞事故变量会增加严重伤害事故发生的可能性。除正面碰撞事故变量外,其他因素变量对事故严重性的影响随着时间的推移而变化。因此,管理者在制定公交安全政策时,需要慎重考虑事故严重性影响因素的异质性及其在时间维度的不稳定性。

    2022年01期 v.20;No.75 108-118页 [查看摘要][在线阅读][下载 1582K]
    [下载次数:291 ]
  • 基于FP-growth算法的交通事故和违法关联规则研究

    李昀轩;李萌;陆建;顾欣;

    交通事故和交通违法之间的关联规则是交通安全领域的重要研究问题。本文提出了一种基于时空约束条件的交通事故和交通违法数据关联方法,采用FP-growth(频繁模式)关联分析算法深入挖掘事故和违法之间的内在关联和潜在规律。选取苏州市吴江区中心城区2017年2 176条交通事故数据和98 584条交通违法数据作为研究对象,通过基于时空约束的数据关联方法获得1 417条交通事故和违法关联数据,关联数据在空间和时间上分布均匀,数据的发生时间集中于每天7:00~22:00之间且具有明显的早、晚高峰现象;通过FP-growth算法获得5类交通事故和4类交通违法共18条强关联规则。研究结果表明,"闯红灯"违法行为会导致交通事故产生,下雨或堵车会加剧违法行为转化成交通事故。车辆"违停"违法行为关联所有交通事故类型,导致周边的交通安全风险明显提高。关联规则可以帮助交通管理者制定更有效的措施减少相关交通违法行为,从源头减少交通事故的发生,提高城市交通安全水平。

    2022年01期 v.20;No.75 119-127页 [查看摘要][在线阅读][下载 7523K]
    [下载次数:706 ]
  • 基于复杂网络的营运货车交通事故风险因素识别

    胡立伟;杨鸿飞;何越人;赵雪亭;尹宇;田海龙;凌浩晗;

    为明晰营运货车各交通事故风险因素间的关联性,通过分析营运货车交通事故数据,从人、车、环、管四方面确定29个风险因素,并运用共现分析法计算邻接矩阵和Jaccard指数确定各风险因素间的关联性,据此基于复杂网络理论建立网络节点多属性决策综合评价网络模型,判断各风险因素的重要程度。结果表明:营运货车交通事故风险因素网络具有复杂特性、小世界特性及无标度特性。超速、超载、操作不当、制动系统不合格、路面湿滑、交叉路口、驾驶员及车辆监管疏漏是关键链接风险因素。整体上,驾驶员风险因素异常会直接导致交通事故发生;道路环境因素属于较深层次的间接因素;企业风险因素是本质因素,具有高驱动力。

    2022年01期 v.20;No.75 128-134页 [查看摘要][在线阅读][下载 18701K]
    [下载次数:573 ]

  • 《交通运输工程与信息学报》投稿指南

    <正>《交通运输工程与信息学报》为季刊,每季末月20号出刊,主要关注交通运输系统(包括道路、铁路、航空、航海等各种交通方式)运营管理与信息化相关创新理论方法研究。尤其鼓励面向国家重大需求与领域热点的探索与创新,如:国家综合立体交通网、交通强国、川藏铁路、碳中和与碳达峰、自动驾驶、大数据与机器学习等。

    2022年01期 v.20;No.75 135页 [查看摘要][在线阅读][下载 123K]
    [下载次数:21 ]
  • 下载本期数据