-
公开(公告)号:CN111583628B
公开(公告)日:2021-05-11
申请号:CN202010227998.4
申请日:2020-03-27
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于数据质量控制的道路网重型货车交通流量预测方法,针对GPS流量数据及收费站监测数据两种数据源划分三类数据路段,分别采取不同的预测方法。针对有GPS流量数据的路段,由于GPS数据存在获取不够全样问题,采用先分段常系数法扩样再长短时循环神经网络预测的方法。针对无GPS数据的无数据路段,采用K最近邻算法预测流量。针对收费站监测数据路段,由于数据样本全面,直接采取长短时循环神经网络算法进行预测。本发明从流量预测面对的实际工程问题出发,分析多种数据来源特征来提高数据质量,进而建立路网重型货车流量测算方法,最终形成基于数据质量控制的道路网重型货车流量。
-
公开(公告)号:CN110956808B
公开(公告)日:2020-11-24
申请号:CN201911336098.7
申请日:2019-12-23
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于非全样定位数据的重型货车交通流量预测方法,针对GPS交通流量获取不全面的问题,提出先扩样后预测的方案。扩样方法中提出依靠流量自身分布来确定的分段常系数法,预测方法中提出能解决长时记忆问题的长短时循环神经网络LSTM模型,实现重型货车交通流量与实际流量更接近的目的。本发明在数据采集时,克服了传统线圈、视频流量采集精度低的缺陷,采用卫星定位装置的GPS数据进行交通流量的预测工作,具有较高的精度。本发明为重型货车交通流量预测提供了一套更为综合、全面的方法,可以为缓解城市交通拥堵问题,提高城市交通运行效率发挥积极作用。本发明在工程中具有实际应用价值,并且可以迁移在相关领域中进行应用。
-
公开(公告)号:CN109598929A
公开(公告)日:2019-04-09
申请号:CN201811414154.X
申请日:2018-11-26
Applicant: 北京交通大学
IPC: G08G1/01 , G06F16/2458 , G06F16/22 , G06Q10/04 , G06Q50/26
Abstract: 本发明涉及一种多类别交通事故起数预测方法,针对交通事故频发且影响因素众多的特点,提出了多重多元对数正态模型,实现多类别交通事故起数同步预测。本发明考虑多类别交通事故数据内在相关性,深度挖掘交通事故影响因素特性,预测精度高、鲁棒性好。本发明针对多类别交通事故起数进行同步预测,具有较高的精度和鲁棒性,尤其在交通安全领域较为关注的重大和特大交通事故起数预测方面具有良好的预测效果。本发明为交通事故分析与评价提供了一套全面、综合、具有层次性的交通事故起数预测方法,可以满足交通安全隐患辨识、事故黑点排查、道路改进设计等领域对交通事故起数预测数据的需求,同时也为改善道路交通安全运行环境提供技术支持。
-
公开(公告)号:CN109087505A
公开(公告)日:2018-12-25
申请号:CN201810757676.3
申请日:2018-07-11
Applicant: 北京交通大学
Abstract: 一种针对摩托车的交通安全法规有效性分析方法。基于一种多变量动态Tobit模型,分析摩托车交通事故和交通安全法规之间的关联关系;输出内容为摩托车交通事故与交通安全法规指标之间的相关系数;输入的信息包括不同城市可量化的交通安全法规指标数据,包括限速,酒驾和超速处罚措施;输入的数据还包括各城市交通事故数据,社会经济数据,包括人口、收入、受教育情况内容。本发明的优点是评价交通安全法规的有效性,分析交通安全法规和摩托车交通事故之间的关联关系,研究交通安全法规对交通安全的影响,以便建立摩托车交通事故预防方法,并为制定相关政策措施提供决策依据。
-
公开(公告)号:CN111583628A
公开(公告)日:2020-08-25
申请号:CN202010227998.4
申请日:2020-03-27
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于数据质量控制的道路网重型货车交通流量预测方法,针对GPS流量数据及收费站监测数据两种数据源划分三类数据路段,分别采取不同的预测方法。针对有GPS流量数据的路段,由于GPS数据存在获取不够全样问题,采用先分段常系数法扩样再长短时循环神经网络预测的方法。针对无GPS数据的无数据路段,采用K最近邻算法预测流量。针对收费站监测数据路段,由于数据样本全面,直接采取长短时循环神经网络算法进行预测。本发明从流量预测面对的实际工程问题出发,分析多种数据来源特征来提高数据质量,进而建立路网重型货车流量测算方法,最终形成基于数据质量控制的道路网重型货车流量。
-
公开(公告)号:CN109087505B
公开(公告)日:2020-05-22
申请号:CN201810757676.3
申请日:2018-07-11
Applicant: 北京交通大学
Abstract: 一种针对摩托车的交通安全法规有效性分析方法。基于一种多变量动态Tobit模型,分析摩托车交通事故和交通安全法规之间的关联关系;输出内容为摩托车交通事故与交通安全法规指标之间的相关系数;输入的信息包括不同城市可量化的交通安全法规指标数据,包括限速,酒驾和超速处罚措施;输入的数据还包括各城市交通事故数据,社会经济数据,包括人口、收入、受教育情况内容。本发明的优点是评价交通安全法规的有效性,分析交通安全法规和摩托车交通事故之间的关联关系,研究交通安全法规对交通安全的影响,以便建立摩托车交通事故预防方法,并为制定相关政策措施提供决策依据。
-
公开(公告)号:CN110956808A
公开(公告)日:2020-04-03
申请号:CN201911336098.7
申请日:2019-12-23
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于非全样定位数据的重型货车交通流量预测方法,针对GPS交通流量获取不全面的问题,提出先扩样后预测的方案。扩样方法中提出依靠流量自身分布来确定的分段常系数法,预测方法中提出能解决长时记忆问题的长短时循环神经网络LSTM模型,实现重型货车交通流量与实际流量更接近的目的。本发明在数据采集时,克服了传统线圈、视频流量采集精度低的缺陷,采用卫星定位装置的GPS数据进行交通流量的预测工作,具有较高的精度。本发明为重型货车交通流量预测提供了一套更为综合、全面的方法,可以为缓解城市交通拥堵问题,提高城市交通运行效率发挥积极作用。本发明在工程中具有实际应用价值,并且可以迁移在相关领域中进行应用。
-
公开(公告)号:CN118095834A
公开(公告)日:2024-05-28
申请号:CN202410073070.3
申请日:2024-01-18
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/40 , G06F18/214 , G06F18/243 , G06F18/27 , G06N5/01 , G06N20/20 , G06N5/045 , G08G1/0967
Abstract: 本发明公开了一种基于可解释随机森林的交通事故风险研判方法,包括:获得研究区域的交通事故数据和路段数据并对数据进行预处理;从交通流因素、道路因素及环境因素三要素的角度构建城市道路交通事故风险影响指标体系,构建基于改进随机森林的城市道路交通事故风险研判模型,采用SHAP方法对模进行解释,计算影响因素的安全取值范围。本发明解决了道路交通事故黑点难以鉴别,事故风险难以评估,事故致因分析困难,事故影响机理解释不清的难题,实现了城市道路交通事故风险的研判与致因分析,计算误差较小且收敛速度快,效率较高,有较强的可解释性,为道路交通事故风险研判以及风险致因的动态分析奠定理论基础并提供技术支持。
-
公开(公告)号:CN118038713A
公开(公告)日:2024-05-14
申请号:CN202410097233.1
申请日:2024-01-24
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于车辆轨迹数据的高速公路行车安全风险主动识别方法。具体包括:基于高速公路机动车的历史轨迹数据建立数据基座;根据轨迹数据中车辆的速度信息以及其他相关指标提取出相应的风险研判指标;使用随机森林与XGBoost的组合算法对指标的重要度进行研判,设定指标累积重要度阈值,将指标重要度按照从大到小的顺序进行累加,筛选出累积重要度大于阈值的所有指标,将这些指标结合XGBoost算法用于事故风险的识别(即有无可能发生事故)。本发明在高速公路行车安全风险识别有着较高的精度,可以为高速公路事故风险研判和动态预警提供方法支撑。
-
公开(公告)号:CN109636125B
公开(公告)日:2022-11-01
申请号:CN201811373014.2
申请日:2018-11-19
Applicant: 北京交通大学
Abstract: 本发明为一种高速公路交通事故风险评估系统,包括通讯模块,处理器和人机交互接口。通讯模块从交通事故数据库服务器中读取交通事故影响因素初始值、交通流量和交通事故起数观测值;处理器包括状态空间模块和支持向量机模块;处理器用于完成对数据的处理与分析,将交通事故起数观测值作为量测向量,利用量测方程求出交通事故影响因素估计值,将得到的交通事故影响因素估计值当作状态向量,将交通流量作为状态方程的输入向量,利用状态方程估计交通事故影响因素特征值,支持向量机模块集成状态空间模块的输出结果,构建交通事故影响因素特征值和交通事故起数预测值之间的动态映射关系,预测交通事故起数,并将预测结果通过人机交互接口输出。
-
-
-
-
-
-
-
-
-