基于多源轨迹信息的动态交通瓶颈感知理论与识别分析方法

Since the traffic bottleneck is not only the main cause of traffic congestion, but also is an important factor to restrict the normal function of the traffic system, exploring its generation, diffusion and disappearance process, seeking its internal root and revealing its evolution rules can avoid the waste of traffic resources and occurrence of serious traffic congestion. In consideration of the disadvantages in analyzing dynamic traffic bottleneck based on traditional traffic information collection methods, which has a high demand for real-time, accurate and comprehensive data, this project develops the methods for the under-rate sampling trajectory information analysis and trajectory reconstruction based on multi-source trajectory information; discusses the theory and perception methods for the urban network traffic flow parameters, and judges the operation efficiency of the existing urban network; establishes quantitative expression and classification methods for the dynamic intersection traffic bottleneck and bottleneck area; analyzes their formation mechanisms, and establishes the identification method and theory model for single point and regional traffic bottlenecks. This project has great theoretical significance for enhancing the studies of traffic bottleneck identification and diagnosis in our country, seeking the internal root of traffic congestion and revealing the evolution rules; It is of great practical significance to adjust the management plan for the traffic administrative department timely, improve traffic conditions of road network, develop management and control strategies for congested areas, and avoid the occurrence of regional bottleneck.

鉴于交通瓶颈是引发交通拥堵的主要原因，是制约交通系统功能正常发挥的重要因素，探明各类交通瓶颈的生成、扩散以及消失过程，寻找交通拥堵的内在根源并揭示其演化规律，可避免交通资源的浪费和严重拥挤状态的发生，因此本项目针对传统的交通信息采集手段在数据实时性、准确性和全面性等方面分析动态瓶颈的不足，提出采用多源轨迹信息，研究欠采样轨迹信息的分析处理方法和路径轨迹重建；研究感知路网基础交通流参数的理论和分析方法，判断现有路网的运行效率；建立交叉口动态交通瓶颈和区域瓶颈的量化表达与等级划分方法；分析交叉口动态交通瓶颈和区域瓶颈的形成机理，建立单点和区域交通瓶颈的识别分析方法和理论模型。该项目对于完善我国交通瓶颈识别与诊断的研究，寻找交通拥堵的内在根源并揭示其演化规律，具有重要的理论意义；对于交通管理部门及时调整管理方案，改善路网交通条件，制定拥挤区域的管理和控制策略，避免区域瓶颈的发生具有重要现实意义。

随着人们生活水平的提高和城市化进程的加快，交通拥堵问题越来越严重。交通拥堵的主要原因是因为路网中交通瓶颈的存在，现有的基于传统检测手段的瓶颈识别方法在及时性、准确性和全面性方面表现较差，导致了由于交通瓶颈无法准确识别而使拥堵现象严重并向周边地区蔓延。近些年来，随着GPS等定位导航设备应用的普及和基于位置服务的兴起，导致了轨迹数据种类和数据量的迅速增长和累积。本文以出租车，公交车，特种车辆等轨迹数据作为数据源，构建了一套完整的城市路网动态单点瓶颈和区域瓶颈识别的框架体系。具体的内容包括构建了一种基于欠采样轨迹数据的轨迹重构方法，在交通参数感知方面提出了基于耦合轨迹的路段形成时间估计方法，构建了一种融合多源轨迹数据的概率图模型对路段速度进行估计，基于交通波模型利用多源轨迹数据获取交叉口排队图像。利用上述的各种交通参数建立了单点动态交通瓶颈的模糊评价模型，利用字典压缩理论结合交通流的时空相关性对区域交通瓶颈进行识别和分析。通过实验和结果分析，本文提出的交通参数感知模型都能够取得满意的精度，路段出行时间模型与传统的模型相比，精度提高了40%左右，路段速度估计的概率图模型与一些机器学习及深度学习模型相比，可以获得同样的准确率同时效率更高。以哈尔滨一些区域主干路作为分析案例，本文提出的框架能够准确高效的识别出单点动态瓶颈和区域交通瓶颈，准确率高达90%多，同时分析了交通瓶颈产生的深层次原因，为今后哈尔滨市的交通规划和管理方面的科研和时间提供了参考。