基于出租车GPS数据聚类分析醮交通小区动态划分方法研究

对交通出行数据进行优化，抽取出租车载客过程中乘客上下车的GPS位置坐标。基于聚类与交通小区划分的相似性，采用K-Means聚类法进行交通小区的划分。首先，通过聚类得到交通出行OD矩阵，然后据此划分出交通小区。基于Google Maps API，搭建了软件平台。通过试验可以看出，这种动态划分方法得到的区域能够与现有的交通小区相吻合。这种高实时的交通小区划分方法将对动态的OD估计有着极大的参考价值。     

交通流数据的采集与数据故障的检验

交通流数据常见问题分为两类:数据缺失和数据异常.针对这些问题,分析了数据问题的原因,研究了北京市数据采集的方法,提出了故障数据的判定方法,最后结合北京市的交通流数据的常见问题进行实例分析,为以后有关交通数据的研究提供借鉴.     

基于道路负荷度的北京城市快速路交通状态评价

鉴于传统道路负荷度(V/C)可能对应两种交通状态的情况,基于时间占有率重新定义了道路负荷度的计算方法,并根据大量的统计数据确定了北京市快速路道路负荷度的分级标准。该方法能够根据交通流检测器数据对道路交通负荷程度进行实时、动态评价,并通过北京市二环路数据的实验结果初步验证了该方法的有效性和实用性。     

物流车辆路径选择中的交通状态预测方法研究

以道路服务水平作为反映交通状态的效率指标,通过大量的交通历史数据分析,研究了交通状态预测分模态的ARIMA模型,并进行了实验分析.实验结果表明,该模型能够准确的预测交通状态,并为优化配置物流车辆的路径选择提供有益的参考.     

交通流数据的采集与数据故障的检验

交通流数据常见问题分为两类：数据缺失和数据异常。针对这些问题,分析了数据问题的原因,研究了北京市数据采集的方法,提出了故障数据的判定方法,最后结合北京市的交通流数据的常见问题进行实例分析,为以后有关交通数据的研究提供借鉴。     

城市道路宏观路网交通状态评价方法的研究

提出了宏观路网交通状态的分级和评价方法.基于主观评价的方法可以确定路网交通状态的分级标准,以及各评价指标在线性判别模型中的权重,进而可以定量评判路网的交通状态等级.实验证明该定量评价方法能够有效地融合路网畅通率、空间负荷裕度等多种特征,能够准确地进行路网交通状态的评价.     

轨道交通慢行交通语言设计研究——以北京西直门地铁站为例

阐明轨道慢行交通语言设计的必要性,简述其设计原则,并以北京西直门地铁站为例展开实地调查,总结西直门地铁站慢行交通语言设计存在的问题,结合国内外轨道慢行交通语言设计原则,对我国轨道慢行交通语言系统设计提出建议。     

物流车辆路径选择中的交通状态预测方法研究

以道路服务水平作为反映交通状态的效率指标,通过大量的交通历史数据分析,研究了交通状态预测分模态的ARIMA模型,并进行了实验分析。实验结果表明,该模型能够准确的预测交通状态,并为优化配置物流车辆的路径选择提供有益的参考。     

基于出租车GPS数据聚类分析的交通小区动态划分方法研究

对交通出行数据进行优化,抽取出租车载客过程中乘客上下车的GPS位置坐标.基于聚类与交通小区划分的相似性,采用K-Means聚类法进行交通小区的划分.首先,通过聚类得到交通出行OD矩阵,然后据此划分出交通小区.基于Google Maps API,搭建了软件平台.通过试验可以看出,这种动态划分方法得到的区域能够与现有的交通小区相吻合.这种高实时的交通小区划分方法将对动态的OD估计有着极大的参考价值.     

轨道交通慢行交通语言设计研究—以北京西直门地铁站为例

阐明轨道慢行交通语言设计的必要性,简述其设计原则,并以北京西直门地铁站为例展开实地调查,总结西直门地铁站慢行交通语言设计存在的问题,结合国内外轨道慢行交通语言设计原则,对我国轨道慢行交通语言系统设计提出建议.