基于收费数据的高速公路交通状态判别方法

doi:10.3969/j.issn.1000-565X.2014.12.008

华南理工大学学报（自然科学版） ›› 2014, Vol. 42 ›› Issue (12): 51-57,76.doi: 10.3969/j.issn.1000-565X.2014.12.008

基于收费数据的高速公路交通状态判别方法

杨庆芳^1,2 马明辉² 梁士栋²梅朵²

1．吉林大学汽车仿真与控制国家重点实验室，吉林长春 130022; 2．吉林大学交通学院，吉林长春 130022

收稿日期:2014-05-04 修回日期:2014-08-10 出版日期:2014-12-25 发布日期:2014-11-17
通信作者: 杨庆芳(1966-)，女，教授，博士生导师，主要从事智能交通运输系统研究． E-mail: yangqf@jlu.edu.cn
作者简介:杨庆芳(1966-)，女，教授，博士生导师，主要从事智能交通运输系统研究．
基金资助:
国家科技支撑计划项目(2014BAG03B03);山东省省管企业科技创新项目(20122150251-5)

Freeway Traffic State Identification Based onToll Data

Yang Qing-fang^1,2 Ma Ming-hui² Liang Shi-dong² Mei Duo²

1.State Key Laboratory of Automotive Simulation and Control,Jilin University,Changchun 130022,Jilin,China;2.College of Traffic,Jilin University,Changchun 130022,Jilin,China

Received:2014-05-04 Revised:2014-08-10 Online:2014-12-25 Published:2014-11-17
Contact: 杨庆芳(1966-)，女，教授，博士生导师，主要从事智能交通运输系统研究． E-mail: yangqf@jlu.edu.cn
About author:杨庆芳(1966-)，女，教授，博士生导师，主要从事智能交通运输系统研究．
Supported by:
国家科技支撑计划项目(2014BAG03B03);山东省省管企业科技创新项目(20122150251-5)

摘要/Abstract

摘要： 目前高速公路交通数据资源未得到充分利用，使得管理和建设成本较高的高速公路联网收费系统只能实现车辆记录、联网收费等初级功能，导致交通数据资源的严重浪费．为此设计了基于高速公路联网收费数据的路段行程时间估计方法，提出以大、小车速度变化情况为基础，采用模糊 C-均值聚类方法对高速公路交通状态进行判别，并应用VISSIM 软件分别对上述两种方法验证分析．结果表明，路段行程时间估计方法能够获得高质量的路段行程时间数据，同时交通状态判别方法也能够准确判别出道路上所呈现的交通状态，可为历史数据更新提供技术支持，为高速公路交通管理部门提供精确的决策依据．

关键词: 高速公路, 模糊 C-均值, 联网收费, 行程时间, 交通状态

Abstract:

Current freeway traffic data resources have not been fully utilized,and therefore the freeway toll systemwith high management and construction costs only has such primary functions as collecting traffic information vehiclerecord and network toll,which leads to a great waste of traffic data resources.In order to solve this problem,atravel time estimation method is designed based on freeway network toll data,and the FCM(Fuzzy C-Means)cluste-ring method is adopted to identify the freeway traffic state according to the velocity changes of big and small vehi-cles.Then,the two methods are verified on the VISSIM platform.The results show that the first method can obtainhigh-quality link travel time data and the second method can accurately identify the freeway traffic state,whichhelps to update history data and can provide an accurate basis for freeway management departments to make deci-sions.

Key words: freeway, fuzzy C-means, network toll, travel time, traffic state

中图分类号:

U-491

杨庆芳马明辉梁士栋梅朵. 基于收费数据的高速公路交通状态判别方法[J]. 华南理工大学学报（自然科学版）, 2014, 42(12): 51-57,76.

ang Qing-fang Ma Ming-hui Liang Shi-dong Mei Duo. Freeway Traffic State Identification Based onToll Data[J]. Journal of South China University of Technology (Natural Science Edition), 2014, 42(12): 51-57,76.

[1]	黄炎, 符锌砂, 曾彦杰, 等. 基于激光雷达里程计的高速公路三维建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 129-138.
[2]	林培群, 张扬, 罗芷晴, 等. 融合多源数据的高速公路路段车流碳排放精细测算方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 100-108.
[3]	林培群, 龚敏平, 周楚昊. 面向运输风险识别的高速公路货车用户画像方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 1-9.
[4]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[5]	吴娇蓉, 黄正文, 邓泳淇. 都市圈分层空间结构的交通网络密度发展规律[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 111-121.
[6]	胡郁葱, 韦湖, 曾强. 基于空间广义有序Probit模型的高速公路事故严重程度分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 114-122.
[7]	杨洋, 胡嫣然, 袁振洲, 等. 高速公路交通事故时空影响动态效应的传播分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 123-133.
[8]	吴艳霞, 周彤, 黄帅, 等. 基于驾驶员注意力分布模型的路侧环境安全性研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 49-57.
[9]	林旭坤, 张扬, 罗芷晴, 等. 高速公路网车辆碳排放测算方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 22-28.
[10]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[11]	何永明, 冯佳, 权聪, 等. 基于联合仿真的超高速公路车辆制动避撞系统[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 19-28.
[12]	漆巍巍, 马思维, 周南杰. 高速公路分合流区车流元胞模型的构建及应用[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 11-18.
[13]	王晓飞刘永李思雨. 公路空间曲率连续性衰退与事故频数影响关联模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 26-34.
[14]	林培群夏雨周楚昊. 引入时空特征的高速公路行程时间预测方法[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 1-11.
[15]	马新露, 樊博, 陈诗敖, 等. 基于实时交通流的事故风险评估与分析模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 19-25,34.

基于收费数据的高速公路交通状态判别方法

Freeway Traffic State Identification Based onToll Data

PDF

可视化

被引次数

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

本文评价