基于多源数据融合的城市道路网络宏观基本图模型

交通运输系统工程与信息 ›› 2018, Vol. 18 ›› Issue (2): 108-115.

基于多源数据融合的城市道路网络宏观基本图模型

金盛¹，沈莉潇¹，贺正冰^{* 2}

1. 浙江大学建筑工程学院，杭州 310058；2. 北京交通大学交通系统科学与工程研究院，北京 100044

收稿日期:2017-07-14 修回日期:2017-11-20 出版日期:2018-04-25 发布日期:2018-04-25
作者简介:金盛(1982-)，男，浙江温州人，副教授，博士生.
基金资助:
国家自然科学基金/ National Natural Science Foundation of China(91746105, 71501009)；浙江省重点研发计划项目/The Key Research and Development Program of Zhejiang (2018C01007).

Macroscopic Fundamental Diagram Model of Urban Network Based on Multi-source Data Fusion

JIN Sheng¹, SHEN Li-xiao¹, HE Zheng-bing²

1. College of Civil Engineering and Architecture, Zhejiang University, Hangzhou 310058, China; 2. Institute of Transportation System Science and Engineering, Beijing Jiaotong University, Beijing 100044, China

Received:2017-07-14 Revised:2017-11-20 Online:2018-04-25 Published:2018-04-25

摘要/Abstract

摘要：

宏观基本图(MFD)是描述路网平均流量和平均密度的关系模型，在路网服务水平评估、区域控制和宏观交通建模中具有重要的作用.本文以路网加权流量和加权密度为MFD描述指标，提出了一种融合微波检测器数据和车牌识别数据的MFD构建方法.为了评估不同数据源下路网MFD的有效性，提出了采用状态比指标描述 MFD的差异性.以青岛市实际数据为例，分析了单一数据来源和融合数据下的MFD变化规律.结果表明，在路网中存在不同类型检测器时，融合模型仍能够精确描述路网MFD.

关键词: 交通工程, 宏观基本图, 数据融合, 微波数据, 车牌识别数据, 状态比

Abstract:

The macroscopic fundamental diagram (MFD) is the relationship between average flow and average density of networks and plays an important role in network service level assessment, regional control and macro traffic modeling. In this paper, an MFD method is proposed to fuse the data of the remote traffic microwave sensor and the license plate recognition data by using the networked weighted flow and the weighted density as the MFD description indexes. In order to evaluate the effectiveness of MFD under different data sources, the difference of MFD is described by traffic state ratio. Taking the data of Qingdao City as an example, the MFD’s law of single data source and fusion data are analyzed. The results show that the fusion model can accurately describe the network MFD when there are different types of detectors in the network.

Key words: traffic engineering, macroscopic fundamental diagram, data fusion, microwave data, license plate recognition data, traffic state ratio

中图分类号:

U491.4

金盛，沈莉潇，贺正冰. 基于多源数据融合的城市道路网络宏观基本图模型[J]. 交通运输系统工程与信息, 2018, 18(2): 108-115.

JIN Sheng, SHEN Li-xiao, HE Zheng-bing. Macroscopic Fundamental Diagram Model of Urban Network Based on Multi-source Data Fusion[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(2): 108-115.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19598.shtml

http://www.tseit.org.cn/CN/Y2018/V18/I2/108

参考文献

[1] GEROLIMINIS N, DAGANZO C F. Macroscopic modeling of traffic in cities[C]. Transportation Research Board 86th Annual Meeting, 2007.

[2] GEROLIMINIS N, DAGANZO C F. Existence of urbanscale macroscopic fundamental diagrams: Some experimental findings[J]. Transportation Research Part B Methodological, 2008, 42(9): 759-770.

[3] KNOOPV L, HOOGENDOOM S P. Empirics of a Generalized macroscopic fundamental diagram for urban freewas[J]. Transportation Research Record, 2013, 2391(1): 133-141.

[4] GAYAH V V, DIXIT V V. Using mobile probe data and the macroscopic fundamental diagram to estimate network densities[J]. Transportation Research Record Journal of the Transportation Research Board, 2013 (2390): 76-86.

[5] AMBÜHL L, MENENDEZ M. Data fusion algorithm for macroscopic fundamental diagram estimation[J]. Transportation Research Part C Emerging Technologies, 2016(71): 184-197.

[6] 王福建, 韦薇, 王殿海, 等. 基于宏观基本图的城市路网交通状态判别与监控[C]. 北京: 电子工业出版社， 2012. [WANG F J, WEI W, WANG D H, et al. Traffic state identification and monitoring of urban network based on macroscopic fundamental diagrams[C]. Beijing: Electronic Industry Press, 2012.]

[7] 张逊逊, 许宏科, 闫茂德. 基于 MFD 的城市区域路网多子区协调控制策略[J]. 交通运输系统工程与信息, 2017, 17(1): 98-105. [ZHANG X X, XU H K, YAN M D. Coordinated control strategy for multi- subarea based on MFD in urban zonal road networks[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(1): 98-105.]

[8] 姬杨蓓蓓，WINNIE D. 阿姆斯特丹城市道路线圈检测器布设方法研究[J]. 重庆交通大学学报(自然科学版), 2010, 29(5): 754-757. [JI Y B B, WINNIE D. Study on the layout method of urban road loop detector in Amsterdam [J]. Journal of Chongqing Jiaotong University (Natural Science Edition), 2010, 29 (5): 754-757.]

[9] 贺正冰, 关伟, 樊玲玲, 等. 北京市快速环路宏观基本图特征研究[J]. 交通运输系统工程与信息, 2014, 14 (2): 199-205. [HE Z B, GUAN W, FAN L L, et al. Characteristics of macroscopic fundamental diagram for Beijing urban ring freeways[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(2): 199-205.]

[10] HE Z B, HE S, GUAN W. A figure- eight hysteresis pattern in macroscopic fundamental diagrams and its microscopic causes[J]. Transportation Letters, 2015, 7 (3): 133-142.

[11] 卢守峰, 王杰, 刘改红, 等. 基于流量和出租车 GPS数据的城市道路网络宏观基本图[J]. 公路交通科技, 2014, 31(9): 138-144. [LU S F, WANG J, LIU G H, et al. Macroscopic fundamental diagrams based on traffic flow and taxi GPS data[J]. Highway Traffic Technology, 2014, 31(9): 138-144.]

[12] 许菲菲, 何兆成, 沙志仁. 交通管理措施对路网宏观基本图的影响分析[J]. 交通运输系统工程与信息, 2013, 13(2): 185-190. [XU F F, HE Z C, SHA Z R. Analysis of the impact of traffic management measures on macroscopic fundamental diagram[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(2): 185-190.]

[13] BUISSON C, LADIER C. Exploring the impact of homogeneity of traffic measurements on the existence of macroscopic fundamental diagrams[J]. Transportation Research Record Journal of the Transportation Research Board, 2009, 137(2124): 127-136.

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[8]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[9]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[10]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[11]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[12]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[13]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[14]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[15]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.