基于车牌识别数据的宏观基本图研究

• 作 者: 林云志
• 出 处: 西南交通大学
• 发表日期: 2021年07期
• 关键词: 车牌识别数据 基准时间校正 宏观基本图 数理统计 稳定性分析

随着交通需求的不断增加,城市交通问题日益严重,交通拥堵呈现出点-线-面的扩张趋势。为解决城市交通问题,改善交通运行环境,合理分配交通资源,需要从全局角度掌握城市交通运行水平,进而制定相应的交通管理措施和控制策略。宏观基本图能够很好地描述路网整体的交通运行状况,本文聚焦宏观基本图,基于大量的车牌识别数据,研究了宏观基本图的时空特征,构建了稳定有效的宏观基本图模型。本文的主要研究内容如下:(1)本文针对车牌识别数据的数据清洗和校正的方法、流程进行了研究,对问题设备进行了识别,得到了有效的可用于研究的车牌号码数据和车辆行程时间数据。然后从基于车牌号码数据的路段流量精度和基于车辆行程时间数据的路段行程时间估计精度两方面,进一步分析了数据的质量。(2)本文利用处理后的车牌识别数据构建了宏观基本图模型,获取了相关的交通流特征参数,并对宏观基本图的误差进行分析。(3)本文构建了研究区域不同层次的宏观基本图模型,研究了不同对象之间的同一交通参数的时变差异对宏观基本图的影响,结果表明具有相似时变特征的对象所构建的宏观基本图才能反映出整体的交通运行状态。在此基础上,本文给出了一种在路网中聚合相似交通特征路段的方法,从而得到有效的宏观基本图。(4)本文分析了单日宏观基本图在长期观测下的分布特征。在此基础上,利用统计学方法,比较了多种不同天数的车牌识别数据选取方式下多日宏观基本图的收敛特征。结果显示,低密度下的宏观基本图具有较高的稳定性,高密度下基本图稳定性随统计天数的增加而提高,且利用连续多个工作日数据的选取方式能迅速有效地构建误差较小的稳定的宏观基本图。