摘要
随着机动车辆的迅猛增长,城市路网呈现出事件多发、通行状态多变的特征,大城市的交通问题日趋严重.借助大数据技术,通过对城市路网中海量浮动车轨迹数据的深入挖掘,能够实现对复杂交通状态的快速识别和准确分析.本文首先对北京市浮动车的海量数据进行校准和清洗.其次,针对不同的研究内容,构建不同尺度的网格模型.然后,根据网格内节点对行程时间的历史数据,识别常发拥堵区域;结合实时行程时间数据,识别偶发拥堵事件.最后,通过对网格交通运行指数进行密度聚类,从空间范围上将大城市拥堵区域的类型划分为"点-线-面"3个层级对交通拥堵进行评价研究.本研究不以道路矢量地图为基础,仅通过浮动车轨迹数据,便可以实现对交通拥堵的高效识别和宏观拥堵的评价.
学科与关键词
关键词
浮动车轨迹数据大数据网格模型DBSCAN交通拥堵
- 基于宏观基本图的路网交通拥堵甄别方法研究马莹莹; 邹祥莉; 徐建闽武汉理工大学学报(交通科学与工程版), 2019, 43(4): 575-579.
- 基于长春市浮动车数据的城市交通运行状态分析杨薇; 滕鲁; 曾庆华交通与运输, 2019, (06): 21-25.
- 城市干道交通拥堵识别技术研究沈金星; 罗聃物流工程与管理, 2013, (11): 80-81.
