ITS数据质量控制技术及应用研究

通过总结智能交通系统 (ITS)数据质量控制中所涉及的数据属性 ,提出了ITS数据质量控制算法 :根据阈值理论和交通流理论 ,针对错误数据、丢失数据和不精确数据设计相应的判别规则 ,利用数值计算方法对其进行修正 ,并提出了针对数据中的不规则时间点的修正算法。在对北京市和美国圣安东尼奥市的两组不同时间序列的ITS数据进行实践应用后 ,比较质量控制前后的数据特征 ,证明所提出的算法能够有效地解决数据质量问题 ,提高数据的精确度。最后 ,对国内外ITS数据进行质量控制后的结论和经验作了总结。     

基于概率分析的应急交通救援需求预测模型

在开展应急救援需求特征分析的基础上,将需求分布问题归为管控条件下的运输优化问题,借鉴运筹学思想,建立基于运输问题的应急救援需求分布模型。其次,引入应急期限要求、通行能力约束、路径阻抗动态时变等影响因素,对运输问题模型进行改进。为便于求解,进一步将模型转化为基于概率分析的救援需求分阶段优化模型,该模型将车辆出行时间视为服从正态分布的随机变量,利用出行时间方差的调整反映不同阶段路径阻抗的变化,能够在满足救援响应时间的前提下,解得运输成本最小的需求矩阵。案例研究证明这个模型能够满足应急期限要求并刻画路径阻抗的动态时变特征,达到了预期效果。