交通(大)数据分析与城市活动性 Traffic (Big) Data Analytics & Urban Mobility
- Zhengbing He, Geqi Qi, Lili Lu, Yanyan Chen, Network-wide Identification of Turn-level Intersection Congestion Using Only Low-frequency Probe Vehicle Data, Transportation Research Part C, 108 (2019) 320-339, 2019
该研究首先将城市空间分格,利用道路交叉口前通常存在大量走走停停交通流的特征,通过空间聚类,重构易发生拥堵的道路交叉口。通过浮动车轨迹与网格的映射(与交叉口的匹配),识别转弯方向车辆轨迹,并提取交通状态信息,实现路网交叉口转弯方向交通拥堵的快速诊断,辅助城市交通管理部门进行堵点定位。该方法具有简单、快速、无须GIS地图等特点,适用于大数据条件下对交通拥堵的快速识别需求,以及信控公司、交管部门等的前期市场调研。
|
通过多天数据的叠加,构造拥堵概率地图,将其投影到二维空间平面,得到路网上常发拥堵的位置与时间
|
- Zhengbing He, Liang Zheng, Visualizing traffic dynamics based on floating car data, ASCE Journal of Transportation Engineering, 143:5, 2017
- Lili Lu, Jian Wang, Zhengbing He*, Ching-yao Chan, Real-Time Estimation of Freeway Travel Time with Recurrent Congestion based on Sparse Detector Data. IET Intelligent Transport Systems. 12(1):2-11, 2018
- Zhengbing He, Shuyan He, Wei Guan, A figure-eight hysteresis pattern in macroscopic fundamental diagrams and its microscopic causes. Transportation Letters. 7(3): 133-142, 2015.
- 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 ,交通运输系统工程与信息,18(2):108-115,2018
- 贺正冰,关伟,樊玲玲,关积珍,北京市快速环路宏观基本图特征研究,交通运输系统工程与信息,14(2):199-205,2014
数据驱动的交通流模型 Data-Driven Traffic Flow Models
|
- Dongfan Xie, Zhe-Zhe Fang, Bin Jia, Zhengbing He*, A data-driven lane-changing model based on deep learning, Transportation Research Part C, 106(2019): 41-60, 2019 (Download)
数据驱动的换道模型:换道是最基础、最重要的车辆行为之一。因此,车辆换道模型也是最重要的交通流模型之一。传统基于数学的方法较难准确刻画涉及变量众多的车辆换道过程。因此,本文应用深度学习技术,分别构造了基于Deep Belief Network(DBN)和Long Short-Term Memory(LSTM)的车辆换道决策(Lane-Changing Decision)模型与车辆换道过程(Lane-Changing Implementation)模型。实验结果不但说明了该模型的高准确性,同时发现了:“目标车道上前车的位置”是影响车辆换道决策的最重要变量。
交通流理论与自动驾驶 Traffic Flow Theory and Intelligent Vehicles
|
|
|
|
- Liang Zheng, Zhengbing He*, An anisotropic continuum model and its calibration with an improved monkey algorithm, Transportmetrica A: Transport Science, 13(6):519-543, 2017
- Liang Zheng, Zhengbing He*, A new car following model from the perspective of visual imaging. International Journal of Modern Physics C. 26(8), 1550090, 2015
- Zhengbing He, Research based on high-fidelity NGSIM vehicle trajectory datasets: A review. DOI: 10.13140/RG.2.2.11429.60643, 2017.
车辆路径诱导策略 Route Guidance Strategy (Variable Message Sign)
|
可持续发展交通 Sustainable Transportation
- Zhengbing He, Wenyi Zhang, Ning Jia, Estimating Carbon Dioxide Emissions of Freeway Traffic: A Spatiotemporal Cell-based Model, IEEE Transactions on Intelligent Transportation Systems, Accepted 2019. (Download)
现有交通排放估计模型主要分为两类:基于车的微观排放模型(对数据精度要求高,数据采集难度大)及基于交通指数的宏观模型(未考虑细节交通动态,所以估计精度差)。因此,本研究提出了一种介于两者之间的基于交通时空图的中观交通(二氧化碳)排放估计模型。该模型可以给出交通时空图对应的交通二氧化碳排放,不但很好的考虑了交通流动态性而且具有输入数据易获得的优点。由于各种数据(如路侧检测器、浮动车数据)均可用于交通时空图的构造,因此,可以说:本研究提出的基于交通时空图的交通排放估计模型打开了一扇从各种数据去估计交通排放的“门”,具有重要的实践意义。
|