交通流数据中的变点检测模型及其应用

Road traffic flow is always changing by reason that the traffic flow exceeding capacity, traffic accidents, vehicle failure and occupying-road construction, and then resulting in traffic congestion. The point of traffic flow changing is called change point, and traffic congestion is a kind of traffic flow data change point. The modeling of traffic flow data change point is theoretical basis to solve traffic congestion, it is of realistic significance to control traffic and alleviate traffic congestion..Based on traffic flow data analysis, in view of the situations of unknown and known distribution types, the research will construct traffic flow data change point detection models such as non-parametric, general extreme value (GEV) and general Pareto distribution (GPD), and explore change point theories such as maximum likelihood (ML) estimation, least squares (LS) method, cumulative sum (CUSUM) and Bayes. And then the research will detect the existence of change point, estimate change point numbers and change point positions of traffic flow data, and prove the sufficiency of test statistics and the consistency of estimators. Cooperating with actual facilities, applying research result into traffic control and making strategy for relieving traffic congestion, analyzing the mutation mechanism of complex traffic flow. The research could verify the validity of the methods and models, then further enrich the theoretical research results of change point.

道路交通流通常因其车流量超过通行能力、交通事故、车辆故障与占道施工而发生变化，进而导致交通拥堵，该交通流发生变化的时刻即为变点，交通拥堵就是一种交通流数据变点。交通流数据变点建模是解决交通拥堵的理论基础，对交通控制和缓解交通拥堵具有一定的现实研究意义。. 项目拟从交通流数据分析出发，针对分布类型未知和已知两种情形，构建非参数、广义极值(GEV)与广义Pareto分布(GPD)交通流数据变点检测模型，探索极大似然(ML)估计、最小二乘(LS)法、累积和(CUSUM)与Bayes等变点理论，检测变点存在性，估计交通流数据变点数目和变点位置，证明检验统计量的充分性与估计量的相合性。与实际部门合作，将课题研究成果运用于交通控制和缓解交通拥堵策略的制定，解析复杂交通流突变机理，验证模型与方法的有效性，进一步丰富变点理论研究成果。

项目从交通流数据出发，研究非参数和广义Pareto分布(generalized Pareto distribution, GPD)变点检测模型与实践应用，研究通行能力测算模型与算法设计。项目研究具有理论科学意义和实践应用价值，研究成果对交通控制和缓解交通拥堵也产生了积极影响。.非参数模型分别基于小波变换、Bootstrap抽样、局部比较和平滑样条及其时间序列分析方法，探索极大似然、滑动窗口和最小二乘估计，研究累积和与移动和的统计量性质，构造检验法则，检测模型均值方差和分段趋势变点存在性，获取变点估计并给出渐近性质，研究应用于交通拥堵车流突变分析。对于参数模型，项目提出GPD变点假设检验问题，搭建GPD变点检测模型，研究极大似然拟合优度和性质。GPD变点检测建模基于似然比检验统计量，给出估计量充分性与相合性证明并验证有效性，研究结果不仅应用于缓解交通拥堵评价，还应用于洪灾风暴潮重现期预测，得到了较好应用效果。项目研究算法还有：函数修剪最优分割变点检测，从损失函数、惩罚参数和状态约束研究了均值变点检测，高效自适应地解决了成本优化问题；基于交通流生存函数提出通行能力评估模型；研究算法，实现研发平台应用于交通管理，缓解交通拥堵做出了贡献。.项目围绕交通流变点检测问题，构建模型、研究算法、培养人才和服务地方经济建设。研究内容丰富饱满，研究成果有意义。项目期间邀请国内外专家6名来校学术报告交流5次，参加国内外学术交流会议30次报告13次，组织线上小型会议3次，发表论文21篇(其中北大核心9篇、CSSCI收录5篇、EI收录2篇，T1期刊2篇、T3期刊1篇)，录用论文2篇(SCI与T3各1篇)，培养硕士研究生8名，在读硕士研究生12名，攻读博士研究生7名，获批项目相关软件著作权5件，提交数据分析报告1份，撰写结题研究报告1份。完成计划任务研究内容，达到预期研究目标，经费使用规范合理，申请结题。

内容获取失败，请点击重试