论文部分内容阅读
随着机动车保有量的不断增加,大城市交通拥堵问题已经严重的影响了居民的日常出行。而想更好的解决拥堵问题,对于交通运行规律的分析以及交通运行状况的评价是关键。尽管相关的研究在过去几十年间有了较为深入的探索,但是随着大数据的日益发展,基于大数据的交通运行规律分析和交通运行状态评价却仍显匮乏。本文基于滴滴浮动车OD行程数据,提出了以浮动车OD行程数据为基础的面向重大交通枢纽的交通运行规律分析方法以及区域交通运行状况评价方法。本论文的主要研究工作及结论包括以下三个方面:(1)基于浮动车OD行程数据,建立了地图网格模型,同时对于网格状态进行划分。然后基于2014年10月-2017年2月所有滴滴浮动车OD行程数据对于OD对理想条件下的交通参数进行了计算,并通过理想条件下OD对交通参数模糊估计方法对无法由原数据直接获得的交通参数进行了计算,并对其误差进行了分析,误差分析结果表明该模糊估计方法效果较好。最后,建立了浮动车OD行程数据库系统。(2)基于到达重大交通枢纽的浮动车OD行程数据,研究了面向重大交通枢纽的交通运行规律分析方法,从出行需求、行程速度、行程时间可靠性三个方面对于到达重大交通枢纽的交通运行规律进行研究,并基于出行需求的空间分布,提出了基于DBSCAN算法的高密度交通出行小区的检测方法。最后,利用该方法分析了到达首都国际机场的出行需求、运行速度的空间分布、时间分布规律,并且基于出行需求的空间分布检测出到达首都国际机场的10个高密度交通出行区域。最后,分析了到达首都国际机场的行程时间可靠性空间分布规律。(3)基于浮动车OD行程数据及网格模型,首先利用基于模块化指标的交通社区聚类方法,在研究区域内聚类成20个不同的交通社区,并对于交通社区内外交通量关系进行了分析,分析结果证明了该交通社区方法效果良好。基于此,建立了基于浮动车OD行程数据的区域交通运行状态评价方法。最后,利用2016年11月份的北京滴滴浮动车OD行程数据,针对研究区域内整体和局部的交通运行状态进行评价。评价结果显示,该交通运行状态评价方法对于城市整体早高峰、晚高峰、午休平峰以及工作日和非工作交通运行状态都可以针对性地识别。除此之外,对于城市局部区域还可以识别出不同空间范围的交通运行状态变化。