基于人类动力学的交通数据建模与预测研究.pptx

基于人类动力学的交通数据建模与预测研究马萌北京大学 智能计算与感知实验室 2012-9内容大纲1. 研究背景2. 研究目标3. 研究内容4. 创新点与难点5. 后续工作1. 研究背景城市交通拥堵问题日益严重拥堵导致深层经济以及社会问题增加交通设施到优化交通体系智能交通系统成为研究热点1. 研究背景基于交通基础设施的智能系统地感线圈、视频采集、射频检测导航系统、预测系统、诱导系统基于用户终端的智能系统浮动车系统智行、Waze1. 研究背景浮动车系统实时将位置、时间、速度、方向、标识、状态等传送给交通信息控制中心覆盖率高、连续性、有效性、便利性无法获取普通驾驶者信息无法得知OD（Origin-Destination）数据智行系统能获取普通驾驶者信息调查OD信息提交交通事件信息数据量不足，与浮动车系统数据互补1. 研究背景主流建模方法时间序列分析、神经网络、支持向量机、模糊逻辑等引入人类行为研究的创新建模方法心理学、社会学、人类学、经济学等人类动力学1. 研究背景-人类动力学(1/9)人类动力学研究人类个体与群体行为的统计特性，从统计特征定性分析对应的产生机制，以指导社会、生态、经济和技术等外部系统人类动力学涉及社会学、心理学、经济学、统计学等多门学科的交叉协作1. 研究背景-人类动力学(2/9)当对人类特定活动的数据收集能力有限时,泊松过程作为经典的刻画人类活动模式的手段,经常被不加仔细评估地应用于实际问题中泊松过程：一种累计随机事件发生次数的最基本的独立增量过程。随机事件在不相交时间区间内独立发生，且在充分小的区间内至多只发生一次。人类行为的时间规律具有高度的非均匀性 (Barabasi AL@Nature’05)1. 研究背景-人类动力学(3/9)市场交易活动、网站浏览、电影点播、欣赏网络音乐、手机通讯、虚拟行为、计算机指令的使用行为等，普遍发现有类似的非泊松特性人类行为时间间隔统计特征有长时间的静默与短期的高发具有胖尾的幂律分布泊松分布泊松过程事件发生时间序列具有胖尾分布的事件发生时间序列1. 研究背景-人类动力学(4/9)通过统计银行帐单传递，发现人类的旅行行程分布存在接近于幂律的胖尾 (Brockmann@Nature’06)通过统计移动电话用户的漫游过程，发现具有无标度特性 (Gonzalez@Nature’08)基于GPS数据的统计结论也得出人类行程分布中存在无标度特性 (Rhee L @IEEE Comp Comm’08)无标度网络（Scale-Free Network）度分布符合幂律分布的复杂网络，节点之间的度数分布具有严重的不均匀性1. 研究背景-人类动力学(5/9)幂律特征 说明大部分情况下人们的移动距离有限, 只有少数情况下才会移动较长的距离局域特征日常生活只在较小的范围内活动记忆特征人类的流动不是完全的随机游走, 而是具有记忆效应, 人们在经过一系列旅行后往往会回到初始地(家或者单位)可预测性: 可根据模型得到用户出现在某处的概率, 可能会有高达93%的准确性预测个体的去向 (Chaoming Song@Nature’10)1. 研究背景-人类动力学(6/9)基于层次性的人类动力学交通模型将城市按照行政分级低级城市与邻近高级城市联通不允许跨低级子区域的运动以级别随机引入城市权重1. 研究背景-人类动力学(7/9)模拟结果符合幂律分布，大多数行走是在同一区域低级的城市之间完成，但仍会出现爆发性的长距离行走。交通网络的层次性，可能是导致人类的标度性的行程分布的重要原因1. 研究背景-人类动力学(8/9)基于记忆和优先级的人类动力学交通模型视人的运动或旅行的目的是处理来自各个地方的任务，这些任务本身具有重要性的区别人们依据任务距离的远近和记忆的熟悉程度来确定优先处理哪些任务，那些来自距离较近的任务和较熟悉的地点的任务具有较大的优先权以随机点的几何距离赋予权重构成选择概率引入对于权重的遗忘衰减函数1. 研究背景-人类动力学(9/9)模拟结果行程分布为幂律形式1. 研究背景-浮动车数据处理(1/5) 浮动车数据处理关键技术5. 交通诱导技术1. 数据过滤2. OD信息挖掘6. 信息展示技术3. 交通异常检测4. 短时交通预测1. 研究背景-浮动车数据处理(2/5)数据过滤GPS原始数据中存在大量噪声数据，干扰正常数据信息的处理，造成结果的不准确。定位异常数据、速度异常数据、频率异常数据，经验数据过滤OD信息挖掘从浮动车数据以及智行系统数据中挖掘隐藏的OD信息手工统计，表格调查地图匹配地图匹配将记录的GPS数据匹配到电子地图数据，得到车辆目前所处路段基于几何信息、基于权重、基于模糊逻辑、基于模式识别、基于Kalman滤波1. 研究背景-浮动车数据处理(3/5)交通异常检测描述正常交通行为，制定测度标准，通过算法判断异