针对交通工程和智能技术的融合发展趋势，本书聚焦智能交通工程的感知辨识和认知推演两个层面，主要内容包括数据驱动的城市快速路车辆时空轨迹重构、基于自动车辆识别数据的机动车出行路径识别、片段化观测条件下的机动车出行链提取、大规模路网交通状态估计与拥堵溯源、基于宽度学习的出行方式选择行为建模、考虑时空关联性的目的地选择行为建模、基于半监督学习的路径选择行为建模、交通网络运行态势推演系统开发等。
更多科学出版社服务，请扫码获取。
目录
“智能工程前沿丛书”序
前言
第1章 绪论 1
1.1 交通工程和智能技术的融合趋势 1
1.1.1 交通工程研究范围和特点 1
1.1.2 智能技术助力交通强国建设 2
1.1.3 智能交通工程研究发展态势 2
1.2 交通状态感知和出行机理认知的演进关系 3
1.2.1 交通状态感知：基于断面/路段的技术路线 4
1.2.2 出行机理认知：基于轨迹/路径的技术路线 5
1.2.3 未来拟突破的关键技术问题 6
1.3 本书内容及章节结构 7
参考文献 8
第2章 数据驱动的城市快速路车辆时空轨迹重构 9
2.1 概述 9
2.2 基于插值算法的个体车辆时空轨迹重构模型 9
2.2.1 GPS 轨迹定位误差修正模型 9
2.2.2 基于插值算法的个体车辆轨迹重构算法 11
2.2.3 个体车辆轨迹重构精度评价方法 17
2.2.4 交通流基本图及其参数提取方法 18
2.3 基于运动波理论的全时空车辆轨迹重构模型 22
2.3.1 Newell运动波模型的特性 22
2.3.2 考虑车辆顺序的Newell运动波模型 24
2.3.3 考虑超车行为的车辆时空轨迹重构算法 26
2.3.4 基于数据融合的车辆时空轨迹重构框架 28
2.3.5 全时空车辆轨迹重构精度评价方法 28
2.4 案例分析 30
2.4.1 案例背景及数据准备 30
2.4.2 浮动车轨迹重构与误差分析 32
2.4.3 全时空轨迹重构与误差分析 37
2.5 本章小结 43
参考文献 44
第3章 基于自动车辆识别数据的机动车出行路径识别 45
3.1 概述 45
3.2 观测数据与行驶路径匹配模型 46
3.2.1 符号定义 46
3.2.2 模型构建 47
3.3 候选路径集生成算法 48
3.4 AVI 观测点对似然概率 51
3.4.1 时间分析 51
3.4.2 空间分析 54
3.5 案例分析 54
3.5.1 数据来源 54
3.5.2 候选路径集生成 56
3.5.3 未知参数估计 56
3.5.4 识别精度与计算效率 57
3.5.5 AVI观测点间距对匹配精度的影响 58
3.5.6 GNSS样本数量对匹配精度的影响 60
3.5.7 路径候选集大小对匹配精度的影响 60
3.6 本章小结 61
参考文献 61
第4章 片段化观测条件下的机动车出行链提取 64
4.1 概述 64
4.2 基于概率图的出行链提取模型 66
4.2.1 符号定义 66
4.2.2 图模型结构 67
4.2.3 匹配概率推导 68
4.2.4 观测概率 70
4.2.5 转移概率 74
4.3 候选子行程表生成算法 79
4.3.1 后缀树模型 79
4.3.2 候选集生成算法 81
4.4 最优出行链求解算法 81
4.4.1 候选图模型 81
4.4.2 最优解求解算法 82
4.5 案例分析 84
4.5.1 对比方法 84
4.5.2 评价标准 85
4.5.3 对比分析 86
4.5.4 敏感性分析 88
4.6 本章小结 90
参考文献 90
第5章 大规模路网交通状态估计与拥堵溯源 92
5.1 概述 92
5.2 多测度交通流参数提取方法 93
5.2.1 平均行程速度 93
5.2.2 路段流量 94
5.3 多尺度动静交通状态判别模型 94
5.3.1 路段层次动态交通状态估计 94
5.3.2 区域层次动态交通状态估计 95
5.3.3 静态交通状态估计 96
5.4 大规模路网交通状态估计应用案例 96
5.4.1 案例路网概况 96
5.4.2 基础数据收集 98
5.4.3 多测度交通参数提取 99
5.4.4 多尺度动静交通状态判别 100
5.5 基于路径的交通拥堵溯源方法 101
5.6 交通拥堵溯源应用案例 104
5.6.1 问题描述 104
5.6.2 基于拥堵溯源的关键路径识别 105
5.6.3 基于多关键路径的交通信号协调控制 106
5.7 本章小结 115
参考文献 115
第6章 基于宽度学习的出行方式选择行为建模 118
6.1 概述 118
6.2 选择行为分析理论 120
6.2.1 离散选择模型 120
6.2.2 神经网络模型 121
6.3 宽度选择模型 122
6.3.1 数学表述 123
6.3.2 Vanilla-BCM和Res-BCM 125
6.4 案例分析 128
6.4.1 数据获取 128
6.4.2 超参数空间 128
6.4.3 结果分析 129
6.4.4 在线连续数据流的动态推理实验 135
6.5 本章小结 136
参考文献 136
第7章 考虑时空关联性的目的地选择行为建模 138
7.1 概述 138
7.2 目的地选择行为时空特征 139
7.2.1 数据来源 139
7.2.2 目的地提取 140
7.2.3 时空关联性分析 140
7.3 时空关联性的效用表达方法 142
7.3.1 目的地选择模型 142
7.3.2 考虑时空关联的效用修正 143
7.3.3 OD对异质性描述与建模 143
7.4 目的地候选集生成算法 145
7.5 案例分析 147
7.5.1 目的地选择模型参数估计 147
7.5.2 目的地选择模型精度评价 149
7.6 本章小结 150
参考文献 151
第8章 基于半监督学习的路径选择行为建模 153
8.1 概述.153
8.2 数据获取方式及特点 154
8.3 考虑观测异质性的路径选择模型 156
8.3.1 问题定义 156
8.3.2 模型构建 156
8.4 路径选择模型半监督参数估计方法 158
8.4.1 有监督学习 158
8.4.2 无监督学习 159
8.4.3 半监督学习 160
8.5 案例分析 161
8.5.1 路径选择模型参数估计 161
8.5.2 路径选择模型精度评价 164
8.5.3 路径选择模型计算效率评价 164
8.6 本章小结 166
参考文献 166
第9章 交通网络运行态势推演系统开发 169
9.1 概述.169
9.2 需求分析与架构设计170
9.2.1 功能需求分析 170
9.2.2 系统架构设计 171
9.3 态势推演算法 173
9.3.1 人口生成 173
9.3.2 出行链生成 174
9.3.3 动态交通分配及迭代 177
9.4 可视化界面开发 179
9.4.1 交通流量分析 181
9.4.2 拥堵溯源分析 183
9.4.3 运行状态分析 184
9.5 本章小结 186
参考文献 186
附录 活动时长分布估计 187
A.1 相似图结构 187
A.2 活动时长分布估计模型 188
A.3 模型求解 189
索引 190
书单推荐
