轨迹大数据驱动的城市交通智能感知与行程规划研究

With the increase of vehicle ownership, a large amount of big and medium-sized cities in China are facing increasingly serious traffic problems (such as road congestion, traffic accidents and travel difficulties), which has become a challenging research topic that restricts economic and social development. The urban traffic monitoring and management solution with a large number of sensors and monitoring cameras has the characteristics of high cost and difficulty in data processing and fusion. At present, a large number of vehicle space-time trajectory data can be easily collected through GPS navigator and other equipment. This project aims at the field of urban intelligent transportation. By using big data analysis and AI technology, we try to solve some key problems existing in urban traffic by analyzing vehicle track and other big data. The research contents include: 1) the vehicle track big data traffic line cost estimation method based on real-time detection of abnormal events; 2) city traffic; 3) city road traffic congestion detection and communication mode; 4) personalized travel route planning and road congestion sensitive events; 5) congestion sensitive demand carpool matching and route optimization. This research will provide methods and technical support for typical applications such as real-time monitoring of urban road conditions, travel route recommendation, carpool and other typical applications, which has significant theoretical and practical value.

随着汽车保有量的增加，当前我国很多大、中城市正面临着日益严重的交通问题（例如：道路拥堵、交通事故频发、出行难等），已成为一项制约经济与社会发展的挑战性研究课题。采用大量传感器、监控摄像头的城市交通监控和管理解决方案存在成本高，数据处理和融合难度大的特点。目前，通过GPS导航仪等设备可以方便地收集大量的车辆时空轨迹数据。本项目面向城市智慧交通领域，利用大数据分析和人工智能技术，通过分析车辆轨迹等时空大数据，力图解决城市交通中存在的若干关键问题。具体研究内容包括：1）基于车辆轨迹大数据的道路通行代价估计方法；2）城市道路交通异常事件的实时检测；3）城市道路交通拥塞及传播模式检测；4）道路拥塞与事件敏感的个性化出行路线规划；5）拥塞敏感的拼车需求匹配与行驶线路优化。本项研究有望为城市道路状况实时监测、出行路线推荐、拼车等典型应用提供理论基础以及方法和技术支撑。

随着汽车保有量的增加，当前我国很多大、中城市正面临着日益严重的交通问题（例如： 道路拥堵、交通事故频发、出行难等），已成为一项制约经济与社会发展的挑战性研究课题。采用大量传感器、监控摄像头的城市交通监控和管理解决方案存在成本高，数据处理和融合难度大的特点。目前，通过GPS导航仪等设备可以方便地收集大量的车辆时空轨迹数据。本项目面向城市智慧交通领域，利用大数据分析和人工智能技术，通过分析车辆轨迹等时空大数据，力图解决城市交通中存在的若干关键问题。利用轨迹大数据本项目的主要研究内容包括包括：道路通行代价估计、交通异常事件检测、交通拥塞及传播模式检测、拥塞与事件敏感的个性化出行线路规划、拼车需求匹配与路线规划、交通预测等。通过本项目的研究，丰富了时空大数据分析与挖掘的基本理论与方法。具体来说，通过交通异常事件检测和拥塞及传播模式检测研究能够发现造成交通拥堵的根本原因以及估计某交通异常事件所影响的路段，缓解城市交通拥堵，准确定位发生交通异常的路段。通过拼车需求匹配与路线规划的研究提出了快速高效的多目标拼车匹配算法，解决了当前城市面临的打车难问题，并能为司机实时推荐最优路线。通过交通预测方面的研究，本项目的研究成果能够实现交通流量预测、链路预测等。移动轨迹大数据不仅蕴含了群体对象的移动模式和规律，深入挖掘和分析还 可以揭示交通状况及其内在的演化机理，能够依据它改善交通服务，辅助相关部门进行科学决策，指导城市开发、建设和管理，改善城市交通状况。因此，本项目的研究具有深刻的理论意义，丰富的实用价值和广阔的应用前景。