基于道路网划分的网格,对网约车出行轨迹进行拆分,挖掘各网格区域轨迹数据,从点、 线、面的角度综合识别交通拥堵,考虑交叉口信号周期、网格内道路等级以及网格内出行终 点分布等因素的影响,选取网格交通拥堵特征指标,通过对历史轨迹数据进行聚类分析,确 定最佳交通拥堵特征阈值,对网格当前拥堵程度进行识别和评价。重点研究交通拥堵特征阈 值的确定,并对其合理性进行验证。 (2)城市道路拥堵形成、发展与消散的机理分析 提取拥堵区域网格内的网约车轨迹特征,剖析当前时段、当前区域内交通拥堵的产生原 因,从交通需求、交通供给、以及交通环境等方面分析诱发交通拥堵的相关因素,研究区域 内发生拥堵的周期性规律,分析并预测拥堵车流在过去和未来时段的空间分布情况,挖掘拥 堵形成和消散的主要通道 (3)城市道路拥堵时空关联性分析 运用特征参数表征各网格内交通状态随时间段的变化,研究时空约束下的关联性算法, 挖掘拥堵路网网格间的时空关联特性,分析关联特性的内在原因,基于拥堵形成、发展与消 散的机理,研究路网拥堵的时空演化规律,预测路网交通拥堵的传播趋势,为交通管理、交 通规划、路径诱导和用户岀行提供决策支持。重点硏究如何建立关联性算法来挖掘网格间的 时空关联特性。 32城市路网实时监测技术 (1)道路网流量监测 通过互联网对卡口交通数据流量信息的实时采集,通过交通流时空关联特性分析和相关 预测算法,建立基于时空特性分析的短时交通流预测模型,对目标路段路口相邻的上游路口 交通流进行预测,得到预测的空间交通流量。对目标路段来自相邻上游路段交通流向系数分 析,预测监控卡口路段相邻上游路段来车数量。对车辆数据信息进行分析和快速处理后,能 够实时动态的判断和准确预测道路交通流量状况 (2)相邻卡口间路段交通参数的确定 对车辆完整的被检测记录点进行按时间的排序,按车辆个体组织数据并以行程时间阈值 识别车辆的单次出行,挖掘车辆单次出行完整信息,对卡口数据进行车辆出行信息进行挖掘, 根据处理后的数据采用车牌匹配算法获取多辆车辆经过两个相邻卡口间路段区间的行程时 间及对应的行程车速,并计算该路段区间的平均行程时间及平均车速,表征不同路段上的道 路交通状态。基于道路网划分的网格，对网约车出行轨迹进行拆分，挖掘各网格区域轨迹数据，从点、 线、面的角度综合识别交通拥堵，考虑交叉口信号周期、网格内道路等级以及网格内出行终 点分布等因素的影响，选取网格交通拥堵特征指标，通过对历史轨迹数据进行聚类分析，确 定最佳交通拥堵特征阈值，对网格当前拥堵程度进行识别和评价。重点研究交通拥堵特征阈 值的确定，并对其合理性进行验证。 （2）城市道路拥堵形成、发展与消散的机理分析 提取拥堵区域网格内的网约车轨迹特征，剖析当前时段、当前区域内交通拥堵的产生原 因，从交通需求、交通供给、以及交通环境等方面分析诱发交通拥堵的相关因素，研究区域 内发生拥堵的周期性规律，分析并预测拥堵车流在过去和未来时段的空间分布情况，挖掘拥 堵形成和消散的主要通道。 （3）城市道路拥堵时空关联性分析 运用特征参数表征各网格内交通状态随时间段的变化，研究时空约束下的关联性算法， 挖掘拥堵路网网格间的时空关联特性，分析关联特性的内在原因，基于拥堵形成、发展与消 散的机理，研究路网拥堵的时空演化规律，预测路网交通拥堵的传播趋势，为交通管理、交 通规划、路径诱导和用户出行提供决策支持。重点研究如何建立关联性算法来挖掘网格间的 时空关联特性。 3.2 城市路网实时监测技术 （1）道路网流量监测 通过互联网对卡口交通数据流量信息的实时采集，通过交通流时空关联特性分析和相关 预测算法，建立基于时空特性分析的短时交通流预测模型，对目标路段路口相邻的上游路口 交通流进行预测，得到预测的空间交通流量。对目标路段来自相邻上游路段交通流向系数分 析，预测监控卡口路段相邻上游路段来车数量。对车辆数据信息进行分析和快速处理后，能 够实时动态的判断和准确预测道路交通流量状况。 （2）相邻卡口间路段交通参数的确定 对车辆完整的被检测记录点进行按时间的排序，按车辆个体组织数据并以行程时间阈值 识别车辆的单次出行，挖掘车辆单次出行完整信息，对卡口数据进行车辆出行信息进行挖掘， 根据处理后的数据采用车牌匹配算法获取多辆车辆经过两个相邻卡口间路段区间的行程时 间及对应的行程车速，并计算该路段区间的平均行程时间及平均车速，表征不同路段上的道 路交通状态