● 摘要
随着城市机动车保有量的持续增长，交通拥堵、交通污染已经成为阻碍城市发展的重要问题。交通事件作为影响道路服务质量的重要因素，是目前国际上智能交通领域研究的一个热点。然而，由于交通路况的波动性以及交通事件影响的不确定性，使得交通事件影响分析及预测具有很大的挑战。目前国内外对该领域的研究大多采用模拟数据和固定检测器数据。但是，模拟器往往基于理想的模型，与真实情况有很大差距。固定检测器由于覆盖率低难以获得全面和丰富的信息，大多停留在小样本分析预测上，在实际应用中受到限制。
利用安装移动通信设备和定位装置的车辆（简称为浮动车）采集交通信息，具有高覆盖率与低成本等多种优势。本文基于浮动车采集的历史数据和交通事件数据，分析交通事件影响模式，提出了一种非参数回归的交通事件影响预测模型，并在此基础上，提出了其在路径诱导中的应用。
本文取得的主要成果如下：
本文从交通事件持续时间、交通事件影响范围、交通事件延误等方面，重点分析了偶发性交通事件的影响规律及演变过程。确定了持续时间的分布形式，深入分析了交通事件影响下的排队长度变化规律。
区别于传统交通波理论，本文分析交通事件影响下的拥堵扩散的和常规拥堵扩散的共性，通过历史拥堵信息建立模式，提出了基于非参数回归的交通事件影响预测模型。
针对目前路径诱导信息发布过程中，诱导信息不准确的问题。通过交通事件影响分析，本文提出了交通事件检测及交通事件解除判定的算法模型，结合交通事件影响预测算法，以提供更加准确、可靠的诱导信息诱导车辆分流。
实现交通事影响分析及预测系统。该系统集成了历史交通事件分析，交通事件的自动检测与解除判定，交通事件影响预测，交通事件下的诱导信息发布等功能。本文选用真实浮动车采集的数据和交通事件数据作为测试数据，结果表明交通事件检测算法能有效的区分常规拥堵与交通事件，影响预测算法准确度超过81%，验证了模型的有效性。