车联网作为物联网和移动互联网在交通运输领域应用后的衍生概念,其通过先进的信息通信与处理技术,实现车与人、车、路之间的深度融合,提升汽车智能化水平,并改善城市交通运行效率。在车联网支持下,多车与路边基础设施可以通过对交通环境态势的准确认知,完成车辆驾驶路线选择和道路交通诱导的协同决策,以优化车辆智能驾驶和智能交通控制。但由于智能交通设备并不能完成用户出行需求认知,且车载信息系统存在渗透率不足的问题,导致目前方法不能完整且精准刻画城市道路交通状态。本文围绕城市交通状态的精准认知问题,考虑用户出行形成的城市交通结构与交通环境态势的相关性,利用移动出行数据进行细粒度的城市交通结构研究,取得以下成果:1.针对细粒度的交通结构挖掘,提出一种多源异构数据融合模型,考虑多源异构数据的关联特性,对多数据源挖掘的知识进行融合,保证交通结构构建的完整性和准确性。首先,针对城市交通区域划分,考虑用户出行需求,提出一种基于联合交叉网格的近邻传播聚类算法,对用户出行数据进行聚类获取城市交通区域。其次,为获取缺失的采用步行、骑车和私家车的出行数据,针对连续GPS轨迹数据提出一种数据驱动的基于堆栈式自编码器的交通方式识别模型。最后,基于数据间的时空相关性进行多数据源知识关联融合,构建完整的细粒度的城市交通结构。基于北京市移动出行数据的实验分析结果表明,所提方法能够高效完成城市交通区域划分和交通方式识别,保证交通结构构建的合理性和准确性。2.针对用户出行交通方式选择行为,提出一种数据驱动的基于出行特征聚集的预测模型,充分考虑出行选择行为特征间的关联关系,预测用户出行采用不同交通方式的倾向。首先,对影响用户交通方式选择行为的偏好特征进行定义,通过频繁模式挖掘方法对特征间关联关系进行挖掘。其次,提出一种融合Lasso回归模型,考虑特征间的关联关系,对用户出行选择的交通方式倾向进行预测。实验结果表明,所提模型能够有效利用特征间的关联关系,提高了用户出行交通方式选择行为倾向预测的准确率。3.针对城市交通结构的演化预测,提出一种面向多模式竞争机制的演化博弈模型,挖掘交通结构稳定状态的形成机制,以预测受交通事件影响的交通结构演化趋势。首先,提出一种交通区域与交通网络拓扑间的二部图,发现受交通事件影响的出行群体。然后,对出行群体交通方式选择的影响因素进行预测,并分析其可能采用的交通方式。最后,考虑出行个体的异质性和自主性,将交通结构的演化问题转化为异质群体演化博弈问题,并提出一种基于深度强化学习的演化博弈稳定策略学习机制,加快策略学习的迭代更新和搜索速度。以城市道路施工为例的实验结果表明,该学习机制能够加快博弈稳定策略学习的迭代和收敛速度,保证演化博弈模型能够准确预测受交通事件影响的交通结构演变趋势。