研究背景
传统拥堵检测依赖固定检测器，覆盖稀疏。浮动车数据(FCD)覆盖广但噪声大，需经地图匹配与状态估计才能转化为可用信号。
研究目标
从海量浮动车轨迹中识别城市交叉口的拥堵状态与传播方向，为信号优化提供数据支撑。
实现方法
使用隐马尔可夫模型完成 GPS 地图匹配，按 5 分钟聚合交叉口速度；构造速度-密度二维特征，用 K-Means 与 DBSCAN 对比聚类，再以时间滞后相关性推断拥堵传播链。
输入数据
需求路网
方法
建模求解
输出
指标图表
PythonPandasScikit-learnQGIS
结果与分析
轨迹条数
12.4M
交叉口数
186个
聚类准确率
87.3%
传播链长度
4.2路口
24h 拥堵指数
拥堵状态分布
时段-路段拥堵热力图
交互演示
反思与展望
数据驱动让我看到拥堵的"传染性"：一个路口的失效会沿干道以约 12 km/h 的速度向下游传播。这启发我把仿真与数据结合，做闭环验证。