2024华中杯B题完整1-4小问（py+mtlab）双版本代码可执行+32页完整思路建模文档+成品论文26页_2024华中杯b题第四问

               B题行车轨迹估计交通信号灯周期问题

摘要  （完整版论文+代码数据在文末）

在城市化迅速发展的今天,交通管理和优化已成为关键的城市运营问题之一。本文将基于题目给出的数据，对行车轨迹估计交通信号灯周期问题进行研究。

针对问题一，固定周期信号灯周期估计。首先，对于给出的数据进行数据清洗，先进行异常值与缺失值的判定，结合实际情况进行人为判定，结果发现基本Bz影线社

不存在这方面的数据问题。因此，基于数据本身对X轴数据、Y轴数据进行综合分析。得出不同的道路类型可能存在同向或异向的道路。因此，对Y轴数据进行肘部法则的聚类分析进行道路分类，对X轴数据位移变化判定方向。基于判定的结果，利用欧氏距离计算每一点的速度，速度为0，标记该时间点车辆为停止状态。提取停止和启动时间，计算持续时间。利用峰值分析，反映红灯时长:计算两个连续停止事件之间的时间差，估算绿灯时长，通过剔除策略排除极端值，保留正常范围内的数据，以确保评估的准确性。

针对问题二，影响因素分析与误差建模。采用问题一想用的数据处理方式，使用肘部法则进行聚类分析，对处理后的数据，引入问题一模型进行评估。对于误差分析，不同的样本车辆比例，选择不同的样本率导入模型进行评估，得出随着样本车辆比例的增加，平均红灯持续时间也呈现增长的趋势等结论。对于不同定位分析，设置偏移量是基于原始坐标的标准差的一定百分比（5%），结果发现并没有引起变化，这也验证的模型能够很好的应对定位不准确问题。
针对问题三，动态周期变化检测。利用问题一二思路计算有效的停车持续的
间数据，使用峰值分析确定停车持续时间中的主要峰值，将停车持纱时的队数模社均值的数据视为有效数据，低于平均值的视为异常值并剔除。使用CUSUM万法判
定周期变化点。针对问题四，对新的数据集进行评估。首先，利用给出的数据绘
20.2..0 4.18

制车辆轨迹图，发现车辆大致为八个方向，因此使用python进行戏数据诎安必究类。对分类后的数据集，采用问题一二三构建模周期模型。

2024华中杯B题完整1-4小问（py+mtlab）双版本代码可执行+32页完整思路建模文档+成品论文26页