基于随机时间的车辆导航路径规划研究

根据车辆导航中各路段行车时间具有随机性特点,运用不确定性规划理论建立了行车时间随机的车辆导航路径随机规划模型,模型以车辆出行中行车时间最短为目标函数.并设计了基于随机模拟的遗传算法求解该模型.通过数值仿真,证明模型的可行性.     

基于极值分布的常态下高速公路行程时间可靠性模型

为了利用参考模型表征路段行程时间分布,运用海量高速公路收费数据,分析了路段行程时间概率分布特征,通过极值分布、对数正态分布、正态分布和威伯尔分布对路段行程时间的概率密度函数进行曲线拟合.建立了基于极值分布的路段行程时间可靠性模型和模型参数估计方法,考虑了车型速度差和出行者易于理解的因素,提出了一种高速公路可靠性指标阈值的计算方法.选取最大概率行程时间、平均延误时间和行程时间可靠性为评价指标,对陕西省高速公路网中某一路段24 h出发车辆的行程时间进行实例评价.结果表明:极值分布的误差平方和(SSE)最小,拟合优度(R2)最接近于1,利用极值分布表征路段行程时间分布效果最佳.     

交通流量预测的时间异质性图注意力网络

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。     

基于马尔可夫排队模型的行程时间预测方法

针对城市交通流诱导系统(UTFGS)亟待解决的综合路段行程时间预测这一关键问题,利用马尔可夫排队模型给出了车辆路段(含信号交叉口)实时行程时间预测的基本公式,并结合实际工程项目对公式中的一些参数进行了简化,提高了模型的实用性。人工调查数据验证表明该模型具有较高的精度。同时给出了相对误差图。     

城市公共交通站点间实时动态行程时间预测的模型

利用随机服务系统理论 ,给出了进入路段 (含信号交叉口 )车辆数服从Poisson分布的实时动态公共交通站点间行程时间预测的基本模型和公式     

基于BP神经网络的高速公路旅行时间预测模型

针对目前高速公路检测器铺设密度较低导致预测路段旅行时间准确率不高的问题,利用联网收费数据建立旅行时间预测模型,用于预测路段旅行时间.首先根据收费数据计算出路段旅行时间,对其进行修正后建立真实旅行时间集,然后利用随机森林算法从构建的旅行时间备选变量中筛选出重要变量,以此作为输入建立基于BP神经网络的旅行时间预测模型,最后...     

冰雪条件下城市道路路段行程时间模型

为研究如何准确地预测冰雪条件下城市道路路段行程时间,建立冰雪条件下路段行程时间模型.在美国联邦公路局路段行程时间模型的基础上,分别引入冰雪条件下自由行程时间及路段通行能力修正函数,构建基于冰雪条件下的ISB-BPR函数.通过大量实地调查对修正函数及BPR参数进行标定.实例验证结果表明,该函数能够较为准确地预测冰雪条件下...     

基于速度矩阵和人工神经网络的行程时间组合离线预测模型

根据行程中车辆运行状态的时空相关性,结合矩阵的空间结构,构建了路段-时段平均速度矩阵,以表示车辆在行程中不同时空中的运行状态,并提出了一种基于该矩阵模拟车辆运行的行程时间离线预测模型。在此基础上,为了进一步提高该矩阵预测效果,结合相邻行程间的非线性规律,将路段-时间平均矩阵预测模型与BP神经网络模型相结合,构建出一种行程时间组合预测模型。以湖南中烟工业有限责任公司物流配送数据为数据集进行实验,结果表明:该组合模型的预测效果优于单一模型。     

考虑上下游的LSTM短时交通流量预测

使用基于LSTM循环神经网络的短时交通流量预测模型分析了不同输入配置对交通流量预测精度的影响。首先,比较了同一车辆检测站点处交通流量、速度和占有率数据的不同组合对短时交通流量预测的影响。实验结果表明,在模型输入中包含速度/占有率信息整体来说可以增强模型的预测性能。为了在模型中引入空间信息,我们进一步考虑了目标车辆检测站点上下游的交通流量状况,分别测试了包含目标车辆检测站点和上下游6个车辆检测站点在内的16种不同的输入组合。实验结果表明,在模型中引入上下游交通信息可以显著提高短时交通流量预测的精度。     

基于路段下游检测线圈的路段行程时间估计

为解决路段下游线圈检测信息因受交通控制信号影响无法估计路段行程时间的问题,通过分析车辆在停车线处的动力特性,利用牛顿运动定律,对路段下游线圈检测车速进行分析修正,获取车辆通过停车线的修正车速.分析了车辆排队前部与其后车辆在通过下游检测线圈的不同运动特性,分段估计车辆通过路段的时间.用VISSIM4.20模拟软件设计实验,对比分析了基于路段上下游线圈检测信息进行的路段行程时间估计结果.实验结果表明,利用提出方法估计的结果较基于上游检测信息估计结果的准确性和稳定性均有提高.     

应用最小二乘法进行公路网规划中社会经济及运输量预测

公路建设事业与社会经济发展趋势密切相关,对社会经济的准确预测,可以指导交通量的预测,从而进一步协助公路网规划工作;反过来,公路建设事业的蓬勃发展亦可以促进社会经济的发展.应用数学计算方法中的最小二乘拟合曲(直)线法,试图通过建立各种数学模型,对社会经济的各项发展指标和运输量进行预测,从而对公路网的规划工作起到参考作用.     

干线公路网交通量综合预测法研究

将四阶段法与总量控制法相结合形成了区域干线公路风交通量的综合预测法，该法吸收两类方法的优点，克服了它们的缺陷，是一种实用预测方法，针对公路网的特点，分析和研究了交通分配方法的改进，由部分路段交通量预测ＯＤ量的重力模型法，规划年度ＯＤ量预测等问题，以黑龙江省国道网为例应用了提出的综合预测法。     

公路货运量变权组合预测模型研究

货运量预测是公路运输建设和规划的基础，单一预测方法很难准确有效地进行运量预测．探讨了变权组合模型在此类问题上的应用，以某省全社会公路货运量及经济发展状况为样本，对未来货运量进行了预测．该方法的变权重具有随时间变化的特点，能够反映出各种预测方法的变化情况，从而提高了模型的预测精度，实证分析预测结果更加客观、有效．     

预测交通流量时间序列的组合动态建模方法

为了预测交通流量,提出一种预测交通流量的组合动态建模方法。考虑交通流量的特征,将流量时间序列分解成周期项、趋势项和混沌扰动项。采用季节性指数平滑法预测周期项和趋势项之和。该计算过程取周期为一天和一周,并用带遗忘因子的递推最小二乘法确定权重,采用邻域法预测混沌项。对实际交通流量序列的预测结果表明,交通流量与前一天和前一周的状态均存在相关性,且季节性指数平滑预测后的残差是混沌的。一周的不同统计间隔的交通流量序列预测的平均相对误差在9%以下。     

交通量预测研究方法评述

笔者阐述在当前社会经济和交通运输高速发展的条件下,交通预测的重要意义;简要描述了交通预测的发展历程,并对传统常用的交通预测模型进行了研究和分析,在此基础上综合各种模型的特点进行评述,为具体交通预测工作实践提供有效的指导．     

商场客流量B—J方法预测研究

利用时间序列分析的B—J方法,建立商场客流量ARMA预测模型。根据预测模型,对商场的客流量进行预测,并通过预测的客流量数据与实际客流量数据检验模型的适用性和有效性。     

基于PCA改进的LS—SVM公路旅游客流量预测模型

公路交通旅游客流量的影响因素众多,加大了预测模型输入变量的复杂性,降低了模型的运行速度和预测精确．首先,利用主成分分析对公路旅游客流量影响指标进行综合分析,得到主成分即输入变量,然后建立以主成分为输入变量,以客流量为输出变量的最小二乘支持向量机预测模型．通过实例验证和比较,展示了基于主成分分析改进的最小二乘支持向量机公路交通旅游客流量预测模型,具有较好的预测效果和较高的应用价值．     

突发事件下出行者行为时间特征研究

突发事件发生后,出行者行为发生改变,所在路网通行能力受到影响,出行时间发生变化。论文在研究突发事件发生后出行者行为特征的基础上,探讨出行者特定出行路径下的出行时间特征,研究出行时间均值及方差,以及两者与路网通行能力的关系。该研究对突发事件下交通流疏散及救援路径优化有重要指导意义。     

基于遗传神经网络优化模型的交通量预测

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础.为了更准确地对其进行预测,本文建立了遗传神经网络优化模型,该模型既利用遗传算法全局搜索、快速收敛的优点,又利用神经网络非线性描述、自学习自适应的优点.并以实际道路为例,给出了具体的应用方法,计算机仿真结果表明该模型精度较高、具有可行性.     

组合预测方法在公路运输量预测中的应用研究

以吉林省公路货运量预测为例,在现有文献研究的基础上,引入了基于广义逆矩阵的变权组合预测模型,在经过理论验证的基础上,通过运用补充新息、二次循环迭代等方法克服了原有方法在实际预测出现的数据失真现象,开展了中长远期预测,并对比各特征年的实际发生数据,重新进行了检验．