基于奇异谱分析和CKF-LSSVM的短时交通流量预测

为了提高短时交通流预测的精度,提出了基于奇异谱分析和组合核函数最小二乘支持向量机(CKF-LSSVM)的短时交通流预测模型。首先,采用奇异谱分析方法,滤除交通流序列的噪声成分。然后,使用降噪后的交通流数据训练CKF-LSSVM,并通过粒子群优化算法确定模型参数。最后,以厦门市的实测数据为基础,对预测模型进行实验验证和对比分析。结果表明:本文所构建模型具有较好的预测效果,能够有效提高短时交通流预测精度。     

基于多源数据融合的高速公路路网短时交通流参数实时预测

针对高速公路路网交通数据中存在大量噪声数据与缺失数据,数据完整度较低,导致预测精度下降的问题,提出一种基于多源数据融合的高速公路路网短时交通流参数实时预测方法。采用小波分析阈值法对高速公路路网交通数据进行去噪处理,在最小二乘支持向量机基础上采用组合阈值填补方法填补交通数据序列中存在的缺失数据,提高交通数据的完整度。结合小波神经网络和遗传算法建立短时交通流参数预测模型,采用遗传-小波神经网络处理多源检测器采集到的交通流参数,通过最小二乘动态加权融合算法融合多个检测器的交通流参数,将交通流参数输入预测模型中,得到高速公路路网短时交通流参数实时预测结果。实验结果表明,采用本文方法处理后的交通数据序列中不存在缺失数据,数据完整度较高,且所得预测结果与实际车流量变化曲线较为贴近,预测精度高,可以广泛应用在交通流预测领域。     

高速公路动态交通流支持向量机预测模型

为了提高高速公路的交通运行效率,需要实时预测各路段交通流参数状况,通过对高速公路宏观动态交通流模型的分析,以及对SMO支持向量机参数选择的研究,提出了高速公路动态交通流支持向量机预测模型.以西安-宝鸡高速公路交通流信息采集数据对模型进行训练、测试和仿真,预测平均相对误差小于3.84%,表明了模型的有效性.     

基于模糊卡尔曼滤波的短时交通流量预测方法

为解决卡尔曼滤波模型预测交通流量存在的时间滞后性问题,在已有卡尔曼滤波短时交通流量预测模型基础上,结合城市道路交通流日相似性特点,对已有卡尔曼滤波预测模型进行改进,并通过模糊逻辑方法对改进模型中的参数加以确定,设计出模糊卡尔曼滤波交通流量预测模型,从而对短时交通流量进行实时准确预测.数值分析及对比结果表明:相较于卡尔曼短时交通流量预测方法,模糊卡尔曼短时交通流量预测方法能够提升预测过程的实时性,并使平均相对误差降低0.27%,平均绝对相对误差降低7.26%,最大绝对相对误差降低32.43%,进一步提高了预测精度.     

一种组合核相关向量机的短时交通流局域预测方法

为有效提高短时交通流预测的精度,提出一种基于组合核相关向量机模型的短时交通流局域预测方法.首先利用C-C方法实现相空间重构,然后根据Hannan-Quinn准则确定邻近点个数,进而构建基于粒子群优化的组合核相关向量机模型,最后采用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析.实验结果表明:基于组合核相关向量机模型的短时交通流局域预测方法的预测误差和均等系数均优于对比方法,其中,平均绝对百分比误差比GKF-RVM模型、GKF-SVM模型和加权一阶局域预测模型分别降低了29.2%、47.5%和59.5%,能够进一步提高短时交通流预测的精度.     

饱和信号交叉口排队长度预测

通过采用自适应权重指数平滑法,对进口车道的实时流量进行预测,建立了以定数排队理论为基础的排队长度预测模型。该模型可以实现对饱和信号交叉口排队长度的预测,预测结果具有较强的自适应性,更符合交通流的实际运行状况。实际数据验证结果表明:在拥挤的交通状态下,该模型的预测精度可达到85%以上,可以满足信号配时和交通管理的需要。     

基于时空特性和灰色神经网络的短时交通流预测

为了提高城市道路短时交通流的预测精度,提出一种基于时空变化特性和灰色神经网络的短时交通流预测模型。通过对道路短时交通流时间和空间特性的分析,将预测路段与相邻路段进行灰色关联度分析,深度挖掘道路交通流的空间信息,并利用灰色神经网络组合模型对预测路段进行短时交通流预测。以合肥市的道路实测数据进行实例分析,结果表明,相比单一时间序列预测模型,该方法有效提高了道路短时交通流的预测精度。     

基于SVM与自适应时空数据融合的短时交通流量预测模型

针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

基于最优汇集时间间隔的城市间断交通流预测

针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点，提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期，再利用交叉验证均方差模型确定最优汇集时间间隔与信号周期的关系，在此基础上提出融合贝叶斯神经网络和深度学习模型的LSTM-BConv预测模型.基于实测数据的实验结果表明：1）基于最优汇集时间间隔统计交通流数据能有效提升城市间断交通流预测模型的预测精度；2）城市间断交通流数据的最优汇集时间间隔为交通信号控制周期的倍数；3）对比试验结果表明，LSTM-BConv预测模型优于常见的预测模型，平均绝对百分比误差提升了4.57%.预测结果可以为信号控制方案的优化提供参考依据.     

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...     

高速公路V/C与事故率关系研究

利用1条我国的高速公路连续3年的事故数据和交通流数据,对V/C和事故率的关系进行了统计分析,研究结果表明,V/C与事故率之间存在着相关关系,2者之间可用二次函数来拟合,曲线呈现U形:事故率在V/C较小时最高;随着V/C增加,事故率逐渐下降;模型显示当V/C=0.58时,事故率最低;随着V/C的继续增加,事故率又随着继续增加．     

高速公路施工区车辆强制换道耗时生存模型

为研究高速公路施工区车辆强制换道行为及其影响因素,采用生存分析中的半参数分析方法建立强制换道耗时的乘法风险率模型.通过无人机拍摄采集高速公路施工区的车辆换道耗时及其影响因素数据,最终确立换道耗时Cox比例风险模型,对换道耗时数据进行Cox回归建模分析.结果表明:近77%的换道车辆在10 s内完成换道;小型车和中型车经养护施工区的换道耗时未发现显著性差别;对于相同的换道耗时,平峰期的累积生存率明显低于高峰期和过渡时期,而高峰期的累积生存率最高.建立的强制换道耗时生存模型可有效的定量分析车型和交通时段对高速公路施工区车辆换道行为的影响,可为高速公路施工区交通管理控制及车辆换道行为建模及仿真奠定一定的理论基础.     

Research on traffic flow forecasting model based on cusp catastrophe theory

This paper intends to describe the relationship between traffic parameters by using cusp catastrophe theory and to deduce highway capacity and corresponding speed forecasting value through suitable transformation of catastrophe model. The five properties of a catastrophe system are outlined briefly, and then the data collected on freeways of Zhujiang River Delta, Guangdong province, China are examined to ascertain whether they exhibit qualitative properties and attributes of the catastrophe model. The forecasting value of speed and capacity for freeway segments are given based on the catastrophe model. Furthermore, speed-flow curve on freeway is drawn by plotting out congested and uncongestcd traffic flow and the capacity value for the same freeway segment is also obtained from speed-flow curve to test the feasibility of the application of cusp catastrophe theory in traffic flow analysis, The calculating results of catastrophe model coincide with those of traditional traffic flow models regressed from field observed data, which indicates that the deficiency of traditional analysis of relationship between speed, flow and occupancy in two-dimension can be compensated by analysis of the relationship among speed, flow and occupancy based on catastrophe model in three-dimension, Finally, the prospects and problems of its application in traffic flow research in China are discussed.     

高速公路安全与交通流特征参数关系

基于我国平原区1条典型高速公路3年的事故数据和交通流数据对两者之间的关系进行了研究.利用多变量多项式比率等方法建立了多个交通流参数和事故率之间的关系方程,并辅以三维曲面图加以直观反映.研究表明:大车比例、大小车平均速度差和饱和度是影响交通安全最为重要的3个交通流特征参数,多个交通流参数之间相互作用关系复杂,单个参数对交通安全的影响随着其他参数取值的变化而变化.     

基于K-最近邻的交通事件持续时间预测模型

通过对高速公路交通事件的性质和特征进行分析,选择对持续时间影响较大的属性(事件类别、发生时间、地点、天气、伤亡程度、涉及车辆数、占用车道数)构成了描述交通事件的向量,对各属性进行了分类与量化.以交通事件的历史数据集合为基础构建N维搜索空间,计算了当前交通事件与历史交通事件之间的欧式距离,通过寻找距离最近的K个元素建立了最近邻预测模型.采用单因素方差分析法标定了变量权重,根据最小误差法确定了最佳K值.实例应用表明,K-最近邻预测模型对持续时间范围为30 min≤T90 min、90 min≤T180 min交通事件预测精度较高,适合高速公路有大量历史数据的情况下应用.     

Relationship between speed and traffic accident and speed limit on freeway

To develop an equation between discrete degree of speed and traffic accident on freeway in China and give reasonable suggestions of speed management, the relation model was established between speed standard deviation and accident rate per 100,000,000 vehicle kilometers by regression analysis. The model shows that the more discrete is the speed distribution, the higher is the accident rate, which provides theoretical gist for speed limit on freeway. It is suggested that speed limit should be set according to 85th percentile speed obtained by the relationship between 85th percentile speed and RCCs （curvature change rate of single circular curve）, and different speed limits should be set for cars and trucks. Through analyzing spot speed data of eight freeways in China, regression models were established between 85th percentile speed and RCCs and 15th percentile speed and RCCs Reasonable speed limit suggestion values are put forward through these models.     

高速公路大、小车速度差与事故率的关系

回顾国外有关车速与事故之间的研究成果可以发现,事故预测模型一般只考虑了平均车速、速度的方差和速度梯度等指标,而对大、小车速度差与事故之间的关系研究并未涉及．基于中国高速公路上大车比例较大,且大车速度与小车速度差较大的特点,以一条高速公路连续3a的事故数据为基础,利用统计回归的方法研究了大、小车速度差与事故率之间的关系,建立了相应的回归模型．结果表明,大、小车的速度差是引起交通事故的重要原因之一,速度差和事故率之间呈正相关关系,即随着平均速度差的增大,事故率增大．     

基于汽车行驶广义费用最小的高速公路最高车速限制方法

应用多目标优化的思想提出了基于运行效率、安全性、经济性与舒适性的高速公路最高车速限制方法。以平直路段、自由流、良好的路面与天气条件下的最高车速限制值为基准值,采用数学建模与回归分析的方法分别构建了高速公路车速的时间费用函数与油耗费用函数,研究高速公路车速与事故严重程度及乘坐舒适性的量化关系,以时间费用与油耗费用之和最小为目标函数及事故死亡率和舒适度满足相应允许范围为约束条件,建立了基于汽车广义行驶费用最小的最高车速限制基准值计算模型。对模型参数进行标定后,采用极值求解的数学方法对最高车速限制基准值计算模型进行求解,给出了不同设计速度高速公路平直路段分车型的最高车速限制基准值。     

冰雪路面下高速公路事故及严重程度影响因素分析

为准确识别冰雪路面下高速公路事故致因因素及严重程度影响因素,构建了基于故障树和贝叶斯网络的综合模型.在转化后的贝叶斯网络中增设3条有向弧,并根据事故严重程度将叶节点分为3种状态,对叶节点的条件概率表进行更新,基于构建的综合模型进行贝叶斯网络逆向推理和敏感性分析.结果表明:能见度低、不良天气(雨、雪、雾)、货车、夜间无照...