基于马尔可夫过程的路网交通状态预测方法

针对城市道路交通管控对路网实时交通状态信息的需求,首先对交叉口的交通状态进行了界定并划分为4个状态等级,然后以15min为时间间隔,结合历史数据采用马尔可夫过程计算每个交叉口的状态转移概率,并对各个交叉口下一时刻的交通状态进行预测,进而对每个交叉口进行分类并采用综合评价法确定整个路网的交通状态.试验以MAPE为评价指标对已有算法进行对比,结果表明:该方法不仅能够实时地确定每个交叉口的交通状态,同时能够基于不同类型交叉口的预测结果确定整个路网的交通状态,且交叉口平均预测误差为7.04%.     

基于系统科学理论对交通流量预测的研究方法

随着经济的高速发展,城市化进程在不断加快．针对道路交通拥挤和交通控制等问题进行研究;基于系统科学理论研究分析城市道路交通系统结构的特性,研究利用这些特性进行道路交通拥挤预测和拥挤控制的模型,进而提出道路交通拥挤控制或缓解的措施和方法．     

地理和交通信息感知的车载Ad Hoc路由

为提高数据包投递率和降低时延,提出了一种基于地理和交通信息的车载Ad Hoc网络(VANET
)路由算法. 该算法利用实时的道路交通信息和车辆移动位置预测进行数据转发,并采取暂存转发策略,同时能处理目的节点移动情况. 仿真结果表明,该算法比贪婪的周边无状态路由(GPSR)算法具有更高的数据包投递率和更低的时延.     

城市交通状态判别方法的研究

针对国内交通状态判别方法存在交通状态划分不详细及判断交通状态的参数单一等缺陷,本文根据试验路段检测器提供的车流量、车速和占有率数据,提出了一种城市交通状态判别方法,该方法通过划分4种交通状态（通畅、缓慢、拥堵、锁死）来表征路上车辆运行状况,并用VISSIM交通仿真软件搭建了一个模拟仿真环境,仿真结果表明,路段密度、排队长度与行程时间相比,路段密度和排队长度的曲线规律性最好,说明采用机动车排队长度算法和交通密度算法可以判别道路交通状态。本方法能有效判断小范围内道路交通状态。     

基于交叉口车牌识别数据的网络交通状态分类方法

为实现能实时、高效、准确地利用现有的车牌识别数据掌握路网交通状态，并精准实施道路交通网络控制措施，基于道路交叉口车牌识别系统数据，依据基于平均最短路径长度的拥堵指标衡量路网运行状态，使用K-means聚类算法进行分类，依据谱距离指标和拥堵指标分类不同时段的网络剩余供给能力。在此基础上，依据实时的道路交通数据，计算拥堵指标，可得到实时道路网络剩余供给能力分级。针对分级后的实时道路网络的实际剩余供给能力，设计不同的网络交通管控方案，能有效缓解交通拥堵。以长沙市五一广场局域道路网络为实例，研究结果表明：城市道路网络状态全天可以分为4种类型，拥堵指标为1.522、1.823、2.207、3.069,分别对应路网剩余供给能力良好、一般、较差和极差。该网络早晚高峰时段路网剩余供给能力多处于较差状态，并且晚高峰时路网有可能处于剩余供给能力极差状态。相比于工作日，在周末的高峰时段，路网剩余供给能力表现较为良好。采取针对性交通管控措施后，经仿真验证表明拥挤路径社会总成本下降5%以上。     

基于感应线圈数据的城市道路交通状态判别方法

以SCOOT系统感应线圈检测器采集到的交通数据为基础,设计了一种基于模糊聚类的城市道路交通状态实时判别算法及其评价方法,并提出了交通状态判别时间间隔的确定方法。以VISSIM为工具,对上述方法进行了模拟。对比分析结果表明,所提出的算法能够提高城市道路交通状态实时判别的效果。     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA WNN预测模型对短时交通流的预测的有效性.     

注水开发油田动态的微分模拟预测

本文从中后期注水开发油田的多时间序列数据分析,建立了油田状态的微分动态模拟,并由此进行预测,得到了通过油田整体状态变量研究其单一状态变化趋势的新方法。并对国内HL注水开发油田进行了试算,取得了较好的效果。     

基于时空图卷积网络的交通事故预测研究

准确、高效的交通事故预测方法是智能交通系统高效运行、及时提供医疗救助和提高交通效率的必要条件。现有的事故预测模型主要采用统计方法或单一的机器学习方法,不能同时获得时空依赖关系,为了提高预测精度,针对交通事故预测的问题,提出了一种基于时空图卷积网络的交通事故预测模型,该模型与长短期记忆网络和图卷积网络相结合,并考虑了交通事故中时间和空间的依赖关系。通过将图卷积网络用于学习复杂的路网拓扑结构,以获得交通状态中的空间相关性,把长短期记忆网络用于学习交通事故数据的动态变化,以获得交通状态中的时间相关性,然后使用基于时空图卷积网络的交通事故预测模型进行预测。实验表明：该模型能够从事故数据中获得时空相关性,并在真实数据集上具有良好的预测性能。     

基于拉依达准则的交通数据粗大误差处理优化方法

交通数据质量是影响交通控制方法有效实施的关键因素之一.为进一步提升交通数据的准确性和时效性,对比分析交通预处理方法,采用标准差公式对拉依达准则进行优化,设计一种适用于交通异常数据检测和修复的优化方法,并结合上海城市快速路实际数据对模型有效性和时效性进行检验.结果表明,基于拉依达准则的数据处理优化方法能够有效、实时地检测交通异常数据、改善数据质量,为道路交通状况的监测和预警提供数据支持.     

基于经济增长的高速公路诱增交通量预测

诱增交通量预测是道路交通量预测的一部分,它对项目的经济评价有重大影响,同时也直接关系到道路技术标准的选用及道路投入运营后的管理.论文通过对诱增交通量产生机理的分析,总结其发展变化分为聚集形成、快速增长和逐渐稳定三个阶段,在此基础上提出了一种基于经济增长量的高速公路诱增交通量经济预测模型,在模型中首先给出了诱增交通量预测步骤,然后详细地描述了预测步骤中初期诱增交通量确定方法、交通区经济增长量的预测和诱增交通量经济预测模型,最后通过对京哈高速公路黑龙江段的实例计算,验证了该方法的有效性.     

基于非线性理论的短期交通流预测研究

尝试用非线性理论对短期交通流进行分析和预测.建立了基于混沌动力学理论的短期交通流预测模型和方法,给出短期交通流预测的框架,用主分量分析法(PCA)对三种采样间隔(1 min5、min和15 min)的短期交通流数据进行分析,在判定短期交通流表现出混沌特性的基础上,用基于相空间重构理论的加权一阶局域预测法进行短期交通流预测.理论研究成果在上海延安高架路5 min采样间隔的交通流线圈检测数据中得到了验证,预测数据与实测数据吻合较好.     

弹性系数法在公路工可交通量预测中的应用

运用弹性系数法进行交通量预测的关键在于确定弹性系数。文章选取交通区汽车保有量、客货运输量、通道交通量统计资料与国内生产总值作为弹性系数指标，进行回归确定弹性系数。通过资泸路（省道207线）威远段改造工程工可交通量预测，验证了弹性系数指标选取的正确性和预测结果的合理性，对公路工程可行性研究交通量预测具有广泛的应用价值。     

基于主成分分析和支持向量机的道路网短时交通流量预测

将主成分分析和支持向量机回归相结合,进行道路网多断面的短时交通流量预测研究。首先,整理分析路网中多个断面交通流量数据进行主成分分析,得到主成分数据序列;其次,根据主成分数据序列建立训练集训练支持向量机,并利用遗传算法优化参数;最后,输入支持向量机所需数据,得到主成分预测结果,转化为断面交通流量数据,从而预测道路网短时交通流量。采用城市快速路多断面数据进行实例分析,结果表明,该模型比单一断面预测方法的效果更好。     

基于混沌理论的交通流短时预测模型

交通流预测是交通系统可行性分析、交通设计和交通管控的基础,短时预测是交通流预测的难点.论文在分析现有交通流预测方法的基础上,提出了一种基于混沌理论的交通流短时预测方法,利用基于小数据量的W olf改进算法计算了流率序列的最大Lyapunov指数.将基于Lya-punov指数的一维预测模式具体化,建立了交通流短时预测模型,并对模型进行了改进,改进后的预测结果具有较高的精度.该模型在智能交通系统(ITS)的交通控制与诱导方面具有广阔的应用前景.     

公路交通运量的灰色预测模型研究

针对公路交通系统在准确预测交通运量时的棘手问题,引进灰色预测GM(1,1)模型进行预测.同时又不拘泥于固定模型,通过翔实的定性分析,在建模中对系统原始数据做出有选择的变换生成,切实做到将定性分析与定量分析有机结合,预期效果得到验证,有效提高了模型精度,对交通运量作出了较为准确的预测,希望能对相关部门和人员把握运输市场或进行决策有所裨益.     

自适应路网拥堵疏导系统的研究

随着汽车工业的飞速发展,路网建设显得相对滞后,大中城市中交通拥堵日益严重.介绍一种基于有限状态机的自适应路网拥堵疏导系统,它由路口车流量信息的获取和红绿灯时间自动设置两部分组成.借助数字城市中的视频监控设施,获取路口实时的交通流量信息;再通过基于有限状态机的控制系统,实现红绿灯导通时间的自主设置,前瞻性地缓解路网拥堵现象.     

基于马尔科夫的动态交通流演化模型及应用

以实时控制和诱导为目的的短时交通流预测作为研究分析对象,构造出刻画随机用户平衡演化过程的基于马尔科夫过程的动态,分析了它的稳定性,并给出一个算例进一步验证了其稳定性.将马尔科夫链引入到交通流演化动态中,通过简单的算例,对道路中的交通流进行分析和预测,进而对车辆进行诱导,从而达到交通管理的目的.     

短时车流量组合预测模型

随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.