基于图卷积神经网络的城市交通态势预测算法

为了实时准确地预测城市交通流量,提高城市交通态势感知和预测准确度,提出一种改进的时空图卷积深度神经网络算法：基于自由流动可达矩阵的时空图卷积深度神经网络（FAST-GCN）. 利用图卷积神经网络有效表达城市复杂路网的结构特性,引入自由流动可达矩阵来挖掘复杂路网的时空依赖性,从而提高交通态势预测准确度;对交通流速及站点地理位置数据进行数据预处理;在现有的时空图卷积深度神经网络算法的基础上,增加基于自由流动可达矩阵的图卷积模块,以有效挖掘城市交通路网的独特空间特征;通过一个全连接的输出层输出交通流预测结果;在真实世界数据集PeMS上对算法效果进行验证. 结果表明,采用提出的FAST-GCN算法能够有效获取交通路网独特的物理特性,从而捕获交通数据的时空依赖性,优于时空图卷积（STGCN）等基线算法,其在45 min的预测准确率最好可提高5.656%;相比基线模型,所提算法能够适应大规模路网的交通流预测,且具有可扩展性.     

快速路网常发性拥挤的宏观交通流仿真

针对网络级快速路系统,以一个包含两个起点和两个终点的快速路网为考察对象,运用经典的快速路网宏观交通流模型METANET,对交通流进行建模与仿真,模拟了高峰时段交通需求条件下的快速路网常发性拥挤。通过仿真案例,细致地刻画了常发性拥挤在路网中形成、传播、消散的动态过程,描述了路网中交通状态的变化,分析了路网拥堵和运行效率降低的原因。仿真案例表明,网络交通流的状态演化是复杂的动态过程,路网中局部拥挤往往会演变成整个路网的拥堵,增加行车延误,降低路网总体运行效率;对交通流进行适当调节以缓解拥挤和提高路网时空利用效率,非常必要。     

基于检测数据的路网交通运行可靠性分析

为了满足交通管理对路网可靠性分析的需要,提出交通运行可靠性的概念。在对路网进行层次划分的基础上,构建了分时可靠度和全时可靠度两个路网交通运行可靠性的特征量。根据最小路集法设计了OD对间子路网交通运行分时可靠性分析方法。利用全局扫描法设计了路网交通运行全时可靠性分析方法。实证分析表明,所设计的方法能够分别对路网的全时和分...     

城市交通短时交通信息自适应遗传预测方法

目的 根据交通流特性,建立短时交通信息预测模型,预测短时交通信息.方法 在大规模、时变路网中,采用遗传算法进行短时交通信息的预测,建立了一种基于自适应遗传算法的短时交通信息预测模型,给出了相应的自适应遗传和变异算子,提出了适用于交通信息预测的模型评价指标.结果 仿真试验表明自适应遗传算法短时交通流预测模型可以满足大规模路网中交通信息预测的准确性、实时性和快速性要求.结论 采用自适应遗传算法进行交通信息预测优于基本遗传算法.     

行人交通流模型研究

行人交通是城市交通系统的重要组成部分,为了定量描述行人交通流的特性,进而解决行人交通问题,达到提高路网运输效率的目的,借鉴机动车交通流模型,建立了行人交通流模型．以长春市工农大路实际调查数据为基础,分析行人的交通流特性,验证交通流模型的可靠性,为行人交通流的深入研究提供了理论基础和技术支持．     

快速路网拥挤应对策略的宏观交通仿真评价

城市交通网络日趋严峻的拥挤对交通管理者提出了严峻考验,各大城市都纷纷研究应对拥挤的良策并评价其有效性.运用先进的宏观动态交通流仿真方法,对需求激增条件下城市快速路网交通运行情形进行仿真,刻画拥挤在路网中发生、传播和消散的过程,并对基于动态交通广播信息诱导的拥堵应对策略进行了仿真评价和效果模拟,结合一个"三起点-三终点"快速路网,给出了不控制和控制两种情形下的路段交通流状态(速度、流量等)时变轨迹图、路网全局交通状态视图等可视化仿真结果.仿真案例显示,宏观交通流仿真能够有效地用于诊断快速路拥堵原因、模拟各类先进交通控制策略的效果.研究成果旨在为交通管理部门设计和评价快速路网拥挤应对策略提供可借鉴思路和技术参考.     

基于因子定理的路网交通运行可靠性在线分析

为了进一步提高路网交通运行可靠性的在线分析效率,以减少信息存储空间、提高算法运行速度为切入点,借鉴图论中邻接矩阵的思想,提出了路网可靠度矩阵的概念。在此基础上,通过应用因子定理设计了路网交通运行可靠性在线分析的新方法。最后使用仿真数据对其进行了验证和对比分析。研究结果表明:本文方法在保证路网交通运行可靠性在线分析效果的同时,显著提高了运行效率,运行时间平均节省了92.72%。     

路网交通流二层规划模型及其极大熵解

分析交通网络系统的特点,研究混合交通OD结构的关联性,在定量分析路网交通流受交通容量、交通安全及交通服务能力等条件限制的基础上,研究路网利用效益最大化及路网交通流量最大化问题,构建一种路网交通流的二层平衡规划模型。利用先验分布理论和极大熵原理,给出模型的极大熵函数解,进一步证明解的存在与唯一性。模型一方面描述了管理部门对路网交通的优化配置,一方面描述了出行者充分利用路网资源的最优选择。最后通过一个实例,分析模型计算的相关结论。     

城市快速路交通运行状态分析

城市快速路是城市交通干道,通过分析快速路交通运行情况,为合理的出行提供依据,以此提高路网利用率。以西安市南2环、东2环实地交通调查数据为基础,选取其中典型快速路路段,分析其交通流特性,根据不同的交通流参数调查数据分布情况,将不同的交通流运行状态划分为4个种类,提出了以速度、密度、饱和度为参数的运行状态分析指标体系。     

适于双子电梯群控系统的交通模式预测方法

为了避免传统电梯交通模式识别存在模式滞后的缺陷,适应新型的双子电梯群控系统性能要求,提出了基于预测交通流的电梯交通模式预测方法.采用支持向量机(Support vector machine,SVM)进行电梯交通流预测;采用BP神经网络进行电梯交通流模式识别,并用遗传算法(Genetic algorithm,GA)对BP神经网络进行优化;将电梯交通流预测与交通模式识别相结合,再次利用神经网络对所预测的交通流进行模式识别,实现交通模式预测.研究结果表明,预测交通流的交通模式与实际交通流的交通模式一致,验证了交通模式预测的准确性.交通模式预测方法可避免模式滞后的缺陷,为双子电梯群控系统工程应用提供理论依据.     

基于LSTM神经网络改进的路阻函数模型

为了更加精确地计算道路的交通阻抗,对经典的BPR阻抗函数模型进行改进,建立长短期记忆(LSTM)神经网络预测改进函数中待定系数的正负,结合杭州市上塘高架至中河高架路段采集的交通数据进行验证. 与传统BPR阻抗函数方法、经典的EMME/2锥形延误函数计算方法、BP神经网络预测方法、LSTM神经网络预测方法得出的结果进行对比分析,结果显示在数据精度满足要求的前提下,改进的模型具有更高的准确性和可靠性. 说明使用改进模型计算得到的道路阻抗能够更为真实地反映道路的交通运行状况.     

Short-Term Traffic Flow Prediction Based on Road Network Topology

Accurate short-term traffic flow prediction plays a crucial role in intelligent transportation system (ITS), because it can assist both traffic authorities and individual travelers make better decisions. Previous researches mostly focus on shallow traffic prediction models, which performances were unsatisfying since short-term traffic flow exhibits the characteristics of high nonlinearity, complexity and chaos. Taking the spatial and temporal correlations into consideration, a new traffic flow prediction method is proposed with the basis on the road network topology and gated recurrent unit (GRU). This method can help researchers without professional traffic knowledge extracting generic traffic flow features effectively and efficiently. Experiments are conducted by using real traffic flow data collected from the Caltrans Performance Measurement System (PEMS) database in San Diego and Oakland from June 15, 2017 to September 27, 2017. The results demonstrate that our method outperforms other traditional approaches in terms of mean absolute percentage error (MAPE), symmetric mean absolute percentage error (SMAPE) and root mean square error (RMSE).     

冰雪天气下的区域交通状态实时判别

在研究现有常态天气下交通状态判别的基础上,充分考虑冰雪灾害对道路通行能力的影响,提出了适用于冰雪天气条件下的路段和交叉口的交通状态判别方法。同时考虑道路的等级、路段的通行能力以及路段长度等因素,确定了路段和交叉口的交通状态权重,实现了区域交通状态实时判别。最后利用TransModeler微观仿真软件对本文方法进行了验证。结果表明:该方法判别准确度较高、判别时间较短,为冰雪条件下交通状态研究提供了新的思路。     

逐步回归法在无检测器交叉口交通流量预测中的应用

在研究交叉口相关性的基础上 ,利用逐步回归法预测无检测器交叉口交通流量 ,并应用长春市路网的实际数据对结果进行了检验 ,取得了满意的效果。此研究成果有效地解决了无检测器交叉口交通流量的预测问题 ,它使得只有很少检测器交叉口的城市的交通流诱导成为可能 ,并为交叉口的宏观管理提供了理论依据。     

基于K-均值聚类算法RBF神经网络交通流预测

针对目前道路拥堵等交通问题,本文采用K-均值聚类算法对径向基函数(radial basis function,RBF)网络进行优化,通过K-均值聚类算法把所有的输入样本进行统一聚类,求得所有隐含层节点的RBF中心值Ci,并用最小二乘法(LMS)进行RBF网络的权值调整,同时在一定的时间和路段内对车流量进行数据采集,通过建立RBF神经网络模型,运用Matlab软件把采集的数据、图像进行计算机仿真,仿真结果表明,未加入K-均值聚类的RBF神经网络,其预测输出曲线大致可以和实际输出曲线拟合,但在数据波动较大的时刻,预测曲线的收敛速度偏慢且效率偏低;而采用K-均值聚类算法的RBF神经网络,在实际输出波动较大时,预测输出的曲线收敛速度和准确度都较高,因此,本研究相对于普通的BP神经网络,有更高的预测精度和较好的收敛性。该研究适用于市区内的交通流预测。     

中期交通量的多项式和Fourier级数组合预测模型

为提高中期交通流量预测的精度,利用交通流存在平峰、高峰这一先验信息对交通量进行多项式趋势回归分析,采用傅里叶级数修复随机因素对交通流造成的影响,从而建立道路交通流量多项式傅里叶级数组合预测模型,最后通过哈尔滨市瓦盆窑路段的交通流数据检验了方法的有效性和稳健性.结果表明,该方法具有较高的预测精度,总体上优于指数平滑、AP...     

Prediction of elevator traffic flow based on SVM and phase space reconstruction

To make elevator group control system better follow the change of elevator traffic flow (ETF) in order to adjust the control strategy,the prediction method of support vector machine (SVM) in combination with phase space reconstruction has been proposed for ETF.Firstly,the phase space reconstruction for elevator traffic flow time series (ETFTS) is processed.Secondly,the small data set method is applied to calculate the largest Lyapunov exponent to judge the chaotic property of ETF.Then prediction model of ETFTS based on SVM is founded.Finally,the method is applied to predict the time series for the incoming and outgoing passenger flow respectively using ETF data collected in some building.Meanwhile,it is compared with RBF neural network model.Simulation results show that the trend of factual traffic flow is better followed by predictive traffic flow.SVM algorithm has much better prediction performance.The fitting and prediction of ETF with better effect are realized.