基于微观变量的交通流算法研究

中国城镇化发展迅速,伴随而来的城市交通状况也日益恶化,早日建成现代化的交通运输系统和交通信息管理系统成为了城市交通战略的首要任务.寻找能够正确描述交通流基本规律的交通流算法,更好地指导局部交通的优化管理和控制,是交通流研究的期望目标.基于微观变量和元胞自动机理论提出交通流算法模型.通过对微观交通流算法的设计及数值模拟,预测理想的交通流及出行分布情况,从而加深了对交通流中各种现象内在机理的认识,使其可以预测出最接近实际情况的交通流,为交通流的仿真和实时交通控制做了基础性的工作.     

城市混合交通微观仿真系统构架设计

按照面向对象的分析和设计原则,在需求分析的基础上,对城市交通微观仿真系统进行了模块划分,提出了系统的总体构架.随后对路网描述模型和控制算法选择模型进行了分析并得出了9个基本的类.最后对信号灯模型进行了讨论与实现.设计出了一个可复用可扩展的城市交通微观仿真系统构架.     

城市交通网络宏观控制模型及仿真实现

为研究适合城市交通网络控制系统应用的交通流预测模型,在改进Van Den Berg, M的路段交通流模型的基础上,建立了以路口交通流为基本建模单元,以动态非线性离散方程反映交通流变化的城市交通网络宏观模型.为验证该模型能有效地预测城市路网的交通流信息,在VC++net环境下,开发了城市交通宏观控制模型仿真系统UTFS,设计了网络拓扑结构模块,以适应不同规模、不同复杂程度的实际交通网络的仿真要求.最后选取典型网络进行应用研究.仿真结果表明:该模型满足交通控制对控制模型的实时性和精度要求,该仿真系统可以作为城市交通网络宏观控制模型验证的有效工具,也可以作为城市交通控制系统控制和优化研究的辅助工具.     

面向短时地铁客流量预测的混合深度学习模型

城市交通客流量精准预测是智能交通系统的重要环节,是有效管控交通、规划最佳出行线路的关键。目前城市交通客流量短时预测研究主要集中在利用深度学习模型进行时空特征的提取,忽略了对模型优化的研究。针对短时地铁客流量预测存在的问题,提出一种混合深度学习模型ResGRU_Metro,将卷积神经网络、残差单元和门控循环单元相结合,捕获流量数据的时空特征。针对深度学习模型常用的损失函数难以对交通客流量峰值进行精准预测的问题,引入面向短时交通流量预测的加权平方误差,根据交通客流量的大小为预测误差赋予不同权重,并加大对交通客流量峰值处误差的惩罚,使神经网络在反向传播时更加关注峰值处的预测和误差,从而提升交通客流量峰值的预测精度。此外,通过耦合天气、空气质量等外部因子,改善模型的整体预测性能,增强模型的稳定性。实验结果表明,相比LR、PSVR、CNN等典型的预测模型,ResGRU_Metro模型有更高的预测精度,能够准确预测交通客流量的峰值。     

城市轨道交通客流需求分析模型及计算机仿真

针对传统“四阶段法”交通需求分析集聚特征显著、系统环境适应性差等问题以及城市交通系统很难进行实体仿真的缺陷,提出了一种基于城市综合公交统筹和TransCAD仿真的城市轨道交通客流分析模型。该模型基于“四阶段法”基本步骤,在第一阶段中,考虑了不同人口类别的出行强度和空间分布特征,给出了一种基于人口分类和出行目的的发生吸引模型;在交通分布中,引入K-因子和综合行程费用修正重力分布模型;在交通方式划分和分配中,结合合理系统结构边界和出行时间价值,对城市轨道交通客流分配进行精细配流。实验表明：通过对城市人口进行分类,考虑城市交通系统结构和各交通方式的出行广义费用可大大提高客流分析的精度和鲁棒性。     

基于字符串编码克隆选择的建模算法及可靠性预测

提出了一种基于字符串编码克隆选择的建模算法, 其核心是通过字符串编码的克隆选择策略在初等函数空间上进化、选择初等函数和函数间的运算关系, 构成预测模型, 并优化模型参数, 实现预测模型形式的自动生成和参数的自适应确定. 字符串编码设计使随机生成函数表达式成为可能; 克隆选择策略实现了字符串编码抗体的进化训练; 对基于字符串编码的克隆选择操作算子设计, 增加了种群的多样性, 使得不同抗体协同进化, 有效避免了进化``早熟'现象. 用该算法建立某武器系统可靠度预测模型, 实验结果表明: 该模型具有较高的精度, 为可靠性预测、故障预报与维修奠定了基础.     

城市交通诱导系统的路径选择分配建模与仿真

研究城市交通路径分配问题.城市交通拥挤复杂多变,用户出行选择路径困难,为了优化城市交通路径分配,解决现有交通诱导模型算法计算量大、运算时间长的问题,提出了一种基于改进的蜂群智能算法的路径选择分配方法.首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度.仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,表明改进算法为提高交通路网的效率及实用性和有效性提供了依据.     

改进的BP模型在噪声预测中的应用

交通噪声作为主要的城市噪声污染,分析预测交通噪声对管理规划城市交通和减少噪声污染具有重要意义。通过分析道路交通噪声的各项影响因子,并针对BP算法的不足,提出一种基于遗传算法与神经网络相结合的道路噪声预测模型。用武汉市道路噪声实测数据进行实验,验证了该模型的高精度和实用性。     

基于改进在线极限学习机的短时交通流预测模型研究

交通流信息预测是智能交通系统进行交通疏导管理的重要基础,为城市交通管理规划提供可靠的数据支持和科学的决策依据。由于交通流量数据是实时更新的增量流数据,每次更新历史数据集时都需要重新构建预测模型,消耗了大量计算资源和运行时间,为此提出一种基于改进在线顺序极限学习机的交通流预测模型（IOS-ELM）,通过构建新增数据的增强特征映射关系,生成交通流动态更新特征表示空间,实现短时交通流预测模型的动态更新。利用长沙市远大一路交通流数据评估该模型,实验结果表明,IOS-ELM模型在NRMSE和MAPE的预测性能上均超过其他基准预测模型（MLP、ELM、OS-ELM和SVR）,同时模型的预测耗时较小,可以保证一定实时性,满足城市道路交通流的实时准确预测的需求。     

一种基于GIS的居民出行空间及交通网络评估方法

传统的交通需求4阶段分析模型大多基于各类出行的起讫点调查（OD调查）,建立出行生成、出行分布、出行方式选择和流量分配的4阶段预测模式.由于缺乏关于出行者对道路及其周边相关评价等心理感知方面的考虑,从本质上,这是一种物质性的交通分析模型.基于人本主义思想,借助GIS工具,探讨了人本主义的交通调查和评估方法;最后选择小样本量的出行调查数据为实验,实现了居民微观行为空间、行为过程以及对沿路交通状况及土地利用特征的宏观综合模拟.