首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  国内免费   7篇
  收费全文   2篇
  完全免费   1篇
  综合类   10篇
  2018年   1篇
  2013年   1篇
  2010年   2篇
  2009年   1篇
  2006年   4篇
  2004年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于马尔可夫排队模型的行程时间预测方法   总被引:7,自引:4,他引:3  
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。  相似文献
2.
基于多智能体的城市道路交通控制系统及其协调优化   总被引:5,自引:1,他引:4  
在分析多智能体特性的基础上,提出了基于多智能体的城市道路交通控制系统,并采用遗传再励学习和博弈论方法进行优化控制和区域协调,最后通过仿真分析说明了算法的有效性。  相似文献
3.
城市主干道的多路口模糊协调控制   总被引:3,自引:0,他引:3  
首先提出一个简化的交叉路口交通流模型,然后从系统的角度提出了一种区别于传统信号协调控制的新算法.模仿交警指挥时的判断决策过程,设计了一种基于相序优化的模糊控制器.进行交通控制时,采用模糊控制器和相序优化器联合控制.前者用来决定改变当前绿灯相位时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,控制效果良好.  相似文献
4.
基于遗传神经网络的区域交通控制效果评价   总被引:1,自引:0,他引:1  
为了对区域交通控制效果进行有效的评价,通过建立区域交通控制多目标评价函数,提出了基于遗传神经网络的区域交通控制效果评价方法.该方法由VC++编程实现,并采用VISSIM仿真软件进行了模拟与测试,经验证具有较好的实用性.  相似文献
5.
基于GPS数据及车辆运行特性分析的单车路段行程时间估计   总被引:1,自引:0,他引:1  
针对现有的基于浮动车单车路段行程时间估计方法的不足,提出了一种基于GPS数据及车辆运行特性分析的单车路段行程时间估计方法。该方法主要进行了3个方面的改进:①对地图匹配模块中节点附近GPS点采用了相邻点联合匹配的方法,提高了匹配的效率;②针对不同情况下车辆在边界点前后运行特性的不同,对车辆通过边界点时间进行相应处理,提高了车辆通过路段边界点时间的估计精度;③对车辆个体在运行中因受到干扰而停车现象进行了分析,并对干扰停车予以有效剔除,降低了估计中车辆个体行为对估计结果准确性的影响。最后用出租车GPS实验数据进行了验证,结果证明了本文方法的有效性。  相似文献
6.
在分析多智能体特性的基础上,提出了基于多智能体的城市道路交通控制系统,并采用遗传再励学习和博弈论方法进行优化控制和区域协调,最后通过仿真分析说明了算法的有效性。  相似文献
7.
首先提出一个简化的交叉路口交通流模型,然后从系统的角度提出了一种区别于传统信号协调控制的新算法。模仿交警指挥时的判断决策过程,设计了一种基于相序优化的模糊控制器。进行交通控制时,采用模糊控制器和相序优化器联合控耕。前者用来决定改变当前绿灯相位时刻,后者从相序中根据优先权的大小决定下一个放行相位。仿真研究表明,控制效果良好。  相似文献
8.
针对重大灾害条件下应急疏散和救援工作难以获取真实数据的现状,以BPR(Bureau of public road)路阻函数为基础,分别建立了路段行程时间模型和路径行程时间模型,并给出了重大灾害条件下车辆应急疏散时间预测模型。以德州市路网为背景,采用TransModeler仿真软件搭建路网,模拟重大灾害事件,获取应急疏散时间数据,并对模型进行验证。试验结果表明:与现有仿真软件相比,该算法具有较高的保真度和精确度,为重大灾害条件下的应急疏散和救援工作提供了数据支持。  相似文献
9.
为了有效解决分布式动态诱导系统中存在的拥挤漂移问题,有针对性地根据城市交通网络的空间分布特性提出了适合于导航用户使用的动态限制搜索区域的带约束K则最优路径算法。该算法基于MAPX控件编程实现,并采用VISSIM仿真软件进行了模拟和测试。实验结果表明:该算法一方面合理限制了路网的搜索规模、显著提高了路径优化算法的执行效率;另一方面又有效均衡了路网上的交通流,预防了拥挤漂移现象的发生,为个体出行者和整个交通系统带来效益。  相似文献
10.
为提高交叉口短时交通流预测精度,以历史交通流量数据为基础,提出一种基于自适应噪声完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-排列熵(permutation entropy,PE)-在线序贯极限学习机(online sequential extreme learning machine,OSELM)组合预测模型(CEEMDAN-PE-OSELM).首先对交通流历史时间序列数据进行CEEMDAN分解,得到多个本征模态函数(intrinsic mode function,IMF)分量;通过PE算法对IMF分量进行重组,形成具有复杂度差异的重组子序列.然后,分别构建重组子序列OSELM预测模型,将预测结果相加得到最终预测流量.最后选取一实际交叉口,进行模型验证分析.结果表明:CEEMDAN-PE-OSELM模型的MAE、MAPE和MSE的值均低于其他模型,预测误差最小;EC值为0.963,高于ARIMA模型的EC值(0.898),最接近于1,预测精度最高,稳定性最好.就同一预测模型而言,经过CEEMDAN-PE处理的模型的各项误差明显降低,预测精度有所提高.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号