基于GPS浮动车的交通信息采集系统的数据组织方法

目前运用GPS浮动车采集交通信息的实践中,由于系统数据存储模式的分散和不规范造成的系统数据利用效率较低、开发和运行效率不高。本文以提高系统数据利用效率、优化系统开发和运行模式为目标,以面向对象理论为基础,在进行系统需求分析与结构框架设计的基础上,确定了系统的数据流图,提出了一种层级数据组织方法,并设计了系统动态数据库概念模型和逻辑模型。本方法可实现对系统数据的有效整合,降低系统各功能模块间的耦合度,在提高数据利用效率的同时,有利于提高系统的开发和运行效率。     

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。     

局部拥挤条件下单点自组织信号控制方法研究

针对已有交通信号控制方法难以有效疏导拥挤交通流的现状,以感应线圈检测器采集到的实时数据为拥挤识别的基础,以拥挤流向放行车辆数最大为目标,提出了一种无信号周期、无固定相位相序限制的单个交叉口自组织信号控制的基本原理,研究了候选信号相位集、各流向权重、等待时间上限的确定方法,设计了局部拥挤条件下单个交叉口的自组织信号配时方法,并以VISSIM为工具进行了模拟验证和对比分析。结果表明,所提出的方法能够改善局部交通拥挤的疏导效果。     

视频检测技术在ATMS中的应用

对先进的交通管理系统(ATMS)的构成与功能、视频检测系统工作原理和视频检测系统在ATMS中的应用进行了综述。探讨了目前视频检测系统所存在的问题,并预测了视频检测技术在ATMS中的应用前景。     

多元统计分析方法在驾驶适应性研究中的应用

运用多元统计分析方法对驾驶员的职业适应性进行了研究，建立了评价指标体系及判别函数，以利于驾驶员的就业培训与指导，其成果在全国各大军区和地方交警部门得到了广泛应用。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.     

悉尼自适应交通控制系统线圈数据短时多步预测双层模型

为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,设计了一种基于动态神经网络的短时多步预测双层模型,包括基于NARX(Nonlinear autoregressive model with exogenous inputs)神经网络的多步预测方法以及基于FTD(Focused time-delay)神经网络的可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析。结果表明:本文方法能够进一步降低SCATS线圈数据短时多步预测的误差。     

基于BP神经网络的交通数据序列动态可预测性分析方法

为了进一步改善交通数据序列短时多步预测的效果,提出了交通数据序列动态可预测性分析的思想,在设计了交通数据序列动态可预测性关联数据特征指标的基础上,基于BP神经网络建立了交通数据序列动态可预测性分析方法,运用某城市快速路主线与匝道车辆检测器的实际数据对该方法进行了验证,并与不同固定预测步数条件下的预测效果进行了对比分析.结果表明,所提出的方法能对交通数据序列的可预测性进行在线分析,在保持预测精度的情况下,可最大限度地增加交通数据短时预测的步数.     

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。     

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区...