分行业货运需求预测方法

本文介绍了按行业货运需求预测方法的理论基础与计算。此方法是交通运输系统规划中运输需求预测与分布的新方法。     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

结合浮动车技术的SCATS自适应控制策略生成技术

针对SCATS信号控制系统存在的两个问题:相位差实时优化能力差和备选方案固化,尝试结合浮动车技术研究了SCATS自适应控制策略生成技术。通过改进地图匹配算法,提高浮动车路段行程时间估计精度,从而提高相位差实时优化能力以及模型的输入数据精度。同时根据实时的检测器数据和浮动车数据,采用模糊神经网络以及多属性决策技术自适应生成控制区域交叉口的配时参数。最后,以上海某SCATS控制区域为仿真路网,以SCATS采集的检测器数据及浮动车数据为仿真输入数据,以Paramics V6为仿真平台对本文模型进行验证,结果表明能够提高系统的控制效率。     

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

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。     

基于小波分析的交通参数组合预测方法

为了更加准确地预测交通参数的变化趋势,结合小波理论处理时变信息的优势,设计了一种在小波分析的基础上利用BP神经网络进行预测的组合预测方法。该方法采用小波理论与神经网络结合的策略,具有普适性,且比传统的基于小波分析的组合预测过程简单,为大运算量的实时应用提供了可能。利用实际数据对该方法进行了验证,并与对比算法进行了效果对比。结果表明,本文提出的方法预测效果较好,具有一定的实用性。     

协同学理论应用于ITS研究

研究利用协同学理论进行ITS研究的可行性和合理性,并利用协同学理论分析ITS.提出车流量是系统的控制参量,交通控制系统,交通流诱导系统是系统的序参量,并根据协同学理论处理复杂系统的一般步骤,基于协同学的役使原理,消去系统的快弛豫变量,建立系统的序参量方程,大大简化了方程的维数。     

基于SCATS及GPS信息的路段行程时间估计

由于SCATS控制系统的检测信息不提供速度信息,很少用其估计城市道路的路段行程时间。鉴于SCATS应用的广泛性及其采集信息的丰富性,提出了一种基于SCATS信息的路段行程时间估计方法。对基于SCATS信息估计结果进行误差分析,并分析了浮动车样本量对GPS估计结果的影响,明确了两种估计方法在不同条件下估计结果的特性。根据估计结果的准确性和稳定性对实验样本进行分类。在分类的基础上,分析了以上两种估计结果的互补性,并选择合适的融合方法对二者进行了融合处理,融合前后的估计误差对比结果表明,提出的基于SCATS估计方法有效,经SCATS及GPS信息融合后的估计结果更可靠。     

城市快速路多尺度交通数据融合方法

为了从原始数据层面保证动态交通数据的质量,针对多检测器异步采样中非等采样率同时采样的情况,首先构建快速路多检测器动态系统,并对多检测器动态系统进行小波变换,提出基于小波和卡尔曼滤波的多尺度交通数据融合方法.最后,采用上海市南北高架快速路实测数据进行实验验证和对比分析.实验结果表明:对于添加噪声强度为2.5%、5.0%、7.5%和10.0%随机噪声的观测数据,该方法的数据融合效果均优于对比方法.     

大型公共场所应急状态下交通诱导疏散模型

针对大型公共场所在应急状态下交通诱导疏散问题,以疏散网系统最优和疏散时间最短为目标,建立了交通诱导疏散双层规划模型。采用基于排序选择的改进粒子群优化算法(Ordered choice model particle swarm optimization,OCMPSO)对其进行求解。最后对某市一大型体育活动中心进行了仿真验证。结果表明:本文提出的模型能够有效地对突发事件下的公共场所待疏散车辆进行高效安全的疏散。