基于元胞自动机的城市交通流仿真系统

利用元胞自动机理论，建立了单车道及交叉路口交通流模型。为了使用户直观的了解交通运行状况，以便采取有效的优化措施对交通进行管理，设计并实现了城市交通流仿真系统。该系统具有优化功能，能够通过对数据的分析，产生交通管理的优化策略，对优化城市交通提出可供借鉴的措施。     

基于改进蚁群算法的CA的应用——以土地利用模拟为例

元胞自动机转换规则的获取对模拟至关重要。对蚁群分类规则挖掘算法进行改进,并将该算法挖掘的转换规则作为元胞自动机的转换规则,提供了一种利用元胞自动机进行模拟的方法,以武清区土地利用模拟为例进行实验,表明了方法的有效性。该方法可应用到其他分类规则和转换规则挖掘中,也可应用到元胞自动机模拟的其他研究中。     

基于元胞自动机的交通流计算机模拟

元胞自动机是把复杂系统量化为简单的个体,在元胞自动机模型中.空间、时间都被离散化,每一个相互作用的单元仅为有限的状态.以元胞自动机理论为基础,把车辆在路段上交通流中运动的变化规律表述为元胞自动机的演化规则,建立了基于元胞自动机理论的交通流模拟模型,标定了元胞长度和最大速度等参数,分析了元胞变换的原则;详细探讨了元胞自动机在道路交通模拟中的应用,设计出了交通元胞自动机的结构,分析了交通元胞自动机所采取的状态变换原则,建立了一维(单车道)交通流模拟模型;并利用C语言编程实现模拟.模拟结果符合实际交通流的特点.     

一维单车道交通流元胞自动机模型综述

随着交通流模拟的需要及智能交通系统的发展,出现了基于元胞自动机理论的交通流模型。交通流模型是交通理论研究的重要问题,交通流元胞自动机模型的出现和发展为交通流理论的研究提供了一种新的方向。文章主要介绍了单车道交通流元胞自动机模型,并对元胞自动机模型的发展提出了展望。     

行人交通微观动态元胞自动机仿真模型研究

在分析行人交通特性后,以元胞自动机（CA）和规则描述为理论基础,提出基于CA的行人仿真模型,以此建立相对于其他交通对象的行人避让模型。该方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题。结合行人CA模型和行人避让模型开发了混合交通流仿真试验原型系统。仿真结果表明,该方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有着广泛的应用前景。     

基于二维元胞自动机的网络模型*

针对一维元胞自动机网络模型的转发过程随机化,二维模型缺乏拥塞特性分析的缺陷,提出了一种基于二维元胞自动机的网络模型。根据TCP/IP拥塞控制协议设计了元胞更新规则,并设置不同的元胞队列长度以增强网络的异构性。利用该模型仿真得到了拥塞相态下的节点负载、节点处理延时具有白噪声特性和1/f噪声特性。通过该模型观测到局部网络与整个网络负载特性的关系,表明该二维元胞自动机网络模型具有可扩展性,适用于大规模网络的行为建模研究。     

大型客车影响的双车道多速混合交通流CA模型研究

在对现有经典交通流元胞自动机模型进行总体分析的基础上,结合我国高速公路特点,通过重新标定元胞长度、运行车速、随机慢化机制,制定车道转换规则,构建了周期边界条件下考虑大型客车影响的双车道多速混合交通流元胞自动机模型,并通过计算机模拟分析了速度、密度、流量三参数之间关系,寻找出了大型客车占有率、大型客车随机慢化概率、变换车道车辆数等因素对交通流的影响规律,为合理的组织高速公路交通管理提供了理论依据。     

基于元胞自动机的中尺度交通模拟——以徐州市为例

元胞自动机应用于微观交通系统分析已经相对成熟,但将元胞自动机与城市整体范围内交通系统结合进行分析还少有研究。从中尺度上利用元胞自动机思想在城市整体范围内对交通流模拟进行探讨,从而希望为城市交通流的模拟分析提供一个新的研究思路。该研究通过分析对交通量产生影响的土地单元利用属性提出了车辆生成灭失模型,并列举阐述了模型的相关属性。然后建立了车辆引力度模型确定车辆的行驶路线,以及详细提出和建立了车辆行驶模型等。最后利用基于以上模型编制的程序系统模拟徐州市主要道路交通流状况,在模拟城市交通流的同时对模型系统模拟的真实性进行了分析。     

交通元胞自动机计算机模拟模型的研究

主要介绍了元胞自动机的基本理论,分析了元胞变换的原则;详细探讨了元胞自动机在道路交通模拟中的应用,设计出了交通元胞自动机的结构,分析了交通元胞自动机所采取的状态变换原则,建立了一维（单车道）交通流模拟模型;论述了元胞自动机的发展及在道路交通模拟中的研究前景。     

基于元胞自动机的中尺度交通模拟——以徐州市为例

元胞自动机应用于微观交通系统分析已经相对成熟,但将元胞自动机与城市整体范嗣内交通系统结合进行分析还少有研究.从中尺度上利用元胞自动机思想在城市整体范围内对交通流模拟进行探讨,从而希望为城市交通流的模拟分析提供一个新的研究思路.该研究通过分析对交通量产生影响的土地单元利用属性提出了车辆生成灭失模型,并列举阐述了模型的相关属性.然后建立了车辆引力度模型确定车辆的行驶路线,以及详细提出和建立了车辆行驶模型等.最后利用基于以上模型编制的程序系统模拟徐州市主要道路交通流状况,在模拟城市交通流的同时对模型系统模拟的真实性进行了分析.     

基于时空信息的交通流预测

交通流量预测是城市道路交通信号控制中的重要组成部分。为了提高预测的准确性,基于路口视频检测器数据,提出了一种交通流量预测的交通数据分析方法。随着逐年提高的计算能力,深度学习方法进行短时交通流预测越来越流行,经典的交通流量预测方法通常只能根据被预测道路自身的数据进行分析和决策,而往往较少考虑由同一区域不同道路之间的交通流量关联性。基于城市核心路网交通数据,提出一种基于时空信息的TS-LSTM模型,并与其他经典模型进行比较,所得出的结果验证了相比其他方法而言,该模型具有较高的预测精度。     

基于网格划分的城市短时交通流量时空预测模型

准确的交通流量预测在帮助交通管理部门采取有效的交通控制和诱导手段以及帮助出行者合理规划路线等方面具有重要意义。针对传统深度学习模型对交通数据时空特性考虑不足的问题,在卷积神经网络（CNN）和长短时记忆（LSTM）单元的理论框架下,结合城市交通流量的时空特性,建立了一种基于注意力机制的CNN-LSTM预测模型——STCAL。首先,采用细粒度的网格划分方法来构建交通流量的时空矩阵;其次,利用CNN模型作为空间组件来提取城市交通流量不同时期下的空间特性;最后,利用基于注意力机制的LSTM模型作为动态时间组件来捕获交通流量的时序特征和趋势变动性,并实现交通流量的预测。实验结果表明,STCAL模型与循环门单元（GRU）和时空残差网络（ST-ResNet）相比,均方根误差（RMSE）指标分别减小了17.15%和7.37%,均绝对误差（MAE）指标分别减小了22.75%和9.14%,决定系数（R²）指标分别提升了11.27%和2.37%。同时,发现该模型在规律性较高的工作日的预测效果好于周末,且对工作日早高峰的预测效果最好,可见该模型可为短时城市区域交通流量变化监测提供依据。     

基于时空网络的地铁进出站客流量预测

客流量预测是城市智能交通系统的重要组成部分,对人们出行和交通管控有着重要的指导意义。针对地铁客流量数据具有时间维度和空间维度属性的特点,提出一种可以同时捕获数据时空特征的预测模型。该模型基于编码器解码器架构设计,其中解码器和编码器均由时空预测模块组成,在该模块中利用图卷积学习地铁站的空间拓朴结构、门控循环单元来捕获数据的时间特征。此外,模型将单位时间间隔内进站和出站客流量分别构成的两个时间序列,即进出站双时间序列作为输入,最终协同预测各站点的进站与出站人数。在上海地铁一卡通数据集上进行对比实验,实验结果表明,所提出的模型在进站与出站客流量预测上均取得了更好的效果,这表明考虑空间依赖能够有效地提高模型预测精度。     

基于DCGRU-RF模型的路网短时交通流预测

随着城市化进程的加快,我国城市机动车数量快速增加,使得现有路网容量难以满足交通运输需求,交通拥堵、环境污染、交通事故等问题与日俱增。准确高效的交通流预测作为智能交通系统的核心,能够有效解决交通出行和管理方面的问题。现有的短时交通流预测研究往往基于浅层的模型方法,不能充分反映交通流特性。文中针对复杂的交通网络结构,提出了一种基于DCGRU-RF(Diffusion Convolutional Gated Recurrent Unit-Random Forest)模型的短时交通流预测方法。首先,使用DCGRU(Diffusion Convolutional Gated Recurrent Unit)网络刻画交通流时间序列数据中的时空相关性特征;在获取数据中的依赖关系和潜在特征后,选择RF(Random Forest)模型作为预测器,以抽取的特征为基础构建非线性预测模型,得出最终的预测结果。实验以两条城市道路中的38个检测器为实验对象,选取了5周工作日的交通流数据,并将所提方法与其他常见交通流量预测模型进行比较。结果表明,DCGRU-RF模型能够进一步提高预测精度,准确度可达95%。     

日交通流预测的编码器-解码器深度学习模型研究

精准的日交通流预测是智能交通领域的重要研究内容之一。目前已有的日交通流预测模型大多在短期预测模型的基础上通过多步预测或者多目标预测的方式改进而来。这两种改进方案中,前者对误差的传播更为敏感,而后者则忽视了预测结果的时序关系,导致预测模型精度偏低。提出了一种用于日交通流预测的编码器-解码器深度学习模型,首先将长短时记忆网络（long short-term memory,LSTM）作为编码器-解码器模型的基本单元以提高模型捕捉长期依赖关系的能力,其次引入注意力机制调节编码向量的权重以进一步提高模型的预测精度。新的模型是一种典型的序列到序列预测模型,与传统的序列到点的模型相比更加契合日交通流预测的需求。为验证模型的有效性,取美国5号州际公路西雅图段的实际交通流数据进行实验,实验结果表明,提出的预测模型在平均车流密度大于40辆/km的时间段中,其预测结果的平均绝对百分比误差（mean absolute percentage error,MAPE）与LSTM、门控循环单元（gated recurrent unit,GRU）、反向传播（back propagation,BP）神经网络、卷积神经网络...     

Urban traffic congestion estimation and prediction based on floating car trajectory data

Traffic flow prediction is an important precondition to alleviate traffic congestion in large-scale urban areas. Recently, some estimation and prediction methods have been proposed to predict the traffic congestion with respect to different metrics such as accuracy, instantaneity and stability. Nevertheless, there is a lack of unified method to address the three performance aspects systematically. In this paper, we propose a novel approach to estimate and predict the urban traffic congestion using floating car trajectory data efficiently. In this method, floating cars are regarded as mobile sensors, which can probe a large scale of urban traffic flows in real time. In order to estimate the traffic congestion, we make use of a new fuzzy comprehensive evaluation method in which the weights of multi-indexes are assigned according to the traffic flows. To predict the traffic congestion, an innovative traffic flow prediction method using particle swarm optimization algorithm is responsible for calculating the traffic flow parameters. Then, a congestion state fuzzy division module is applied to convert the predicted flow parameters to citizens’ cognitive congestion state. Experimental results show that our proposed method has advantage in terms of accuracy, instantaneity and stability.     

基于AFSA-LSSVM的短时交通流量预测

为了提高短时交通流量的预测精度,针对最小二乘支持向量机（LSSVM）参数优化难题,提出一种人工鱼群算法（AFSA）和LSSVM相结合的短时交流量预测模型（AFSA-LSSVM）,通过采用AFSA优化LSSVM参数,并采用具体短时交通流量数据进行仿真实验。仿真结果表明,相对于参比模型,AFSA-LSSVM可以获得更优的LSSVM参数,能够更加准确地描述短时交通流量变化趋势,提高了短时交通量的预测精度,为非线性短时交通流量预测提供了一种新的研究思路。     

Urban traffic congestion propagation and bottleneck identification

Bottlenecks in urban traffic network are sticking points in restricting network collectivity traffic efficiency. To identify network bottlenecks effectively is a foundational work for improving network traffic condition and preventing traffic congestion. In this paper, a congestion propagation model of urban network traffic is proposed based on the cell transmission model （CTM）. The proposed model includes a link model, which describes flow propagation on links, and a node model, which represents link-to-link flow propagation. A new method of estimating average journey velocity （AJV） of both link and network is developed to identify network congestion bottlenecks. A numerical example is studied in Sioux Falls urban traffic network. The proposed model is employed in simulating network traffic propagation and congestion bottleneck identification under different traffic demands. The simulation results show that continual increase of traffic demand is an immediate factor in network congestion bottleneck emergence and increase as well as reducing network collectivity capability. Whether a particular link will become a bottleneck is mainly determined by its position in network, its traffic flow （attributed to different OD pairs） component, and network traffic demand.     

基于改进时空残差卷积神经网络的城市路网短时交通流预测

城市路网交通流预测受到历史交通流和相邻路口交通流的影响,具有复杂的时空关联性.针对传统时空残差模型缺乏对交通流数据进行相关性分析、捕获微小变化而容易忽略长期时间特征等问题,提出一种基于改进时空残差卷积神经网络(CNN)的城市路网短时交通流预测模型.该模型将原始交通流数据转化成交通栅格数据,利用皮尔逊相关系数(PCC)对...     

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.