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Anylogic的轨道交通换乘能力改进的研究

研究轨道交通换乘枢纽与市内其它交通方式的衔接与协调,是城市公共交通线网优化的主要内容之一。它能减少出行过程中的等待时间,缩短人们出行时间,提高公交服务质量,并保证客运交通的高效率,也能更好地促进城市轨道交通与其它交通方式的协调发展。以武汉地铁某换乘站研究对象,通过实地采集其基本设施的位置和数量、入站行人和出站行人的数量,并利用Anylogic仿真软件,建立站点的平面布置图空间模型和行人流程图。首先通过仿真软件仿真找出换乘客流瓶颈部位,其次分别对其提出改善建议并加以修改仿真模型。最终仿真结果表明,改善建议使得换乘站的换乘效率都得到提高。     

考虑轨道交通换乘需求的公交发车时刻优化模型

轨道交通与地面公交的接驳换乘优化,是城市公共交通系统提升服务水平的重要建设方向.针对该问题,本文研究了在满足常规乘客乘车需求的前提下,如何通过优化公交发车时刻实现公交与轨道交通的高效换乘.首先,挖掘乘客出行轨迹信息获取轨道交通与常规公交的历史换乘客流量,然后训练多层感知器神经网络对轨道交通站点出站后换乘公交的客流需求进...     

轨道交通无障碍换乘模式下的客流分配

轨道交通线路上的途径客流是线路客流的重要组成部分,将无障碍换乘客流准确地分配到各途经线路可以给后续各项客流分析提供数据支持。参照公交线路起点—终点（OD）反推技术,把吸引权系数法引入轨道交通无障碍换乘模式下的线路客流分配中,根据不同线路的进出站客流数据定义吸引权系数,加权客流换乘次数和途径站点数,建立轨道交通无障碍换乘模式下的一种客流分配模型。实例验证表明,在应用此模型时,考虑客流高峰区间,合并不同时段区间下的计算结果,可以得到更好的精度。     

基于载客数据的出租车热门区域功能发现

根据出租车行驶载客数据中提取的乘客出行模式和上下客热门区域,提出一种出租车热门区域功能发现方法。采用基于交通数据时空特性的出租车行驶数据聚类算法,实现热门区域划分。建立基于潜在Dirichlet分配的热门区域乘客出行特征发现模型,对具有相似乘客出行模式的出租车热门区域进行聚类。通过总结各热门区域的具体功能,发现在不同客流时间段内的区域功能与乘客出行模式间的关系。实验结果表明,该方法能够有效发现热门区域的功能特点。     

多用户多准则多方式下基于超级网络的公交客流均衡分配

针对不同公交出行用户对各种出行指标的偏好差异,建立了整合不同公交出行方式的公交客流网络分配模型.首先,利用超级网络概念对换乘区、加载上网区和离网区的公交出行过程进行网络化描述;其次,基于用户均衡原则建立对应的变分不等式流量分配模型并证明模型的特征映射具有单调性,从而保证后续算法的可行性;然后提出求解上述模型的基于有效路径集逐步生成的投影梯度算法,并在理论上证明了算法的有效性;最后通过数值实验分析验证了新模型和算法的有效性.研究结果可为多种公交方式联合的公交客流分析提供理论与技术支持.     

基于客流数据的区域出行特征聚类

区域功能发现对完善城市规划有着重要的指导意义.区域居民的出行特征提取与发掘可以作为建立模型分析区域功能的数据支撑.随着智能交通技术在轨道交通系统的应用,大量蕴含行人移动性和出行目的地信息的客流数据被采集得到,发现客流数据与地铁站相关区域功能有紧密联系.从地铁客流数据中提取出乘客出行模式和地铁站客流模式,并以此为基础建立概率图模型,实现了区域出行特征聚类.首先,以地铁客流数据为基础提取了乘客出行模式和地铁站客流模式,发现地铁站客流集中性和潮汐性的特性,能在一定程度上反映地铁的区域功能.然后,采用了文本分析领域经典的概率图模型,建立基于潜在狄利克雷分配(latent Dirichlet allocation, LDA)主题模型的地铁客流出行特征聚类模型,将具有出行规律相似性的地铁站聚类在一起.最后,通过分析聚类实验结果,发现在不同客流峰段内的区域功能和相互客流关系.     

公交换乘算法的仿真研究

研究建立城市公交换乘查询网络问题.传统的公交换乘算法忽略了公交乘客的出行寻求优化路径的心理,并且算法的时间效率较低.为了解决上述问题,提出乘坐公交车出行的最优方案为换乘次数最少并且距离最短的线路.首先建立了公交网络及最小换乘次数的数学模型,然后运用线性规划方法建立线性规划模型,重新构造公交站点的数据结构以改进原有的最小换乘算法,得到一个新的算法并用改进算法对线性规划模型进行求解.仿真结果表明:新算法为核心的公交网络查询仿真系统,在一定程度上可以提高城市公共交通系统的服务水平,为实际设计提供依据.     

基于权值设定策略的公交出行路径查询模型

在公交查询系统中,出行者往往考虑到换乘次数、出行距离、乘车费用、线路类型等诸多因素。因此出行路径查询模型要考虑到多重目标。为此基于带权有向图定义了一个新的查询模型,该模型能够通过调整权值来满足多重查询目标,并以满足最小换乘次数、优先乘车条件和最少途经站点数三重目标的出行路径查询为例,讨论了权值设定策略。实验表明,提出的模型有效、实用,具有很好的灵活性。     

城市公交换乘的数学模型及其算法实现

公交换乘问题是公共交通信息查询的重要内容。针对北京公交网络换乘问题构造了公共交通网络的数学模型,建立了以最小换乘次数为第一目标,最小途经站数为第二目标或最低费用为第二目标的公交出行最优路径模型。     

智能化停车管理综合平台构建

随着社会经济的发展和城市规模的扩张,人们对机动化出行的需求迅速增长,"停车难"、"行车难"的问题已成为城市管理的重点难点问题。本文主要以物联网和GIS技术为基础,打造了停车设施一张图,并以苏州为例构建了智能化停车管理综合平台,实现了停车场资源管理和共享、停车场数据统计、监督评价和诱导系统等,为政府决策、管理和规划以及公众绿色出行提供支持。     

Performance analysis of path planners for car-like vehicles toward automatic parking control

A car parking control problem is difficult because of its non-holonomic constraints and complicated environmental geometry. We proposed Korea University Path Planner (KPP) in our prior work. KPP is an appropriate scheme for a car-like mobile robot in a parking environment. The purpose of this paper is to investigate the advantages of KPP through both quantitative and qualitative analyses. For comparison, numerical simulations have been carried out by the application of KPP and the conventional Rapidly exploring random tree method. This paper shows that KPP exhibits outstanding performance from the viewpoints of travel time and computational time.     

城市潜力地段共享停车位资源需求预测仿真

当前停车位资源需求预测方法对城市潜力地段停车位资源分布均匀性差,导致共享停车位资源需求预测误差较大、可信度较低等问题。针对上述问题提出一种基于灰色算法的共享停车位资源需求预测方法,计算共享停车时间转变参数、出行吸引参数、区位因子参数和出行方式调节参数。利用灰度灰色算法构建非畸形模型,将参数结果代入最小二乘法中获取指标矩阵,利用该矩阵计算拟合值,得到城市潜力地段共享停车位资源需求的预测结果。实验结果证明,所提方法能够提高共享停车位资源需求预测准确率,保证了方法的可信度。     

智慧交通管理系统的设计与应用

智慧城市交通系统建设,能够提高城市交通管理与服务的信息化水平和决策支持能力,是解决交通拥堵,减少交通事故,提高人民生活质量的有效途径。文中结合了交通管理信息、实时定位系统、智能路径规划功能和智能化交通信息分析功能,以出行者的方便和舒适为目的,同时结合GIS空间分析功能,对城市道路信息、公交信息、停车场信息、城市中的各种点位信息进行智能管理,解决了城市道路出现的交通问题。以乐山市为实例进行验证和测试,对实现的系统进行功能性测试,针对智能出行、智能公交、智能路径、智能停车、路径导航、路况信息等功能进行了详细的测试,测试功能实现效果好,系统智能程度高。该智慧交通管理系统具有一定的实用性和技术参考性。     

An Advanced Parking Navigation System for Downtown Parking

This paper develops a novel parking navigation system for downtown parking that aims to mitigate parking competition by guiding drivers to appropriate vacant parking spaces. Given drivers’ real-time locations and their parking preferences, a two-sided matching algorithm is firstly adopted to achieve a stable driver-optimal matching, under which drivers will be assigned to their most appropriate parking spaces (if any), and have no incentive to misreport their private information (e.g., parking space preferences). Although drivers’ private information is required for the navigation system, a distributed solution procedure is applied to achieve the space assignment without disclosing such information. Lastly, simulation experiments are conducted to demonstrate the capability of the proposed navigation system on reducing driving time and the frequency of changed navigation compared with other navigation systems.

     

城市停车场实时车位获取与分配研究

以实时获取空余车位和智慧分配车位为目标,基于射频识别技术和地理信息技术开发智慧停车系统原型。采用模糊决策矩阵,定量化驾驶员从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离和停车场的空余车位数这4个车位分配影响因素的权重;在考虑空余车位有限和实时交通状况的前提下,提出带有4个条件矩阵的车位分配模型,并利用某市道路网、交通状况、停车场等数据在ArcGIS中进行模型实验,实验结果表明,该智慧停车系统具有一定的可行性和实际意义。     

先进的城市停车诱导系统的研究

针对目前我国城市中停车难、难停车的问题，分析了目前停车诱导存在的问题以及建立先进的停车诱导系统的必要性，提出了一种比较先进且经济实用的停车管理系统方案，并分析了系统的结构，同时分析了系统各部分的功能及建立系统时应注意的问题。该方案把城市的停车资源看成一个整体，对改善城市交通具有积极作用。     

基于随机非平稳和长短时记忆网络的泊位混合预测

为了缓解大城市中日益突出的停车困难,现如今中国各大城市级停车诱导系统的研究开发势在必行.在停车诱导系统中,作为帮助用户找到最合适的停车场的重要因素,对未来停车位的预测是一个非常重要的智能技术手段.目前主流预测方法如果没有了实时数据,大部分会出现误差累积现象,从而影响预测准确性.然而,在停车诱导系统平台的建设早期,我们很难做到将城市所有停车场实时的数据流搜集起来.因此,文中以具有周期特性的非平稳停车位历史数据为研究对象,首先根据中心极限定理和大数定理对停车位进行统计分析,然后结合LSTM （Long Short-Term Memory）,提出混合预测模型SAL （non-stationary Stochastic And Long short-term memory）来对未来某个时间段的停车位作有效预测.实验数据证明,相比于单独使用LSTM和Lyapunov指数法作长期预测,SAL的计算复杂度更低,预测效果相对更加精确,并且有效解决了在失去实时数据支撑情况下多步长期预测导致的误差累积问题.     

基于动态模型的公交车行程时间预测

准确以及实时的公交车行程时间信息能够帮助出行者更好地规划行程,减少出行者的等待时间。提出了一种基于SVM-Kalman滤波的公交车行程时间动态预测模型。模型中,经过良好训练的SVM模型从历史数据进行预测得到行程时间基准;Kalman滤波动态算法在基于SVM模型预测值和最新公交出行信息的基础上对结果进行调整。以深圳市223路常规公交线路为实例,将动态模型的预测精度结果与单一SVM模型、ANN模型结果进行对比,结果表明,基于SVM-Kalman滤波的公交车行程时间动态预测模型的预测精度更高、动态性能更好。