基于相位饱和度的城市交通拥塞的定量评价方法[作者]福乔

城市地面交通的拥塞主要是由于交叉口的信号配时引起的,由此限制了路段的通行能力.交叉口相应相位的绿灯时间的利用率可以反映出该路段的拥塞程度.本文通过对路口实时交通数据的分析,提出了一种基于相位饱和度的交通拥塞的定量评价方法.     

基于相位饱和度的城市交通拥塞的定理评价方法

城市地面交通的拥塞主要是由于交叉口的信号配时引起的，由此限制了路段的通行能力，交叉口相应相位的绿灯时间的利用率可以反映出该路段的拥塞程序。本文通过对路口实现交通数据的分析，提出了一种基于相位饱和度的交通拥塞的定量评价方法。     

基于混沌控制方法的Internet拥塞控制

针对Ranjan等提出的具有分岔和混沌行为的TCP-RED非线性离散模型,从混沌控制角度出发,提出了一种迟滞反馈控制方法,通过对系统参数施加扰动,得到了使路由器缓存中的平均队列长度稳定在原系统的平衡点处的充要条件,从而可获得较高的资源利用率和有界的时延等。最后通过数值仿真验证了该方法的有效性。     

基于EM算法的拥塞链路检测方法

网络拥塞会严重影响互联网性能,甚至导致网络崩溃。在发生拥塞时,准确检测异常链路,定位拥塞位置、估计拥塞程度,使拥塞在早期就被及时控制,避免拥塞扩散,对网络管理和监控具有重要研究意义。本文根据网络透视技术思想,提出一种基于EM算法的拥塞检测方法,从一个新的角度检测链路拥塞的发生。实验证明该方法有效,对大规模网络管理和监控具有重要意义。     

一种基于Ad hoc网络的拥塞检测方法

在移动Ad hoc网络中传输多媒体流会因为无线网络中诸如节点移动、网络拥塞、信道故障等各种复杂的网络事件而变得很具有挑战性和研究价值.如何区分各种不同的网络事件从而采取相应的对策是一大难题.在文中,基于TCP友好协议TFRC,提出了一种检测网络事件的方法,能够将网络拥塞事件和其他的网络事件区分出来,从而能更好地应用于多媒体流的传输.最终通过NS2仿真来验证这种多参数的检测方法比起单一的端到端的检测方法具有更好的精确性,能够更好地为多媒体流服务.     

TCP拥塞控制机制定量性能分析

TCP协议承载着因特网超过70%的传输流量,其拥塞控制机制可以有效地改善网络拥塞现象。剖析了慢启动、拥塞避免、快速重传、快速恢复等拥塞控制机制,研究了Tahoe、Reno、NewReno和SACK等几种常见的TCP拥塞控制算法。借助于网络模拟器NS2对这几种算法的性能进行了定量分析。结果证明：相对于Tahoe、Reno拥塞控制算法而言,NewReno和SACK TCP可以更快、更平滑地摆脱网络拥塞恢复到正常工作状态。     

基于拥塞预测的NoC自适应仲裁方法*

传统用于总线系统或互联网的仲裁方法已不能很好地适应NoC应用环境。围绕NoC系统性能的关键影响因素——拥塞状态,提出了一种基于全局和本地拥塞预测的仲裁策略(GLCA),以改善NoC网络延迟。实验结果表明,相对于RR方法,新仲裁算法使得网络平均包延迟和平均吞吐量最大分别可改善20.5%和8%,并且在不同负载条件下都保持了其优势。综合结果显示, GLCA与RR方法相比,路由器仅在组合逻辑上有少许增加(25.7%)。     

一种基于休眠调度的数据源拥塞控制方法

为了能够长期对监测区域进行持续的数据采集,无线传感网通常运行在休眠调度模式,这种模式使得网络的通信连通性处在动态变化之中,造成一种新的网络拥塞现象——数据源拥塞.这种拥塞问题会造成节点缓存区溢出,从而导致数据丢失,甚至造成节点不响应任何数据转发请求,该问题在传感器异构的无线传感网中表现得更为严重.许多典型的拥塞控制方法是令网络中的数据绕过拥塞节点进行传输,也有一些方法是对拥塞节点的通信速率进行控制,但是以上这些方法无法缓解数据源拥塞的影响.分析影响数据源拥塞的因素,建立了描述节点数据源拥塞概率的传送带模型,提出了一种以降低数据源拥塞概率为目的的节点休眠调度机制(district cooperation schedule, DCS).通过理论推导和实验分析,证明该模型可以较准确地预测数据源拥塞概率,同时DCS可以有效降低数据源拥塞现象的发生.     

基于仿真的TCP拥塞控制算法研究

从数据包级研究了几种不同的TCP拥塞控制算法:Tahoe、Reno、Newreno、SACK,探讨了TCP增加选择性确认(SACK)和选择性重传的优点.通过对TCP协议版本的实验仿真,比较它们在相同的网络环境下算法的性能差异.当窗口中多个报文丢失,没有选择性确认机制的TCP Reno表现很差的性能.而在TCP Reno基础上做一个保守的扩展,将选择性确认机制加入到TCP中,TCP SACK表现出优异的性能:TCP SACK增强了TCP的鲁棒性,解决了报文失序的问题,提高了重发效率和信道的利用率.     

基于神经网络的城市快速路交通拥堵判别算法

针对城市快速路的常发性拥堵和偶发性交通拥堵,提出了一种基于神经网络的自动判别算法.该方法利用改进的自适应梯度算法优化神经网络的权值参数,既能保证神经网络参数收敛到全局最优值,又具有快的学习速度,提高了神经网络的检测效果.利用微观交通仿真软件PARAMICS建立了城市快速路网,通过多次仿真获得了包含各种交通拥堵的学习样本,增强了算法的鲁棒性.将训练好的神经网络对多种实际的交通数据进行了仿真试验.实验结果表明,该算法在城市快速路交通拥堵判别中具有较高的检测率和较低的误报率.     

城市道路交通拥堵问题处理对策研究

城市道路交通拥堵是我国城市经济发展的重要影响因素之一。通过结合一些发达国家在解决交通拥堵问题方面的丰富经验,提出了解决我国大城市道路交通拥堵问题的建议。     

整合城市建筑空间与交通空间,解决交通拥堵问题

在城市职能体系日趋复杂的今天,大多数城市普遍存在着交通拥堵、建筑空间与交通空间分离、城市功能支离破碎、城市空间资源利用率低下等严重妨碍城市可持续发展的问题。鉴于此,本文从城市形态整合的角度,提出了一些关于城市建筑空间与交通空间的整合方法,力求在三维的城市空间坐标中运用建筑空间与交通空间多向度穿插、层叠、渗透等手法来整合城市环境,实现分合得体、解决交通拥堵问题、建立新的富有活力的立体交通系统的目标。     

基于浮动车数据的快速交通拥堵监控

浮动车技术是近年来智能交通系统中所采用的、获取道路交通信息的先进技术手段之一,可作为大规模实时交通监控的数据源.由于浮动车数据规模庞大,从大量移动对象中有效处理流数据是其中一大难点.采用相似轨迹聚类的思想,结合与拥堵特征相关的交通参数,提出了拥堵同伴发现算法.该算法能从浮动车轨迹流数据中筛选出可能发生拥堵的浮动车数据,从而对拥堵区域变化趋势进行概化预测,由预测结果决定负载处理方式.此外,设计基于预测的多优先级调度算法用以实现整个监控流程.提出的方法可有效降低处理浮动车数据的代价,实现快速交通拥堵监控.通过在城市路网中大规模出租车轨迹数据上的实测,验证了这种算法的有效性和优势.     

基于拥挤度的改进蚁群算法

针对蚁群算法在求解旅行商问题时收敛时间长,且易陷入局部最优状态的缺陷,提出一种基于拥挤度的动态信息素蚁群优化策略。该算法引入静态拥挤度和动态拥挤度算子,主动提前预防停滞现象。将拥挤度与状态转移规则相结合,使蚁群状态实时跟随路径搜索情况而改变,提高蚁群自适应能力。针对蚁群路径搜索情况,加入邻域搜索优化规则,缩小搜索区域,结合2-opt局部优化策略,加快蚁群收敛速度。仿真结果表明,本算法既有较高的搜索效率又有较强的全局搜索能力。对比其他优化算法,无论是求解质量、稳定性还是收敛速度都能达到令人满意的效果。     

基于多目标满意优化的交通信号控制

随着城市道路交通供需矛盾的不断突出,交通信号控制策略、控制方法的科学合理性成为影响城市交通性能的关键因素。分析了传统最优交通控制理论的不足,揭示了交通控制中的满意性准则;建立了道路交叉口的满意交通控制模型,并结合某示范工程项目进行了试用。应用结果表明,模型科学、合理、有效,采用该模型的区域道路交通状况明显改善,对于缓解城市交通拥挤有一定帮助。     

对网络流量管理与拥塞管理的研究

分析了计算机网络拥塞产生的原因及影响,研究了网络流量管理与拥塞管理的策略,提出了采用流量管理技术来增强网络层的流量控制功能,控制网络拥塞的产生,采用拥塞管理策略,优化网络资源的分配,解决网络资源的竞争,为有不同服务需求的网络业务提供有区别的服务,从而有效地控制网络拥塞。     

不完全数据下基于时空相关性拥堵预测方法

交通拥堵预测是智慧交通一个重要组成部分,但是大量的交通数据无法以公开的方式获取。在不完全数据下,提出了一种基于时空相关性的交通拥堵预测方法。该方法采用改进的核密度估计法,使得预测过程中不依赖大量历史数据进行训练,直接利用部分采集到的数据精准地实时地对交通拥堵进行预测。在真实数据集上对提出的交通拥堵预测方法进行验证,实验结果表明了该方法在实时交通预测上的可行性。     

基于区域密度的交通拥堵判别方法

本文通过对交通流进行特征提取和状态的划分,建立了交通流判别准则.同时提出一种交通拥堵程度的智能判断方法,该方法以区域密度作为判别交通流状态的主要特征值,辅以时间占有率,结合空间和时间维度来判断当前道路的拥挤程度.仿真实验说明该方法具有较好的准确性和客观性.