基于改进KNN算法的交通流异常数据修复方法

交通流数据分析是交通规划、控制、管理等工作实施的基础。交通流数据异常会给交通状态辨识及交通管理和控制带来困扰,不利于交通领域各方面研究及工作的开展。因此,对异常数据进行修复具有必要性。为了提高交通流异常数据修复精度,进一步改善交通数据质量,构建了基于改进K近邻（K-Nearest Neighbor,KNN）算法的交通流异常数据修复模型。通过对KNN基础模型中k值和状态向量进行优选、提出距离占比的近邻值权重选取方式,实现对其模型的改进。为了验证模型的有效性,采用实测交通流数据进行实验分析。实验结果表明,改进的KNN数据修复模型具有更高的修复精度,其平均相对误差为9.88%,能够有效改善数据质量,为智能交通控制体系提供基础数据支持。     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

基于蚁群算法的虚拟现实城市道路交通流模拟

为了在虚拟现实环境中模拟城市道路交通管理部门对交通流的引导,提出了虚拟交通流蚁群优化算法对虚拟交通流运行模拟进行优化.该算法针对虚拟现实城市道路交通流模拟要对多个个体求解最优解和个体与最优解存在关联性的特点,在绝对感知阈值、启发函数、信息素的扩散和挥发等方面对蚁群算法进行了改进,以加强算法的收敛速度和全局性,并通过数值模拟获得了关键参数的取值,将其应用于虚拟环境中的城市道路交通流优化模拟,使用实例验证了模拟方法的有效性.     

城市道路交通流仿真算法研究

将元自动机模型与车流跟随模型相结合，提出了一种全新的道路交通流仿真算法，快速准确地仿真再现了含有4个交叉路口的城市道路交通网络中的车流变化状况。     

基于直线型反λ基本图的交通流分配模型及算法

针对现有交通流分配理论难以处理路段拥挤状态的问题,以直线型反λ交通流量、密度和速度基本关系图为基础,提出了给定路段交通状态下的静态交通流分配新方法。首先通过分析基本关系图,得到两阶段的路段行程时间函数;其次,通过引入路段交通状态指标量,构建节点流量守恒方程,建立了系统最优和用户均衡交通流分配模型;最后,针对非凸的用户均衡模型,通过线性化目标函数中的非凸项,设计了一种有效的分支定界求解算法。数值算例验证了新模型和算法的有效性;新理论扩展了现有路段行程时间函数过于片面的单调递增特征假设,可有效处理路段拥挤状态,提高现有理论的实用性。     

基于激光扫描与视频融合的交通流检测技术

交通流检测技术是实现城市交通现代化管理的核心技术之一,是智能交通系统的重要组成部分。使用基于激光扫描和视频技术融合的检测方法,利用激光扫描的测距高精度和视频信息的丰富度,使用数据坐标转换矩阵将多源交通流信息进行数据融合,实现对车辆速度,流量,和密度的高精度检测。实验表明,该方法有较高准确性和很强的鲁棒性,具备推广价值。     

无检测器道路交通流数据质量检测方法

一般交通流数据质量检测方法要求的原始数据量较大,而无检测器道路可获得的交通流数据又非常有限。为此,提出一种基于灰色系统理论的无检测器道路交通流数据质量检测方法。该方法将不同检测点获得的原始交通流数据处理成一组数据序列,通过对数据序列的灰生成、灰色关联度计算及标准化处理,求得不同数据序列相互间关系的密切程度参数λ_i,根据需求选出阈值λ,比较λ_i与λ之间的大小,实现无检测器道路交通流异常数据检测的目的。运用杭州市某一局部路网的浮动车交通流原始数据,将该方法与基于相似系数和的检测方法进行对比实验,结果证明,该方法的检测效果优于基于相似系数和的检测方法,平均错检率降低了21.00%,平均准确率提高了28.64%。     

采用GPS数据的交通流实时分析与表达

城市交通流状态的分析是实现智能交通系统的关键技术之一。其效率和稳定性决定了系统的用户评价和实用性。本文介绍了一个采用GPS探测车进行城市交通流的实时分析算法。该系统主要由网络数据接口、地图匹配等模块组成。通过一些高效的算法,大大加快了对探测车数据的处理,使得在短时间内快速响应成为可能;同时设计了稳定持续的网络接口,减少了由系统中各种因素引起的数据丢失。     

基于相关分析的交通流参数修正方法研究

为了更准确地研究交通流模型,最优化利用交通资源,必须进一步提高交通参数数据的质量。以上海市高架道路某路段的交通流数据为样本,分析交通流特征参数的相关特性,提出一种基于统计相关性分析的参数修正数学方法;通过精确的数值计算,确定最为合适的相关性最大的数据关系,以此进行数据的修正。对所研究路段的交通流数据随机采样后进行修正,并与实际数据比较,修正结果在允许误差范围之内,说明该方法可以有效提高数据质量,且该方法对其他数据处理系统也具有借鉴意义。     

一种基于网络业务流的流量监测分析算法

基于业务流的统计信息直接反映用户行为，最繁忙业务流获取与分析，对于网络流量分析和故障定位有指导作用。文章通过分析数据帧到来对哈希表的影响，借助一个记录表，对哈希表中的业务流进行排序，大大减少排序中的比较次数，提高监控系统处理性能．     

基于数据流处理模型的多查询优化算法

针对现今数据处理日益复杂、数据量剧增的情况,本文提出使用数据流处理模型。该模型主要使用于需要实时在线处理并及时反馈结果的数据处理。在此模型的基础上,本文提出一种新的多查询优化算法——INCO算法。该算法计算简单,而且不牵涉其他查询。实验证明,该算法在连接查询方面有明显优势。     

基于数据挖掘技术的交通流预测模型

本文针对交通数据挖掘领域的交通流预测问题进行研究和实现.主要对数据挖掘技术应用于交通流数据的特征选择和交通流预测模型的建立提出算法.在对采样数据进行清洗后,以分类与回归决策树作为基学习器,采用梯度提升决策树进行回归拟合,计算出交通数据的特征重要度.并以此重要度作为自适应特征选择的依据.其次,采用聚类算法对选取后的特征数据进行聚类分析,缩小样本大小的同时,同类数据更加相似.最后,以实时数据匹配相应聚类作为训练数据集,使用经过人工鱼群算法优化参数后的支持向量机进行交通流预测.本文结尾通过实验数据论证本文所提出的算法和模型.     

基于多元因素的Bi-LSTM高速公路交通流预测

针对影响高速公路交通流量因素多样而复杂的问题, 提出了一种基于多元因素的Bi-LSTM (双向长短期记忆网络)高速公路交通流预测模型. 首先对原始数据进行清理和相关性分析, 提高研究准确性, 降低数据维度; 其次,基于时间滑动窗口, 构建多元因素交通流时序矩阵, 并以MAE与RMSE为评估指标, 训练优化Bi-LSTM...     

基于遗传算法的交通流量组合预测研究

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统的关键技术之一，也是实现智能交通诱导及控制的前提。本文首先对几种重要的交通流量预测模型的理论和优缺点进行了比较，分析了影响预测模型的因素，然后提出了一种基于遗传算法的流量组合预测方法，该方法利用遗传算法群体搜索的特点，组合各种算法，优化预测思路，充分发掘不同算法的差异优势，实践证明该思路是切实有效的。     

交通流量数据的分类规则挖掘

概述了数据挖掘的分类算法,并简要介绍了C5.0决策树算法。以北京市“三横两纵”主干道交通流量数据为例,采用C5.0决策树算法提取交通流量的分类规则,用于分析交通流量规律、信息模式和数据趋势,并对分类树进行量化,为交通信号设计、路网规划、道路设计、路网节点设计等提供决策支持。     

基于数据优先级和交通流密度的异构车联网数据链路层链路调度算法

针对车联网中消息多样性与多模态的混合传输需求,多网络介质融合已成为构建车联网网络的必然趋势.如何根据通信需求优化网络资源已成为车联网中亟待解决的问题.基于传统网络协议,本文针对数据链路层协议中调度算法,提出了异构车联网逻辑链路控制层(Logical Link Control,LLC)链路调度算法(HetVNETs Link Scheduling Algorithm in LLC,HLSA).该算法将车联网中交通流密度、数据报文优先级和链路通信状态作为参数,对车联网中不同链路进行调度.首先,根据车联网协议标准,本文定义了四种数据优先级.同时,定义了RTT因子和拥塞因子对数据链路层协议中各个路径状态进行表征.并且,设计了链路相似度(Data Priority-based Link Similarity,DPLS)为分发数据报文提供调度依据.该相似度利用路径中待交互数据报文的优先级与已缓存的数据报文优先级的相似度进行统计.其次,利用Pareto最优计算出IEEE 802.11p链路中非安全短消息数据报文的最大分发频率上界.基于DPLS和该最大分发频率上界,最终设计并实现了面向数据报文优先级的链路调度算法,并根据理论分析,给出算法的时间复杂度为O(n).最后,根据稀疏、中等、密集和极度密集四种交通拥塞场景进行大量实验验证,证明了HLSA算法相对于现有算法,在面向安全与非安全数据报文混合传输场景中数据链路层链路调度算法的有效性.     

基于一种新的混合算法的交通流控制优化模型

运用交通流控制理论建立了在交叉口空间渠化及信号相位相序给定的条件下, 考虑机动车与非机动车的延误（服务水平）约束条件, 机动车通行能力最大的优化模型, 并利用遗传算法及混沌优化算法互补的混合优化算法对模型进行了优化计算. 实际优化计算结果表明, 文中的优化模型及其混合算法具有较高的理论价值及实用价值, 本次研究为信号交叉口交通流的协调控制优化研究提供了新思路和新方法.     

基于交通数据挖掘的交通流预测模型构建

我国是一个汽车大国,在人均汽车保有量逐年增加的情况下,道路交通拥堵的问题越来越突出.新形势下的交通运输管理工作应当充分发挥数学模型的作用,将数学模型与计算机、互联网等硬件资源有机结合起来,有针对性地制定交通管理方案.因此,本文设计了一套基于交通数据挖掘的交通流预测模型,旨在提升交通流预测的准确性,优化流通管理工作路径.