面向交通流量预测的时空超关系图卷积网络

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象（如站点、传感器）之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通对象们跨时空维度的直接关联性。目前仍缺乏一种全面建模局部时空关系的方法。针对这一问题,首先提出一种新颖的时空超图建模方案,通过构造一种时空超关系来全面地建模复杂的局部时空关系;然后提出一种时空超关系图卷积网络（STHGCN）预测模型来捕获这些关系用于交通流量预测。在四个公开交通数据集上进行了大量对比实验,结果表明,相比ASTGCN、时空同步图卷积网络（STSGCN）等时空预测模型,STHGCN在均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）这三个评价指标上均取得了更优的结果,不同模型运行时间的对比结果也表明,STHGCN有着更高的推理速度。     

受天气与交通事故影响的安全路线选择模型

为完善安全为第一因素的路线规划导航系统,突出“以人为本”的理念,基于OD（Origin-Destination）的路段选择,综合考虑贵阳市交通事故数据和天气数据两大影响线路风险系数的因素。建立泊松分布模型和马尔可夫模型,分析区域内交通事故易发点在晴天、阴天、雨天发生交通事故点概率和路线概率,构建风险系数指标。针对模型求得的路线安全系数采用最大决策法选出最优安全路线。结果表明,贵阳市不同天气下发生的交通事故频率有差异,检验每个地点发生交通事故数服从泊松分布;现有导航软件推荐的第一路线并不是最优路线,第二条路线才是安全系数最大的路线。基于泊松分布模型和马尔可夫模型计算交通事故发生概率,为现有导航软件中增添了安全系数为第一参考值的人性化设置,有较好的社会价值和推广性。     

基于深度学习的网络流量预测研究综述

精准地预判网络流量变化趋势可以帮助运营商准确预估网络的使用情况,合理分配并高效利用网络资源,以满足日益增长且多样化的用户需求。以深度学习算法在网络流量预测领域的进展为线索,阐述了网络流量预测的评价指标和目前公开的网络流量数据集及应用,具体分析了网络流量预测中常用的深度信念网络、卷积神经网络、循环神经网络和长短时记忆网络共四种深度学习方法,并重点介绍了近年来针对不同问题所提出的改进神经网络模型,总结了各模型特点及应用场景。最后对网络流量预测未来发展进行了展望。     

Logit模型下的道路拥堵收费策略改善效果分析

为探讨拥堵收费策略的改善效果,从出行者的综合成本出发,构建适用于拥堵收费的路阻函数和Logit交通分配模型,探讨拥堵收费下交通出行在路网上的重新分配.并以南京市应天大街高架为例设置了拥堵收费虚拟方案,应用路阻函数和交通分配模型进行分析后得出拥堵收费在交通出行量分布、出行分担率、道路服务水平和行程速度上的改善效果.结果表明:拥堵收费能有效引导交通出行的重新分布,提高路网总体通行效率和服务水平,可以认为拥堵收费对交通的改善具有一定效果,但改善效果和拥堵收费费率不是线性正比关系,本次虚拟收费方案下收费费率为5元/次时可取得最佳改善效果.     

混有CACC车辆和ACC车辆的混合交通流驾驶舒适性

为了探索协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆对交通系统的潜在影响,分析了CACC车辆市场普及过程中存在的CACC车辆、自适应巡航控制(adaptive cruise control,ACC)车辆与人工驾驶车辆混合交通流驾驶舒适性.应用加州伯克利PATH实车验证的ACC模型和CACC模型进行数值仿真实验,采用国际ISO-2631-1标准评价混合交通流舒适性,并对ACC和CACC期望车间时距进行参数敏感性分析.最后,从交通流稳定性的角度,对舒适性仿真结果进行了讨论.结果表明:随着CACC市场率的增加,舒适性呈现先恶化、再逐渐提升的趋势.较大的ACC车间时距有利于抑制舒适性的恶化程度,CACC车辆对舒适性的提升作用不受其车间时距取值的影响.混合交通流稳定性定性地决定了舒适性的变化趋势,人工车辆安装车车通信设备,有助于舒适性的逐渐提升.     

使用驾驶人瞳孔直径的固定物冲突识别方法

以寻找可反映驾驶人心理负荷的交通冲突识别指标及基于该指标的交通冲突识别方法为目的,通过比较分析明确了冲突刺激与瞳孔直径的相关关系,针对原始GSA(gravitational search algorithm)识别方法仅可搜索最优解的缺陷并面向交通冲突识别要求提出了基于瞳孔直径的GSA-T交通冲突快速识别方法.撞固定物冲突验证结果显示GSA-T方法的对比次数和识别时间均比枚举方法少,证明GSA-T方法具有较低时间复杂度和空间复杂度的优势,可满足交通冲突识别和道路安全评价的要求.     

基于权值优化神经网络的交通拥堵程度决策方法

针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题,提出了一种基于权值优化神经网络方法。首先,采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性。其次,由信息熵计算证据的贡献度,并作为优化神经网络的输入层权值。接下来,由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值,以期降低不确定和不完备证据给整个网络带来的累积误差。最后,结合实际交通状况进行算例分析,验证了该方法的准确性与收敛性。结论分析表明,所提出的方法能作出准确的交通拥堵程度决策。     

动态视角下的城市道路交通网络失效评价模型

利用可靠性相关理论,在对交通网络状态变化规律分析的基础上,给出了了城市道路交通单元及交通网络的‘失效—非失效’态的表达方法;分析了路段单元及交通网络的状态从观察起始点t0到首次演变到‘失效态’的时间分布规律,并以此为基础推导了城市道路单元及交通网络的失效概率、平均失效时长、失效率以及条件失效时长等失效评价模型,给出了模型标定的方法。以国内某城市核心城区5条道路单元组成的路网为实例,对首次失效时间进行了分布拟合及检验,对模型进行了标定,并将模型计算结果与实际观察结果进行了对比。结果表明,利用对数正态分布来拟合首次失效时间较为理想,而且模型的计算结果与实际观察结果也非常接近,表明模型具有良好的实用性。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.     

快充纯电动BRT运营效果评价方法

针对快充纯电动快速公交(bus rapid transit,BRT)系统的运营效果评价问题,提出基于快充纯电动公交车辆运行特性与BRT运营特点的评价方法.首先,分析快充纯电动公交车辆在BRT中的适用性,从运营车辆性能、设施水平、乘客服务水平、经济效益等角度出发,建立包含燃油车辆替换率、动力电池衰减率、充电设施供需平衡关系等9项细化指标的快充纯电动BRT运营效果评价指标体系;其次,采用灰色聚类方法,构建快充纯电动BRT运营效果评价模型;最后,以金华市国内首条纯电动BRT线路为例,进行运营效果评价.与实际运营情况调查结果对比后发现,相比传统BRT运营效果评价方法,该方法更能真实、有效地反映纯电动BRT的实际运营效果.