无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

基于高斯滤波与均值聚类的异质多源传感器数据加权融合

异质多源传感器之间工作频率存在差异,导致数据之间的一致性较差,加权融合后的观测误差较大,因此提出基于高斯滤波与均值聚类的异质多源传感器数据加权融合方法。采用高斯滤波对异质多源传感器数据空间单元格进行划分,建立基于单元格的最佳连通域,保留传感器内部数据,完成传感器数据的高斯滤波平滑处理。引入均值聚类对异质多源传感器数据进行一致性处理。通过免疫粒子群搜索最优权重和参数,利用最优权重和参数完成异质多源传感器数据加权融合。仿真结果表明,所提方法能够降低融合后传感器数据的观测误差与均方误差,观测误差与均方误差最小值均为0.002。因此,说明所提方法提高了融合后异质多源传感器数据的可利用性。

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。

一种信号交叉口模糊交通控制方法

通过分析城市信号交叉口的交通流特征认为 :在一定程度上 ,模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性 .本文结合模糊控制技术及一般信号交叉口交通控制方法 ,提出了一种基于知识的模糊交通控制方法 .给出了该控制方法的结构、模糊控制规则以及仿真计算对比结果 ,结果表明 :计算过程简单 ,控制效果优于定时控制方法 ,并且在交通量较大时 ,还优于感应控制方法 .

基于小波消噪的ARIMA与SVM组合交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高。结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测。

基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比(或相位时长)以及相位差的确定思路。仿真试验结果表明:以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。

浅析3S技术集成与公路交通建设

介绍3S技术的最新发展方向和研究热点,对3S技术集成在公路交通建设领域,尤其是在公路地质调查、公路设计和交通管理中的应用作了探讨,旨在为公路交通领域进一步推广应用3S技术提供参考。

周相似特性下交通流组合预测方法研究

根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,比单独使用ARIMA或单独使用神经网络方法,使用组合方法的预测误差最小,适合于实时的交通流预测。

基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析 ,提出了动态交通流的神经网络模型 .结合交通调查数据 ,利用仿真和优化技术对神经网络进行训练 ,从而获得了比较准确的描述交通流真实行为的模型 .仿真结果表明 。

交叉口有交通信号控制时用户最优动态配流模型

针对智能交通系统 (ITS)项目中主要基础理论之一的动态交通分配问题 ,在现有研究成果的基础上 ,提出了更接近真实路网的多起点多讫点交叉口设置有交通信号控制 (TrafficSignalControl)时的动态配流模型 ,给出了对现有的通过Frank Wolfe算法所得到的DUO配流解进行修正的原则 。

智能交通系统体系结构中的通信

设计了智能交通系统（ＩＴＳ）的体系结构图，研究了体系结构中各子系统中有关信息系统，并针对体系结构的通信系统。

交通流模拟中的随机输入模型

在交通流模拟过程中 ,随机输入车辆信息和交通流信息是模拟的开端 .本文在模拟过程中 ,以 [0 ,1]均匀分布随机数为基础 ,选用车型、车头时距和车速作为表征动态交通流的随机变量 ,建立了车辆随机产生的一组数学模型 ,给出了交通流随机输入的程序框图 ,并对实际交通流数据进行了分布拟合 .

基于自适应神经网络模糊系统的交通事故损失预测

自适应神经网络模糊系统在建立对象输入和输出关系时 ,与传统的数学方法不同 ,它是基于数据的建模 .本文利用这一系统特性 ,建立了道路交通事故损失与交通事故次数、死亡人数和受伤人数之间的关系 ,提出了自适应神经网络模糊系统预测道路交通事故损失的方法 。

城市摩托车交通出行特征分析

分析了摩托车运行特性、安全特性及其对城市交通和环境的影响,并基于广义费用建立了摩托车及其可替代方式的出行成本模型.以江门市区摩托车交通为例,通过对居民出行和社会经济状况的调查,得到摩托车交通的出行特征,应用广义费用模型估算出各种交通方式的出行成本,提出了可行的发展对策,供决策者参考.

基于细胞自动机模型的交通流模拟程序

基于细胞自动机模型和微观动态交通流模拟模型 ,使用C ++语言 ,采用模块化结构将交通流数学模型转变为主要由计算机程序组成的计算机模拟模型 ,以模拟车辆在路段上的运动 ,同时采用中断技术成功地实现了车辆的动态显示 .最后通过实测数据的计算 。

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.

多车道高速公路的动态离散交通流模型

根据路段流量守恒、匝道流量守恒、交通流量约束等条件 ,建立了一个多车道高速公路动态离散交通流模型。该模型中考虑了车辆改道行驶这一实际交通现象 ,考虑了车辆的起讫节点 (即OD对 )。

基于模糊神经网络的信号交叉口交通量预测

预测精度高 ,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率 .文中提出了基于模糊神经网络技术的信号交叉口交通量预测方法 .该方法以模糊神经网络为核心 ,应用在线滚动学习模型实现交叉口交通量预测 ,并应用了交通量微观仿真系统对模型进行检验 .仿真结果表明该模型比传统方法精度高、收敛速度快 .