基于改进粒子群优化BP神经网络的弯道转向行为预测

为研究驾驶人视觉特性和弯道转向行为的内在联系,借助模拟驾驶器,选取50名驾驶人在3种不同半径的弯道上进行驾驶试验.在整理采集的试验数据后,分别比较驾驶人视觉特性(瞳孔面积变化率、扫视速度、扫视幅度)、弯道转向行为(方向盘旋转率、车辆侧向加速度)与弯道半径之间的关系,并进一步提出一种以驾驶人视觉特性为预测因素,基于BP神经网络的驾驶人弯道转向行为预测方法.为使BP神经网络适用于小样本量的预测情况,需引入改进粒子群算法对BP神经网络进行优化.对粒子群算法的改进之处主要体现为:在粒子群算法进行搜索的过程中,采用动态惯性权值与自适应方法,解决了一般粒子群算法中粒子快速趋同的问题.在模型训练的过程中,选取BP神经网络的误差作为改进PSO算法的适应值,由事先确定的最大迭代次数与误差范围共同决定迭代的终止条件.最后,分别使用基于BP神经网络的驾驶人弯道转向行为预测方法,与基于改进粒子群优化BP神经网络的驾驶人弯道转向行为预测方法,对弯道转向行为进行预测,结果表明:基于改进粒子群优化BP神经网络的弯道转向行为预测方法相较传统预测方法具有更高的预测精度,可以有效地预测驾驶人弯道转向行为.

城际铁路客流分担率研究

随着我国城际铁路的建设发展,为实现城际铁路列车的开行与客运的时空出行需求精确匹配,亟待解决适应城际铁路客流出行特点的客流分配问题.基于对城际旅客的出行选择分析,对城际铁路的客流分担率进行了深入研究.首先,对旅客的出行特征进行了分析;其次,结合旅客出行选择的影响因素,提出了旅客乘车选择指标;然后,基于最大效用理论,提出了城际铁路客流分担率的计算方法;最后,以京津城际铁路客流出行特征的实际调研数据和客票数据为基础,计算出2025年的京津城际铁路客流分担率为63%,预测客流量为3 621万人次.

北京中关村西区地下交通环廊运行状态分析与改善研究

北京市中关村西区地下环廊在投入运行的十余年中,实际的使用率较低,造成一定程度的资源浪费.鉴于目前中关村西区停车场存在资源不足和资源利用率不高共存的问题,为缓解停车困难,提高地下环廊利用率,对该地下交通环廊的运行状态进行了分析.通过现场踏勘、交通调查、计算停车场技术指标、问卷调查等方式,分析了环廊的运行情况与存在的问题,并在交通诱导、交通管理、交通智能化等方面提出了建设性的改善建议,为交通管理部门提供参考.

基于TransModeler仿真的浮动车比例取值方法研究

浮动车比例的确定在路网覆盖性与数据可靠性方面尤其重要,需通过适当方法确定合理的浮动车比例。以平均行程车速相对误差作为评价指标,提出一种基于TransModeler仿真的浮动车比例取值方法。取值方法共包含4个步骤:首先,对相对误差和浮动车比例建立函数关系;其次,确定路网条件及各变量取值,进行仿真实验;再次,对仿真数据整理分析;最后,确定最佳效用值。为验证取值方法的实用性与准确性,设置Florian路网对取值方法进行数值分析。结果表明:基于TransModeler仿真的浮动车比例取值方法可以准确直观地反映浮动车比例对浮动车检测数据的影响,确定适用于路网的浮动车比例,本模型的车速相对误差均低于路网覆盖率法和浮动车分布法。