一种组合核相关向量机的短时交通流局域预测方法

为有效提高短时交通流预测的精度,提出一种基于组合核相关向量机模型的短时交通流局域预测方法.首先利用C-C方法实现相空间重构,然后根据Hannan-Quinn准则确定邻近点个数,进而构建基于粒子群优化的组合核相关向量机模型,最后采用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析.实验结果表明:基于组合核相关向量机模型的短时交通流局域预测方法的预测误差和均等系数均优于对比方法,其中,平均绝对百分比误差比GKF-RVM模型、GKF-SVM模型和加权一阶局域预测模型分别降低了29.2%、47.5%和59.5%,能够进一步提高短时交通流预测的精度.

基于支持向量机方法的短时交通流量预测方法

在总结已有多种预测模型的基础上,充分考虑了交通本身所存在的非线性、复杂性和不确定性,提出了一种基于支持向量机的短时交通流量预测模型。实例数据验证结果和基于BP神经网络的预测模型的对比结果表明,该模型在精度、收敛时间、泛化能力、最优性等方面均优于基于BP神经网络的预测模型。

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中 60 %～ 70 %的延误是由交通事件引起的 ,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自 2 0世纪 60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个 AID系统 ,但是居高不下的误警率 (FAR)和令人失望的检测效果 ,让一些交通管理者不得不放弃它的使用。为了提高 AID系统的可靠性和实用性 ,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架 ,并以人工神经网络技术为依托 ,设计了基于单个检测设施的 AID算法。模拟计算表明 ,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率 (DR)、误警率 (FAR)和平均检测时间 (MTTD)方面都优于目标方法 ,而且由于每个检测器站只需安装一个检测器 ,也降低了高速公路事件管理系统的建设成本。

平行四边形限制最短路径算法及其在交通网络中的应用

现有的最短路径搜索算法如D ijkstra算法或椭圆限制的D ijkstra算法等计算效率较低,有待进一步改进。作者在椭圆限制的D ijkstra算法基础上,通过对椭圆进行线性化处理和对限制用的多边形进行优选,得出一种平行四边形限制的最短路径算法,使搜索效率有了较大程度的提高,通过对各种算法的运行结果进行对比,证明了本算法的有效性和快速性。

基于相空间重构和RELM的短时交通流量预测

为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量时间序列的最佳时间延迟和嵌入维数,进行相空间重构;然后选用G-P算法计算序列关联维数,判断出短时交通流量序列具有混沌特性.在此基础上,将重构数据作为正则化极端学习机的输入和输出来训练模型,并采用网格搜索法优化模型参数.最后以实测数据为基础,对模型的预测效果进行对比分析.结果表明,新构建模型的预测效果良好,能够有效提高短时交通流量预测精度.

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.

基于谱聚类与RS-KNN的城市快速路交通状态判别

为了提高城市快速路交通状态判别的准确性,构建了一种基于谱聚类与随机子空间集成K最近邻(RS-KNN)的交通状态判别模型.以地点交通参数为基础,根据交通流运行特性并结合中国道路服务水平的4个等级,采用谱聚类算法将交通状态划分为4类;然后使用已分类的交通流数据训练RS-KNN模型.通过上海快速路的实测数据完成模型的实验验证和对比分析.实验结果表明,所提出的模型不仅能够提高交通状态判别的精度,而且具有良好的鲁棒性,其判别率比标准KNN模型、BP神经网络模型和SVM模型分别提高7.3%、4.9%和4.5%.

城市交通控制与诱导系统智能协作

交通信号控制和动态交通诱导是城市交通管理的两个主要手段,两者智能协作能提高城市交通管理效率.本文分析了交通信号控制与动态诱导系统的关联特点,利用多智能体技术和融合技术对其智能协作进行研究,提出城市交通信号控制与交通诱导系统智能协作的结构框架,以交通信号控制执行级智能体为例,介绍分析智能体内在结构和作用机制,并研究了城市交通控制与交通诱导的系统协作模型,实现城市交通控制与诱导系统智能协作和全局优化.

我国中小城市交通问题分析

目前我国城市交通量猛增,交通设施供给发展相对滞后,加上行人、自行车和机动车并存的混合交通状态使得交通问题在中小城市日益严重,中小城市在资金、基础设施、交通管理、交通参与者出行特征等方面与大城市有极大的区别.针对我国中小城市交通特征和道路交通问题的特殊性,从道路基础设施、交通管理、交通参与者等方面进行了深入分析,并就此给出解决我国中小城市交通问题的对策.

居住区泊位对外共享能力评估模型

从停车资源共享理念出发,研究居住区泊位对外共享服务能力评估模型.首先分析了实施停车泊位共享的基本条件,然后分析了居住区的泊位空闲特性,在此基础上构建了停车泊位共享服务能力评估模型,并应用统计学方法对模型参数的取值、分布规律进行了拟合分析.统计结果表明,相邻两车进出泊位平均用时为62.6 s.数据拟合结果表明,居住区泊位空闲时间服从负指数分布,共享车辆停放时间服从Gamma分布.为保证模型实用性,给出了泊位状态参数.Gamma分布形状参数、标度参数的参考数据.算例估算结果表明:居住区停车泊位共享能够为毗邻建筑提供相当于居住区泊位55%左右的停车泊位资源.

一种自适应指数平滑动态预测模型

针对传统指数平滑预测模型的不足,设计了一种自适应指数平滑动态预测模型。该模型实现了对时间序列数据的自适应动态预测,且保留了原方法公式简单、易实现的特点,可用于在线动态预测,具有工程实用性。利用实际数据对该预测模型进行了数据验证,并与传统指数平滑模型进行了对比。结果表明,该自适应动态预测模型的预测效果较好。

信号交叉口通行能力计算方法

目前计算城市交通网络信号控制交叉口通行能力的方法很多 ,适用范围各有不同。混合交通流是中国城市交通的特点。计算混合交通条件下城市信号控制交叉口的通行能力一直是众多交通领域专家学者研究的课题。以一个典型十字型信号交叉口为例 ,分别用目前中国常用的三种计算通行能力方法 (冲突点法、停车线法、美国法 )计算该交叉口的通行能力 ,并将结果与实测通行能力进行比较。比较结果显示冲突点法算得的结果与实测结果最接近 ,而停车线法和美国法算得的结果都偏大。因此 。

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。

基于粒子群优化投影寻踪回归模型的短时交通流预测

针对短时交通流数据的高度复杂性、随机性和非稳定性,为了进一步提高短时交通流预测的精度,提出一种基于粒子群优化投影寻踪回归模型的短时交通流预测方法。通过灰色关联度分析确定交通流预测影响因子,然后采用粒子群优化算法构建非参数投影寻踪回归模型,并利用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析。实验结果表明:PSO-PPR模型的短时交通流预测效果明显提高,其平均预测精度分别比ARIMA模型和BPNN模型提高37.8%和27.2%。

考虑低排放低延误的交通信号优化方法

为了达到低排放低延误的交通信号多目标优化控制的目的,首先对车辆行驶轨迹进行描述,并基于机动车比功率(VSP)进行机动车排放的计算;然后利用回归分析的方法,对排放和延误的关系进行量化;之后建立一个以减少排放和降低延误为目标的交通信号控制模型,以此来优化信号控制交叉口的周期时长和绿灯时长,从而达到低排放、低延误的交通信号多目标智能化控制.选取了长春市典型交叉口进行调查,并运用仿真软件VISSIM对该模型进行仿真验证.优化前后的对比分析表明,延误减少了10.54%,排放降低了13.41%,从而证明了该控制技术的有效性.

基于变量选择和核极限学习机的交通事件检测

为了进一步提高交通事件检测的效果,提出基于变量选择和核极限学习机(KELM)的自动事件检测(AID)算法.根据交通事件上、下游交通流参数的变化特点,构建较全面的交通事件检测初始变量集.采用随机森林—递归特征消除(RF-RFE)算法,从中选择重要变量.以重要变量作为输入,训练KELM并通过万有引力搜索算法(GSA)优化参数.使用美国I-880数据库,对AID算法的效果进行验证和对比分析.因为数据库中的事件样本数远少于非事件样本数,采用SMOTE平衡两类样本.结果表明,使用重要变量能够提高交通事件的检测效果,KELM的检测效果优于反向传播神经网络(BPNN)和支持向量机(SVM).

个性化诱导下的居住区共享停车泊位分配模型

针对停车资源有限条件下群体式停车诱导容易产生局部拥堵的问题,研究居住区参与的个性化共享停车服务模型.提出了个性化共享停车诱导服务策略,定义了居住区停车位共享管理指标,建立了居住区共享停车泊位分配模型.通过对高峰泊位空闲指数差异均值和驾驶员停车后步行距离目标的双重约束,在满足驾驶员停车选择目标的同时实现了停车资源的均衡有效利用.研究表明,个性化诱导方式下,居住区停车场利用自身泊位的闲置时间可以有效缓解周边建筑的停车吸引,减少局部停车拥挤,成为毗邻建筑的最佳共享停车合作伙伴.

基于奇异谱分析和CKF-LSSVM的短时交通流量预测

为了提高短时交通流预测的精度,提出了基于奇异谱分析和组合核函数最小二乘支持向量机(CKF-LSSVM)的短时交通流预测模型。首先,采用奇异谱分析方法,滤除交通流序列的噪声成分。然后,使用降噪后的交通流数据训练CKF-LSSVM,并通过粒子群优化算法确定模型参数。最后,以厦门市的实测数据为基础,对预测模型进行实验验证和对比分析。结果表明:本文所构建模型具有较好的预测效果,能够有效提高短时交通流预测精度。

基于核自组织映射-前馈神经网络的交通流短时预测

提出了一种基于KSOM-BP神经网络的交通流短时预测模型。利用基于核函数的样本自组织映射神经网络(KSOM),在没有任何先验知识的情况下,自组织、自学习地将具有相似统计特性的历史样本划分成一类,促使分类样本统计特性更集中显著。对每个类别的样本分别建立动量-自适应学习速率的BP神经网络预测模型,以期提高交通流短时预测精度,减少预测时间。结合实际城市道路数据对模型进行验证。验证结果表明:KSOM-BP神经网络的预测误差统计指标MARE小于7%,比基于全部样本训练的BP神经网络的MARE减少4%左右;同时,KSOM-BP神经网络建模时间更短,证明了本文方法的有效性和先进性。

公交智能化调度系统实时调度形式确定方法研究

针对我国公共交通系统实际情况,在认真分析可行调度方法的基础上,将实时调度形式的确定理解为一种模式识别问题,并给出基于BP神经网络的公交车辆实时调度形式的确定方法。该方法在实际公交线路中的应用情况验证了其适用性和可行性。