突发灾害下城市路网交通流可靠性运行态势

为了识别突发灾害下交通流运行过程中路网可靠性的变化规律和潜在的运行态势,采用Rough集理论,结合城市道路交通状态判别、预测的知识,构建了突发灾害下路网可靠性知识表达系统。通过对路网元素属性数值的离散化处理,路网可靠性决策表的属性约简等一系列操作过程,实现了对路网可靠性运行态势的逻辑推理。试验结果表明:路网可靠性能够较好地拟合突发灾害下路网交通流的运行特征,交通路网可靠性态势分析的知识表达系统对可靠度的预测精度可达90%以上。

基于博弈论的突发灾害下区域间交通信号协调控制技术

构建了基于博弈论的区域间交通信号协调控制策略模型。对模型参数进行优化选择。提出了区域间交通信号协调控制的运作时机。开发了软件包,结合Paramics V6仿真软件对模型进行了验证。验证结果显示模型能够有效降低大范围路网内车辆的平均延误,提高行车速度。

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.

面向智能交通的交通工程实践教学课程体系探索

由于智能交通在保障道路交通安全、提高道路运行效率、交通低碳节能减排等方面的积极作用,国家及各级政府不断加大对智能交通系统的建设、投资和扶持力度,社会增加对交通工程专业人才的需求;同时,网联汽车、网约车、共享单车、大数据、云计算等新应用、新需求、新技术、新方法在智能交通行业应用发展,智能交通行业对交通工程专业人才的需求趋向于实践应用型、实践创新型的综合素质人才,使得交通工程实践教学课程体系改革日益紧迫。因此,从交通工程专业特色出发,以智能交通发展趋势和人才需求为导向,以实际交通问题和工程应用为核心,进行交通工程专业实践课程改革需求分析、目标探索、课程体系改革,对促进和提高实践教学质量,培养具有实践创新能力和技术创新能力的高素质应用型人才具有重要的意义。

交通信号控制虚拟实验实践教学与平台开发

随着城市交通建设重心从基础设施建设向功能提升转变,交通信号控制成为未来交通投资和应用的重点。社会对交通信号控制相关人才的需求日趋迫切,对交通信号控制人才的培养模式和培养方法提出了新的要求。另外,随着交通信号控制向智能化、集成化、网络化、实时性方向快速发展,交通信号控制模式、控制方法、控制策略层出不穷。实验教学设备无法满足交通信号控制技术更新需求。因此,只有通过虚拟实验平台的开发才能解决交通信号控制新技术、新方法实践教学的需要。为了使学生能够全面深刻地认识、掌握交通信号控制理论和方法,本文构建交通信号控制虚拟实验平台,使学生不受时空限制进行实践操作,以此激发学生实验兴趣,调动学生积极性和主动性,从而提高学生的专业认识水平、动手操作能力、创新实践能力。

“交通规划”课程思政教学改革探索与实践

随着建设交通强国的政策性、引领性文件相继出台,培育高素质、有担当、对党忠诚、对人民负责的交通科技人才,弘扬劳模精神和工匠精神,是交通领域人才培养的时代要求。以习近平新时代中国特色社会主义思想为指导,充分利用交通发展历程中的人、事、物,交通工程专业本身的职业特点和使命担当,交通发展进程中的国家战略和行业需求及发展态势,通过价值引领与知识传授相结合,培育和引领交通工程专业学生的理想信念、政治信仰、价值取向、社会责任,全方位提高学生的能力和素质,是交通工程专业人才培养的新要求。交通规划课程具备国家层面、精神层面、个人素养、科学观和方法论等各个层面的德育元素和价值引领,进行交通规划课程思政教学改革和实践探索,有利于培养具有新时代特征的交通工程专业德育人才。

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%.

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%。

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).

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。

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.

基于时空贝叶斯模型的行程时间可靠性预测

为了全面、准确地分析路段行程时间的时空分布,将路段的时间序列和空间关联关系纳入两个邻近路段的行程时间可靠性预测过程.在时间维度上,通过广泛使用的卡尔曼滤波预测行程时间;在空间维度上,根据离散马尔科夫链构建上下游路段行程时间的关联模型.进而构建了时空贝叶斯模型(ST-BM),将时间维度和空间维度的行程时间分布进行融合,从而预测路段行程时间可靠性.实例分析结果表明,相比于先验分布数据,文中模型将两个实测邻近路段的可靠性预测误差分别降低了45.7%和29.2%,验证了ST-BM模型的有效性.

结合浮动车技术的SCATS自适应控制策略生成技术

针对SCATS信号控制系统存在的两个问题:相位差实时优化能力差和备选方案固化,尝试结合浮动车技术研究了SCATS自适应控制策略生成技术。通过改进地图匹配算法,提高浮动车路段行程时间估计精度,从而提高相位差实时优化能力以及模型的输入数据精度。同时根据实时的检测器数据和浮动车数据,采用模糊神经网络以及多属性决策技术自适应生成控制区域交叉口的配时参数。最后,以上海某SCATS控制区域为仿真路网,以SCATS采集的检测器数据及浮动车数据为仿真输入数据,以Paramics V6为仿真平台对本文模型进行验证,结果表明能够提高系统的控制效率。

城市快速路交通事件自动检测算法

为了进一步提高城市快速路交通事件检测的精度,在分析交通事件上、下游交通流参数变化规律的基础上,构建包含12个变量的交通事件检测初始变量集,并采用随机森林方法对初始变量集的关键变量进行筛选,进而构建基于粒子群优化的组合核函数相关向量机模型。最后,利用上海市南北高架快速路的感应线圈实测参数进行实验验证和对比分析。研究结果表明:关键变量筛选可以有效提高交通事件检测的精度,组合核函数相关向量机模型也明显优于单一核函数相关向量机模型和支持向量机模型。

基于路段下游检测线圈的路段行程时间估计

为解决路段下游线圈检测信息因受交通控制信号影响无法估计路段行程时间的问题,通过分析车辆在停车线处的动力特性,利用牛顿运动定律,对路段下游线圈检测车速进行分析修正,获取车辆通过停车线的修正车速.分析了车辆排队前部与其后车辆在通过下游检测线圈的不同运动特性,分段估计车辆通过路段的时间.用VISSIM4.20模拟软件设计实验,对比分析了基于路段上下游线圈检测信息进行的路段行程时间估计结果.实验结果表明,利用提出方法估计的结果较基于上游检测信息估计结果的准确性和稳定性均有提高.

采用低频浮动车数据的行程时间估计

为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段进行实证分析,利用1 500辆出租车数据,对各种修正方法下的行程时间进行估计,与改进内插值估计方法进行对比,并与车牌识别装置提供的直接行程时间估计结果进行相似性分析.结果表明:所有误差均修正的行程时间估计与改进内插值方法相比,平均估计精度提高9.5%,且估计的中位数、25%分位数和75%分位数与车牌识别方法有较高的匹配度.考虑低频浮动车数据误差修正的行程时间估计可以改善估计的精度,可提供有效的行程时间信息.

基于城市兴趣点的连续路径诱导方法

针对现有路径诱导算法无法实现多点连续搜索的不足,提出了一种可以满足出行者一次出行中访问多个兴趣点(Point of interest,POI)的ASSA算法(A*-based sequenced search algorithm)。ASSA算法优化了路网搜索结构,大幅地减少了数据访问量,并通过兴趣点近邻区域的时空关联推理,得到最优出行路径。并基于城市POI兴趣点信息,对兴趣点数据进行了分类划分,设计了多规则下的兴趣点访问机制,并对其进行了试验验证。结果表明:相比于NS最近邻算法,提出的ASSA算法可以提高计算性能16%以上,并避免了非最优路径的出现,可以有效地满足出行者不同规则下的兴趣点访问需求。

一种个性化城市多目标最短路径随机优化算法

以两点间的有效路径为基础定义了个性化城市多目标最短路径,给出了个性化城市多目标最短路径优化数学模型,并归纳总结了城市内一般驾驶员出行路径选择行为的3个共性特征,进而提出了一种基于有效路径集合迭代计算的多目标最短路径随机优化算法,以自定义的3个弧阻抗设计了有效路径集合的初始化和迭代更新方法,构建形成的路径寻优机制,给出了计算结果的评价方法。与遗传算法的对比实验结果表明,提出的模型和算法的计算结果贴近实际,且计算速度更快。