GA-LSTM模型在高速公路交通流预测中的应用

为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.

无信号路段人行横道人车冲突概率估计

为了估计设计阶段道路行人过街的冲突概率,为行人过街安全评估提供依据,以无信号路段人行横道为研究对象,通过估计机动车与行人出现在人行横道上各位置的概率,建立了一个基于行人和机动车到达流量及运行特征的人车冲突概率估计模型;应用该模型分析了人行横道各断面冲突概率的变化特征。结果表明:行人-机动车冲突概率随行人和机动车到达流量的增大而增大;行人与机动车的冲突概率在一个车道范围内的分布与车辆的横向偏移特征有关;所提出的冲突概率估计模型与实际情况相符。

基于计划行为理论的大学生闯红灯行为决策模型

根据我国城市道路交通环境特点,以大学生为研究对象,应用计划行为理论对行人闯红灯行为进行行为决策建模.首先,根据车流量、道路宽度和有无中央安全岛将行人过街环境分为6类;其次,在原计划行为理论模型上增加行为经验新变量,并分别在每类情境下基于计划行为理论进行问卷设计;再次,对广州在校大学生进行问卷调查,总共回收有效问卷376份,有效率为91. 75%.对调查数据进行可靠性分析和验证性因素分析,结果表明,数据具有良好的信度和效度,各项目的内部一致性良好且可靠性高.最后,基于计划行为理论建立结构方程模型(SEM),对6类情境行人过街行为进行分析,得到大学生闯红灯行为的6个结构路径图.结果表明,大学生对闯红灯的态度和新增加的行为经验与行为意向没有显著相关性,而主观规范和知觉行为控制则与行为意向显著相关,且知觉行为控制是个强大的预测因子,能预测行为意向,还可以直接作用于实际行为.

城市混行进口道通行能力计算方法研究

针对城市道路交通混行现象严重问题,通过对城市道路信号控制交叉口交通运行特征进行调查分析,对直左车辆混行和小型汽车与公交车混行的进口道饱和车头时距和通行能力计算方法进行研究。为了得到城市交叉口混行进口道道路通行能力计算模型,首先对城市道路信号控制交叉口交通进行调查和数据收集,并对混合进口道车头时距进行特征分析,获取进口道车队运行特征参数;然后,分别建立直左混行车头时距和公交车小汽车混行车头时距分析模型;再次,建立基于转向比例和公交车比例的混合进口道通行能力计算方法;最后,结合案例进行通行能力、公交车比例和转弯比例关系分析。研究结果表明:笔者提出方法计算得到早晚高峰结果与实测值误差分别为1.5%、6.95%,较CJJ 37—1990《城市道路设计规范》法和HCM法计算值误差小,大大提高了计算结果的精度,可以为交叉口的控制和管理提供依据。

考虑个体风险偏好差异的高速公路出行选择模型

本文旨在进行节假日高速公路出行特征分析及出行行为决策建模。首先,进行节假日高速公路出行行为特性调查和分析,总共回收有效问卷数量500份;其次,考虑个体风险偏好差异性,提出基于巢式Logit-累积前景理论模型的高速公路出行时段选择模型,进一步了解节假日高速公路出行行为决策;最后,以广东省节假日高速公路为对象进行案例研究,并进行模型精度检验。研究表明:本文模型总体预测误差为14.14%,仅基于巢式Logit模型预测误差约为22.22%。与其他模型相比,本文模型有利于提高预测结果的精度。