基于微观交通仿真的动态交通管理优化问题研究

动态交通管理的优化帮助交通管理者针对实时交通状况制定出最优的交通管理方案.本文就此类问题建立了双层优化模型,并在下层模型中借助微观交通仿真模型,来评估优化过程中任一给定交通管理措施对路网交通流的影响;针对此模型,开发了基于模拟退火算法的优化解法.实践表明,借助下层交通仿真模型能方便有效地估量动态交通管理措施对交通流在微观层面上的影响,从而为上层模型中大规模的搜索优化奠定基础.

试论高校校园的交通管理

面对我国大学校内道路交通事故频发的现状，笔者提出了扭转这种校园安全不良趋势的有效措施，即尽快理顺高校内部道路安全管理体制和争取立法的合力支持。本文从高校校园的交通管理现状出发，分析了校园交通事故的成因，建议在依法改善校园动态交通和静态交通环境的基础上，应加大校园交通管理的科技投入并辅之宣传交通安全意识等对策。

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.