基于联网收费数据实时滑动校核的高速公路交通量预测平台的应用研究

为改变传统交通量预测工作中交通量数据及路网状况无法实时动态更新的状况,基于联网收费系统数据构建了实时滑动校核的高速公路交通量预测平台,并将该平台应用于深圳市高速公路网的交通量预测中。应用的结果表明,该预测平台能有效提高交通量预测结果的精度,并使得预测结果保持动态更新。

基于实时滑动分解的融合时空图卷积流量预测研究

为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。

基于联网收费数据的实时滑动、动态校核的高速公路交通量预测方法研究

为了解决高速公路交通量预测误差随年份的推移而逐年大幅变大的问题,依托稳定可靠的高速公路联网收费数据,提出实时滑动、动态校核的交通模型预测方法,通过基础年的滑动更新、实时校核及基于多基础年的滑动预测,提高了模型值与实际值的拟合程度,有效控制了预测误差,可支持政府、高速公路管理公司各项投资决策。

城市连绵区高速公路交通量建模预测研究

高速公路交通量预测对其规划设计、投资建设、控制管理都具有重大意义,是高速公路管理决策定量化依据。针对城市连绵区高速公路不同于传统高速公路对外通道的功能与特征,采用城市交通建模的思想预测高速公路交通量,实现精细化、大区域的交通建模,提出了实时滑动、动态校核的预测方法,通过基于联网收费数据动态校核、多指标控制、多年份验证,显著提高模型的预测精度。采用该方法实现了对深圳市高速公路的建模预测、交通量预测。

A real-time data smoothness method based on xPC-Target

A method of real-time data smoothness which is applied in a hardware-in-the-loop （HIL） simulation platform for a plug-in hybrid electric vehicle synthetical power device is described. The input signal of the platform comes from a AC/DC switch power with output containing noises. A linear slide average arithmetic is applied to smooth the noises. To average a certain number input sample signals, this method can decrease the noises voltage level, which meet the requirement of the simulation platform. The efficiency and signal delay time are presented to describe the result of this method, and a statistical index is used to judge the arithmetic＇ s efficiency. The tests results show that the arithmetic fit the requirement of the HIL simulation platform.