基于加速遗传的交通流变点分析方法

交通流变点是交通流演化规律研究的一个重要内容。以往用于交通流变点搜索的最小方差、局部比较等算法虽然有很多优点,但是也存在数据误差满足正态分布假设、识别全部变点困难、部分和的项数较难确定等问题。鉴于此,文章结合均值变点模型,运用加速遗传算法对交通流变点问题进行分析研究,利用英国南安普敦市的实际数据对上述算法进行标定,并给出模型的应用实例。仿真及分析结果表明,将加速遗传算法用于交通流多变点诊断是简便、可行和有效的。

交通流在间歇流状态下的概率变点模型

以往研究交通流突变点的算法,大部分忽略了对交通流关键参数量变模式的辨识.依据交通流理论,结合非参数变点统计方法,以在淄博市华光路采集的间歇流数据为例,建立了对交通流模式量变识别的负二项分布概率变点模型,对交通流变点存在与否进行假设检验,并对变点发生(时间)位置的搜索算法作了详细研究,最后结合实际数据对累计次数法进行了标定和检验,验证了本方法的有效性和可行性.

交通流量变模式辨识的非参数概率变点模型

交通流状态辨识是智能运输系统(ITS),尤其是其先进的交通管理系统(ATM S)和先进的出行者信息系统(AT IS)研究的一个重要内容。以往算法主要集中在交通流预辨识(即交通流预测)和交通流实时辨识(即事件检测或交通流突变检测)的研究上,而忽略对交通流关键参数量变模式的辨认。依据交通流理论,结合非参数变点统计方法,以在淄博市世纪路采获的自由车流数据的研究为例,首次建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点发生(时间)位置的搜索算法作了详细研究。最后结合实地数据对本方法进行了标定和检验,验证了本方法的有效性和可行性。

交通流信息挖掘的非参数概率变点模型研究

交通流状态辨识是智能运输系统(ITS),尤其是其先进的交通管理系统(ATMS)和先进的出行者信息系统(ATIS)研究的一个重要内容.以往算法主要集中在交通流预辨识(即交通流预测)和交通流实时辨识(即事件检测或交通流突变检测)的研究上,而忽略对交通流关键参数量变模式的辨认.依据交通流理论,结合非参数变点统计方法,以在淄博市人民路上采获的拥挤车流数据的研究为例,建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点(时间)位置的搜索算法作了研究.结合实地数据对本方法进行了标定和检验,验证了本方法的有效性和可行性.