考虑随机拥堵情况的快速路交通流短时预测方法研究

本研究采用苏州快速路多路段交通数据,基于现有多种短时交通流预测方法,采用二次指数平滑模型、LSTM神经网络模型和BP神经网络模型三种不同模型建立车速预测模型进行对比研究,用MSE辅之以实验数据可视化作为模型评判基准,探究不同模型在随机拥堵情况下的预测性能。结果显示,在交通流平稳运行情况下,三者预测性能良好,MSE值均在30左右。但在随机短时拥堵情况下,LSTM和二次指数平滑模型的预测性能下降,而BP模型在处理车速时段性的不确定变化时展现出更好的性能,训练结果 MSE值在20左右,应对突发情况时MSE值也能维持在40以下,相比指数平滑模型和LSTM模型具有更好的预测性能。

北京地铁既有线列车跨线信号系统的方案研究

根据跨线运行的需求,研究解决在不同制式或同制式的组合下,跨线列车与本线地面设备的车-地列控数据互联互通的问题。在实现跨线运行后,分析如何实现跨线列车自动或手动平稳切换。分析跨线行车调度指挥的不同方案以及每个方案下实现的关键功能。提出跨线后列车的运营维护及管理调整措施。研究成果为其他各大城市地铁既有线间的列车跨线运行提供设计参考,便于对以后其他城市轨道交通的改造工程推广借鉴。

基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究

近年来不良天气频发,对城市交通流运行影响较大。从驾驶行为角度,利用驾驶模拟技术,搭建城市快速路场景,分析多种雨、雪、雾等不良天气对直线路段下跟驰行为的影响。利用单因素方差分析方法,研究不同天气条件下车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差以及跟驰加速度等指标的显著性,进而使用主成分分析方法研究不良天气对道路交通流的影响。研究结果表明:车头时距、车头间距振幅、最小跟驰车速差在不同天气条件下具有显著性差异,且一般随天气恶劣程度增加,车头时距与车头间距振动幅度变大,最小跟驰车速差减小。不同天气条件对交通流顺畅性影响从大到小依次为大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。

基于SDN的智能交通架构

软件定义网络(SDN)是近年来备受关注的网络问题,已有学者将其和智慧城市建设进行融合。针对当今交通分散治理现状进行了研究,结合SDN转控分离和集中控制等特性,将其引入智能交通系统(ITS),提出了一个协同管理架构,旨在实现协同管理、改善交通。首先阐述了SDN的特点,利用其特性并结合ITS,提出了基于SDN的智能交通架构;其次,结合动态限速、路径诱导及天气等因素构建了协同管理策略模型,并将其与单一控制策略对比;最后通过仿真实验,对提出的架构策略进行了验证分析。实验结果表明,该架构下的管理与单一控制策略相比,平滑了交通流,使交叉口的平均延误降低20.7%,平均排队长度下降35%。

基于灰色系统理论的短时交通流预测

通过分析短时交通流时序特性,将灰色系统理论应用于短时交通流预测,建立了滚动GM(1,1)预测模型。分析表明:该模型较好地预测了短时交通流的变化趋势。

基于指数平滑和马尔可夫链的短时交通流量预测

短时交通流预测是智能交通系统研究的一个重要问题.由于指数平滑法在对实测数据进行拟合时,预测精度不高,本文针对这一问题将指数平滑理论与马尔可夫链相结合,提出了指数平滑马尔可夫短时交通流量预测方法,借助于马尔可夫链来解决利用指数平滑法预测中存在的问题来缩小预测区间、提高预计算各状态加权中心及状态转移概率矩阵,以此来提高未来状态预测精度.采用实测交通流量进行仿真实验,结果表明,本文方法比常规指数平滑法具有更高的准确性,而且具有较强的适应性.

短时交通流智能混合预测技术

为了克服现有单项预测技术对不同交通流状况的局限性,提出一种新的短时交通流智能混合预测模型.该智能混合预测模型包括3个子模型:历史平均模型、人工神经网络模型和模糊综合模型.历史平均模型以历史数据为基础,利用一次指数平滑法良好的静态稳定特性,对交通流量进行预测.人工神经网络模型采用常见的由S函数神经元组成的1.5层前馈神经网络,由于人工神经网络具有强大的动态非线性映射能力,该模型对动态交通流量的预测具有较高的精度和满意度.根据上述2个单项模型的特点,为了充分利用它们对不同交通状况的适应性,进一步提高整体预测效果,采用模糊逻辑来综合这2个单项模型的输出,并把模糊综合模型的输出作为整个智能混合模型的最终交通流量预测值.实际应用结果表明,该混合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了2种模型各自的优势,是短时交通流预测的一种有效方法.

空中交通流量的短期预测

用霍尔特-温特斯模型对机场的短期空中交通流量进行预测,首先介绍了该模型的具体预测步骤,并采用面向对象的软件技术,设计开发了预测模型软件。该预测模型软件除了可以根据用户设定的平滑系数进行预测之外,还可以自动计算出预测效果较优的"最优平滑系数"。本文利用自1998年来首都机场各个月份的交通流量实际数据,对2006年的12个月份数据进行预测,经过与实际数据的比较发现相对误差在3%左右。结果表明,基于"最优平滑系数"的霍尔特-温特斯模型能较好的预测机场的短期空中交通流量,是一种为空中交通战略流量管理提供准确数据的有效方法。

基于特性和影响因素分析的短时交通流预测

可靠的短时交通流预测是智能交通系统的重要基础。为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素。该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块。单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到。最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性。

自适应单指数平滑法在短期交通流预测中的应用

短时交通流预测是实现交通规划和管理的关键技术之一.指数平滑法因其计算过程简单,需要观测数据较少等优点,在短时交通流预测中获得了广泛的应用,但其平滑系数缺乏有效的选取方法.本文提出了一种自适应单指数平滑法,通过近似动态规划方法的引入,结合实际交通流数据对指数平滑系数进行优化,使其随预测过程自动更新,从而保证了预测的实时性、准确性.严格的理论推导证明了这种预测方法的收敛性,仿真结果验证了算法的有效性.

周相似特性下交通流组合预测方法研究

根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,比单独使用ARIMA或单独使用神经网络方法,使用组合方法的预测误差最小,适合于实时的交通流预测。

考虑随机因素的空中交通流量预测模型研究

空中交通流量受多种因素影响,其中具有一定的随机成分,因此可通过将空中交通流量分为确定成份和随机成份来进行流量预测。确定成份主要由国民经济发展、行政调控政策等因素决定;随机成份主要由气候、石油价格等因素导致。建立的预测模型分为趋势项和随机项两部分,根据大量的数据仿真,采用指数平滑模型描述趋势项;应用正弦函数刻化随机成分。通过利用华东地区年飞行流量的仿真验证,建立的模型能够更为精确地预测空中交通流量(ATF),能为航空各级决策部门制定发展规划提供重要依据。

处理缺失数据的短时交通流预测模型

针对交通检测中数据的缺失问题,提出了一种新的交通流综合短时预测模型,这种模型可以对交通检测中的缺失数据进行重建,并在此基础上运用改进的卡尔曼平滑算法进行短时交通流预测。该模型克服了传统的预测方法无法对检测数据的缺失进行处理的缺点,能在数据缺失时进行有效的交通流预测。通过深圳市的实际流量数据的验证,并比对传统方法,证实该方法具有较好的预测性能,模型预测精度可以保持在88%以上,具有较好的实用性。

基于最优梯度自适应优化算法的交通流预测

短时交通流预测在交通控制中起着基础的作用。建立了一类不需要选取初始值、带有动态参数的指数平滑模型。以预测误差平方和SSE最小为目标,构造了优选并自动生成最佳参数,使平滑模型得以优化的最速下降算法,增强了模型对时间序列的适应能力。较好地解决了指数平滑预测中,平滑参数靠检验确定且为静态、平滑初值难以确定并导致预测偏差等问题。通过比较上海浦东的实测数据和其它预测算法,验证了该算法的有效性和实用性。

基于双参数寻优车联网交通流量指数平滑预测

随着我国汽车保有量持续大幅增加,交通拥堵、空气污染、能源浪费、时间延误、雾霾加重等问题日益严重。为了有效解决上述问题,对道路交通实行智能控制与管理的智能交通系统应运而生。以车流量这个道路交通拥堵重要的影响因素为研究对象,结合实际的短时交通流数据,在传统指数平滑法建模的基础上,针对其中的平滑系数和初值这两个关键参数的选取,提出了基于等步长双参数寻优的三次指数平滑改进算法。最后,依据实测的短时交通流量数据进行仿真实验,实验结果表明:改进的指数平滑模型较之于传统指数平滑模型在预测精度方面更具优势。

改进的三次指数平滑法及其在车联网中的应用

指数平滑法是车联网中交通流预测较为常见的方法之一,其准确性主要取决于平滑系数。由于传统指数平滑法系数是静态的原因,其已经不能满足交通流预测的精度要求。为了进一步提高预测精度,对传统指数平滑法进行了分析,其平滑系数相对静态,不能实时进行修正,导致其不能很好地反映数据变化的实时趋势。通过利用三次指数平滑法对交通流预测模型进行优化,利用等距法寻找每次预测时的最优平滑系数对数据趋势进行估计,保证了每次预测时的平滑系数最优,提高了预测精度。基于交通流预测的不同应用环境,利用南京某路段实际的交通流数据进行仿真,得到的仿真结果表明,提出的优化算法在预测交通流数据变化趋势方面有较高的精度。

基于分形与三次指数平滑的交通流量预测模型

交通流量预测是智能交通系统发挥其应有效能的重要内容之一。在分析目前短时交通流预测相关研究的基础上,结合交通系统交通流量复杂性和非线性等特征,提出了一种基于分形插值的三次指数平滑模型短时交通流量预测模型。然后根据实测交通流量数据,对构建的预测模型进行了仿真实验和验证。验证结果表明,文中所构建的预测模型与常用的支持向量机和GM(1,1)交通流量预测算法相比,预测精度得到了大幅提高,其拟合精度平均相对误差为2. 3495%,预测的平均相对误差达到2. 363%。

一种基于平衡指数平滑的交通流数据预测方法

为了解决传统指数平滑法在滤波后的数据与原始数据之间存在一个因累积误差而导致右偏移的问题,提出一种基于平衡指数平滑的交通流数据预测方法。该方法对传感器采集的异常数据和缺失数据进行处理,对于超过阈值的数据,则用前一时刻数据取代该数据;对于缺失数据,则插入前后时刻的均值。对处理过的数据采用平衡指数平滑法进行滤波。通过三次指数平滑预测模型对数据进行预测。实验仿真表明,该方法能有效消除传统指数平滑的右偏移误差,提高数据预测的准确性。

汽车时代都市畅通交通新理念

在分析既有道路系统缺陷的基础上,提出一套全新的畅通交通新理念。基于该理念,重点阐述了三位一体的立体化城市交通系统的构建方法,分别从机动车交通系统、非机动车交通系统和停车系统3个方面进行详细说明,并对该系统在新城区及老城区的实施方法进行了初步探讨。

基于流畅度的空中交通流量管理分析

中国的空中交通流量管理业务由民用航空管理局空中交通管理局运行管理中心负责。当全国空中交通流量超过容量即临界值、预计管制员工作量过大时,运行管理中心对空中交通实行管制和限制,以防止流量超过容量的现象,但运行管理中心对全国流量进行管理控制的过程呈现出诸多不便。为此,对空中交通管制员在处理实际交通时的行为进行测量和分析,同时记录实际空中交通流量,并计算空中交通流畅度,最终确定交通流畅度和管制员工作负荷之间的关系。由此可见,在空中交通流量管理中,可以使用交通流畅废来为空中交通流量管理单位提供决策支持。