UKF地铁短时客流预测研究

为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。

高速公路出口前置指路标志的安全设置距离模型

为解决高速公路部分出口前置指路标志的设置距离无法满足车辆安全驶离高速公路主线这一问题,通过建模研究高速公路出口最后一块指路标志(距离出口最近的出口指路标志)的安全设置距离。首先,将出匝车辆驾驶人的驾驶行为过程细分为三个阶段:认知-反应、车道变换以及减速驶离主线。其次,融合高速公路主线和匝道的道路条件、驾驶人视认特性、驾驶行为过程、标志设置方式等多方面影响因素,构建了高速公路出口最后一块前置指路标志的安全设置距离模型。该模型计算结果表明,《道路交通标志和标线》(GB 5768—2009)中推荐的高速公路出口最后一块指路标志设置距离(500m)适用于所有主线单向2条车道以及部分主线单向3条车道和单向4条车道,不适用于主线单向5条车道;相比规范的推荐值,模型计算值考虑了道路条件和驾驶行为,使分流区产生的换道次数减少,具有更高的安全性。

高速公路出口匝道事故严重度预测模型

以高速公路主线分流区和匝道主体段作为研究对象,将出口匝道类型进行分类。然后,引入联系函数,选择匝道限速、匝道交通量作为位置函数中主效应变量,选取匝道类型和匝道结构作为尺度变量,建立事故严重度预测模型。并从照明、车型、相交道路类型等方面对模型进行修正。最后,通过拟合度检验及伪检验,验证了模型的有效性,并对各类匝道的安全性进行分析,结果表明:类型I>类型III>类型II>类型IV。