基于模糊信息粒与SVM的道路交通状态波动分析

为分析道路交通状态波动范围,提出了一种基于模糊信息粒化与支持向量机组合预测的建模方法。分析了道路交通状态波动特点和交通参数选择原则,以模糊理论和时间序列预测为基础,通过模糊信息粒以15 min时间窗将样本数据模糊化,得到Low、R、Up这3组时间序列;并利用支持向量机模型分别对其进行预测,获得道路交通状态的波动范围与变化趋势。实例分析时,在验证数据采集路段属性相近的前提下,用该组合模型对早、晚高峰和平峰等3个时段的交通波动状态进行验证,验证结果有较高精度,能有效预测交通状态波动情况。

基于遗传-小波神经网络和时空特性的交通数据融合

由于时间序列的交通数据重点关注断面交通流量变化,而空间序列的交通数据主要关注路网交通流分布。在综合考虑二者特性的前提下利用遗传算法的群体搜索技术及小波神经网络的较强学习能力,提出了基于遗传-小波神经网络(GAWNN)的交通数据融合模型。使用MAE、MRE和MSE三个指标对交通数据序列进行优劣对比分析。经实例验证,考虑时空特性的交通数据其数据质量优于单一的时间序列和空间序列。

城市外围非高峰时段公交柔性调度系统研究

基于城市外围居民出行的交通特点以及公交车运行成本与乘客等待时间之间的矛盾,提出了基于互联网技术和网约车思想的公交柔性调度系统,阐述了柔性公交调度系统的运行方式,设计了柔性公交调度系统的总体结构、模块功能以及工作流程。通过构建基于预约乘客数量的柔性发车间隔函数来确定非高峰时段的发车时间,利用建立的柔性调度辅助决策模型规划出响应时的最短路径以及计算乘客和公交车的综合效益。最后选取重庆市180路公交为例,用柔性调度模式的3种预约比例与传统运行模式进行对比分析,得出柔性公交调度系统能减少乘客的等待时间,降低公交的运营成本。

基于时空特性和灰色残差的交通故障数据诊断与修复

针对交通检测器获取的数据可能存在不完整或异常等问题,同时路网中交通流数据之间存在时间相关和空间相关的特征,笔者提出了基于时空特性和灰色残差的交通故障数据诊断与修复方法。在分析故障数据特点基础上考虑交通流数据存在的时间、空间特性,建立基于马氏距离(MD)的故障数据诊断模型;然后利用灰色关联模型计算出时空维度相关系数,选择强关联路段时空相关数据建立基于灰色—遗传小波神经网络(GM(1,N)-GA-WNN)的故障数据修复模型。研究结果表明:基于GM(1,N)-GA-WNN模型的故障数据诊断与修复的平均相对误差与GMWNN模型相比降低了1.7%,与GM(1,N)模型相比降低了4.8%;考虑时空特性的故障数据修复精度优于单一时间、空间修复序列,为道路交通预测、交通诱导等服务提供可靠的数据保障。

基于时空特性分析和数据融合的交通流预测

短时交通流预测是城市道路交通控制和交通诱导的关键技术之一,针对其考虑因素单一、预测精度不高的问题,提出了一种基于时空特性分析和数据融合的预测方法。首先,分析了交通流时间特性、时间相关性和基于时间序列数据的预测方法。其次,在对交通流空间特性、空间互相关性分析的基础上,提出了以相邻路段流量为自变量,采用多元逐步线性回归对目标路段流量估计预测的方法。最后,分析了交通流的时空关联特性,同时考虑到时间和空间因素,利用最小二乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果。仿真结果表明,对比单一时间序列和空间回归估计预测方法,所提出的方法有效提高了短时交通流预测精度。

基于游客体验的城市近郊旅游路线规划

根据城市近郊自驾游灵活性和个性化的特点,综合考虑道路交通和旅游景点因素对游客出行体验的影响,提出了一种基于游客体验的城市近郊旅游路线规划方法。首先在综合分析道路交通因素及旅游景点属性对自驾游客体验感影响基础上,建立了基于综合路阻的景点间最优路径选择模型,并采用Floyd算法进行了求解;然后根据旅游出行成本和景点游览效用构建了基于游客体验的景点顺序规划模型,并利用遗传算法对最优旅游路线进行了求解;最后通过实例验证表明,相比传统基于出行距离最短的旅游路线规划方法,基于游客体验的城市近郊旅游路线规划方法更符合自驾游客出游实际情况,能有效减少游客的行程时间和景点等待时间。

站点需求响应式公交调度系统优化研究

根据站点需求响应式公交能为乘客提供实时预约服务的优点,结合互联网环境下信息技术的时效性和共享性对站点需求响应式公交进行了优化。首先,阐述了公交运行方式,设计了公交调度系统的总体结构、模块功能和工作流程;接着,以提前预约需求为服务对象,构建了基于乘客匹配方法的静态车辆调度模型,采用遗传算法求解车辆初始行车计划;然后,以实时预约需求为服务对象,根据响应判断条件建立了动态车辆调度模型,利用插入算法动态调整车辆行车计划;最后,对重庆市479路公交线路进行了仿真实验。结果表明:动静态结合调度方法的站点需求响应式公交调度系统与纯动态调度方法相比,前者的乘客拒绝率、乘客等车时间分别减少了13.04%和50.32%,且前者的系统整体性能指标提升了11.78%。

基于心理场场强模型的路段行人过街安全措施

从心理学的角度分析了不同行人过街时的交通心理及其行为特点,运用物理学中场论的方法,结合对过街行人的心理分析,将行人过街时心理上的受力进行量化,建立了行人在路段过街时的心理场场强模型。通过模型可以得出行人与车辆间的安全场强。将心理场模型运用于对重庆市回龙路三处地点进行案例分析。结果表明,对行人进行心理受力分析可以为过街设施的改进提供基础。

基于IC卡和RBF神经网络的短时公交客流量预测

在公交客流量特性分析基础上,通过IC卡获取了实时公交客流量数据;结合GPS数据,利用OD反推法分析了实时客流分布;进而建立了基于IC卡和RBF神经网络的短时公交客流量预测模型并介绍了具体预测过程。对重庆市841公交线路进行了实例分析,得到上下车客流真实值与预测值的平均绝对相对误差均小于1.5%,实例计算结果表明该模型能获取实时客流数据,预测精度高,具有一定的实际应用价值。

基于数据驱动的数据故障诊断模型

针对交通和桥梁监测的数据诊断过程中,噪声掩盖了部分故障信息以及故障信息分布的多尺度性,提出了一种基于数据驱动的数据故障诊断模型。以故障检测为目的,加入了一种改进的小波阈值除噪方法,去除大部分随机高频噪声,提高了数据置信度;将重构信号进行了多尺度小波包分解,结合小波包能量分析法和主元分析法完成了故障检测与故障分离。模型实际应用于桥梁挠度监测数据故障诊断,结果表明,该模型可以减小错报率和漏报率,抗噪能力更强。