基于模糊的城市快速路交通流状态判别

"交通状态"具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视.因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态.在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则.该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据.     

基于云模型的城市快速路交通状态评价方法研究

交通状态具有模糊性和随机性的特点。基于北京市快速路检测线圈数据,引入了基于云模型的模糊系统来评价快速路交通状态。在充分分析交通流特性的基础上,提出了交通状态划分原则、依据,评价指标,以及基于云模型的模糊综合评价方法的算法流程。为实施交通信息发布以及后期交通状态的改善提供依据。最后,以北京市快速路系统为例,进行实证研究。     

基于GA模糊聚类的城市快速路交通流状态划分

采用基于遗传算法的模糊聚类划分城市快速路交通流状态,借助模糊相关度函数分析聚类结果的有效性,以寻找交通流状态的最佳分类数。遗传算法的引入,有效改善了传统模糊聚类对初始化敏感以及容易陷入局部最优解的问题。经上海市城市快速路实测数据验证,此算法对交通流状态的划分具有可行性,且聚类有效性分析能够合理确定交通流状态最佳分类数。上述研究成果可用于城市快速路交通信息发布、服务水平评价以及交通设施的控制与管理。     

基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

适于动态导航系统的城市道路交通状态判别

城市道路交通状态判别是动态导航系统中的关键技术之一,文章从城市道路交通流系统的高度复杂性特点出发,提出了一种基于神经网络的城市道路交通状态判别方法．首先,利用灰关联熵分析方法选取交通状态的关键性特征指标;然后,建立交通状态判别的神经网络模型并利用实测数据对其进行离线训练;最后,应用训练后的神经网络进行城市道路交通状态在线判别．实验表明,用于城市快速路的交通流状态判别方法效果良好。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

城市快速路常发性交通拥挤分析

基于城市快速路交通流实测数据,分析了常发性交通拥挤的特征.划分了6种交通流状态,对其进行了定性和定量分析,进而提出了"状态跳转"的概念和判别方法,揭示了拥挤形成过程;根据交通拥挤的形成原因将其分为主动和被动式.介绍了用时空速度变化图寻找拥挤源头以及选择交通控制措施的方法.     

基于改进模糊聚类算法的快速路交通状态分类评价

基于城市快速路实时交通信息发布出发,对其交通状态进行了有效分类。研究首先在选取分类指标时,在传统分类指标流量、速度、占有率的基础上增加了新的分类指标——路网宽裕度。并运用模糊聚类的思想对交通状态进行聚类分析,对传统模糊聚类算法进行了适当改进,从而增加了方法的创新性。案例分析结果表明,研究所提的分类指标及改进算法是可行的,可对城市快速路的交通状态进行较为有效的分类。     

基于地图匹配的城市道路实时交通状态模糊综合判别方法

依托于浮动车数据,基于地图匹配对城市道路交通状态模糊综合判别方法进行深入研究.首先根据浮动车数据特点和道路交通信息,基于Mapbasic编程对数据进行地图匹配,并进行MapInfo二次开发,通过相关模型计算指定时段内的道路交通参数.建立模糊综合评价判别模型,对判别结果量化处理,以最大隶属度原则确定道路交通状态.最后,选...     

基于Vague集的道路交通状态决策信息融合

为了获取更加合理、准确的交通状态决策信息,针对交通状态决策信息的多源、模糊、时变特性,基于vague集建立了浮动车、感应线圈与人工报告作为信息源的模糊信息融合模型,能够实现路段与区域路网的交通状态判别。给出了一个路段多源交通状态决策信息融合的算例,验证了该方法的有效性。该方法同时为主客观信息融合提供了一种实现途径。