K近邻短期交通流预测

从分析短时交通流特性入手,利用非参数回归中K近邻的方法,对道路交通流量进行短期预测;采用贵阳市道路交通流量的实际数据进行验证。结果表明:K近邻非参数回归预测模型能较为准确的进行道路短期交通流预测,该方法可用于短期交通流预测。     

基于小波分析和非参数回归的交通流组合预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,基于模式识别的思想,提出了一种小波分析和K近邻非参数回归相结合的交通流组合预测模型.模型首先应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用K近邻非参数同归模型对交通流进行预测;最后根据该模型,结合实测交通流数据...     

基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.     

K近邻短时交通流预测模型

为了准确预测道路短时交通流,构建了基于K近邻算法的短时交通流预测模型。分析了K近邻算法的时间和空间参数,提出4种状态向量组合的K近邻模型:时间维度模型、上游路段-时间维度模型、下游路段-时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种K近邻模型进行了检验。分析结果表明:带有时空参数的K近邻模型具有更高的预测精度,其预测误差最小,平均为7.26%。基于指数权重的距离度量方式能更精确的选择近邻,其预测误差最小,平均为5.57%。与神经网络和历史平均模型相比,带有指数权重的K近邻模型具有更好的预测精度,平均预测误差仅为9.43%。可见,带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。     

基于K近邻和法向精度的点云精简算法

针对传统点云简化算法在精简散乱点云数据时经常丢失过多特征点的不足,提出了基于K近邻和法向精度的点云精简算法.该算法首先对输入的散乱点云数据建立K近邻索引,并剔除集群点及离群点,从而完成点云数据的预处理,然后对预处理后的数据进行Delaunay三角化,并重构三角网格面,最后依据法向精度进行非特征点剔除.仿真实验表明,该算法既能较大程度地精简点云数据,又能较好地保持原有模型的基本特征.     

驾驶行为非参数微观仿真模型

运用信息挖掘技术最大限度地榨取实测数据所携带的驾驶行为个体有用信息,通过数据修正和精简形成样本数据库,采用K最近邻概率密度函数法对样本数据库进行数据过滤和冗余信息清洗,利用预处理后的数据和非参数回归法构建了驾驶行为非参数仿真模型。模拟得到的后车多元信息与其实际值有很好的拟合性,且实际值以模拟平均值为轴小幅度摆动。仿真结果表明,合适的光滑参数能提高模型精度,使模型避免大样本标定数据的限制,很好地反映和预测跟驰过程中的驾驶员行为。     

基于非参数回归的短时交通流预测研究综述

短时交通流预测是实现交通控制和诱导的关键问题之一。综述了基于非参数回归的短时交通流预测方法,指出了状态向量的选取没有考虑天气环境等存在的问题,提出了改进思路和方法,即基于动态聚类和决策树的历史数据组织方式、时空一天气环境相结合的状态向量选取方法以及基于密集度和状态向量的自适应变K机制等,期望通过这些改进能提高基于非参数回归短时交通流的预测精度,为交通控制和交通诱导建立基础。     

基于K近邻非参数回归的压痕弹性模量估计

基于球压痕过程的有限元分析,建立了无量纲压痕功和无量纲压痕弹性模量的数据集。采用相关性分析方法发现球压痕的特征参数之间存在明显的非线性特性。结果表明：相对于K近邻、加权K近邻和高斯K近邻,采用5近邻和曼哈顿距离的模糊K近邻回归估计算法来估计压痕弹性模量,能够获得较高精度的压痕弹性模量。     

基于TVAR的非平稳工况转子故障诊断技术研究

分析比较了基于时变参数自回归模型(TVAR)时频分析方法与基于非参数模型的典型传统时频分析方法--STFT、CWD对非平稳信号进行分析时的时频性能和特点,TVAR方法得出的时频图具有分辨率高、无交叉干扰项以及计算速度快等优点.基于TVAR分析了从转子实验台上采集的加速过程无故障及故障状态下的振动信号,分析结果有效地揭示了变速非平稳过程转子振动信号的特性和故障特征.仿真和实验都证明TVAR非常适用于旋转机械非平稳振动信号分析.     

改进非参数回归在交通流量预测中的应用

实时、准确的短时交通流量预测是实现交通控制与诱导的关键。结合模式识别的思想,提出基于模式识别的非参数回归算法,并将之应用于短时交通流量预测,最后用仿真试验检验了方法的有效性,仿真试验结果表明,该方法具有较高的预测精度。     

基于最小二乘法提高准同步采样谐波分析的准确度

通过研究准同步采样法谐波测量准确度与频率偏差的关系,分析同步偏差较大时,其基波与谐波的测量准确度不高的问题,提出基于最小二乘法提高准同步采样法谐波测量准确度的方法,该方法具有简单可行、运算速度快、准确度高的优点.计算机仿真及实际的配电综合测控仪中的应用表明该方法能有效提高测量谐波的准确度.     

基于组合深度学习的快速路车道级 速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

基于组合深度学习的快速路车道级速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

��ͨ��Ϣ�Ƽ��㼰��Ӧ���о�

云计算借助高速网络将各种计算能力联接起来,为交通信息提供了几乎无上限的可伸缩的计算能力. 本文分析了交通信息云计算的优势、特征、方法和部署,认为交通信息云计算也是一种信息高效采集和服务的概念,是实现交通行为控制的基础. 以车辆GPS定位信息的获取、传送、计算和应用为例,对比了浮动车信息现有处理模式与云计算信息处理模式,提出了以云计算模式产生高效用度、闭环可验证的个性化路径导航信息作用于海量驾驶员个体,实现控制性路径诱导的方法.     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.     

基于加权密集连接卷积网络的快速交通标志检测

为提高算法对交通标志快速定位的准确性，改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题，提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法. 选用YOLOv2 作为基础网络，通过增加动态加权密集块对各层特征图的权重进行调节，实现深层高语义信息和浅层低语义信息的融合；使用MobileNet 轻量化网络结构，通过可分离卷积操作有效降低网络的计算成本；针对池化操作中图像特征丢失严重问题引入 CBAM模块，利用通道注意力和空间注意力信息增强关键特征的表达能力. 实验结果表明，本文算法在GTSDB数据集上分别达到了96.14%的检测精度和139 frame/s 的检测速度，在保证较高检测精度的同时，能够有效提高检测效率，满足实时检测要求.     

基于路网仿真的地铁运营协调性分析

面向地铁运营状态的动态性、不确定性及多因素动态关联性,采用路网运营仿真技术,基于路网客流分布状态变化,从网络整体角度研究地铁运营协调性的定量分析方法.将运营协调决策问题分成资源配置、服务设计、客流控制三个层次,提出利用运能需求匹配度,将系统不同层次的协调性进行关联分析的思想.从运输单元运能需求匹配度的均衡性和换乘服务效能两个方面构建网络运营协调性分析指标,给出基于分布熵的协调性指数计算方法.构建地铁路网运营中观仿真模型,给出面向协调性研究的路网仿真实验流程.最后,以北京地铁为例,进行案例研究,利用路网客流分布仿真实验数据分析两条线路的运营协调性,给出优化后的列车开行间隔.     

城市道路交通拥堵状态时空相关性分析0

城市交通拥堵的形成和消散实际受多周期的交通流冲击波影响,产生来源非常复杂,建模也很困难.正因如此,有关拥堵时空扩散性的研究多停留在定性层面.基于直接采集交通数据可进行定量分析,但数据的细粒度特性使信号不够平稳,在多时间尺度上甚至表现出相反特征,缺乏有效的知识挖掘思路和方法.针对拥堵区域交通参数时空相关性问题,在皮尔逊相关性指标的基础上提出并采用了一种新的分析方法,它将道路实测速度轨迹分解为多时间尺度的趋势和细节分量.应用该方法提出的相关性指标和数据分段算法,对典型交通拥堵扩散算例进行了分析,借助相关性状态变化刻画了拥堵在时空中扩散的定量特征.     

考虑道路属性特征的中观排放模型研究

准确地对机动车排放污染进行量化评估是机动车排放控制策略制定的前提. 为提高模型计算精度，提出低速行驶比例的概念，用于描述车辆在路段上行驶时瞬时速度的分布特征. 在传统的VSP分布排放模型的基础上，纳入更多的中观影响因素，包括路段平均速度、路段长度、道路等级和低速行驶比例，采用多元回归方法构建一种新型的中观排放模型. 经比对，所建排放模型相对于传统VSP分布排放模型精度更高. 所建模型考虑的新增影响因素均较易获得，故可应用于城市大规模交通路网的排放计算，对提高城市路网排放计算精度，辅助机动车排放控制策略制定具有一定意义.