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。     

短时交通流组合预测模型研究

短时交通流预测是目前智能交通领域的研究热点,文中从实际应用的角度出发,提出了用于流量和速度预测的组合预测模型.该模型包含傅里叶历史估计模型、自回归模型和邻域回归模型三个子模型.详细介绍了组合预测模型的预测机理、模型细节以及用以实现模型实时更新的迭代回归算法.该模型被实际应用到北京市道路预测预报系统中,实际预测误差不超过15%.     

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...     

基于多维时空参数的道路短期交通状态预测

城市道路交通状态会同时受到时间、空间多维因素的影响. 为对城市道路短期交通状态进行比较准确的预测,本文在分析多维时空参数的基础上,构造了基于支持向量机（SVM）的不同维数的道路短期交通状态预测模型,并通过贵阳市中心城区的出租车GPS数据对各种模型的预测精度进行了检验,分析各时空参数对道路交通状态的影响程度. 结果表明, 基于目标路段先前流量数据及下游路段交通状况的SVM模型具有较高的预测精度. 为了进一步分析该模型的性能,将其与线性回归模型和ARMA模型进行了比较,实验结果显示,本文提出的SVM模型具有较好的预测效果,表明该方法是进行道路短期交通状态预测的有效手段.     

����ʵ�����ݵĿ���·��ͨ������ģ��

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.     

多模型交通流预测优化

根据当前交通流预测模型发展的情况,提出采用卡尔曼滤波模型、指数平滑模型和非参数回归模型进行预测融合的方法,该方法在提高系统预测速度的基础上也能提高预测精度,因此,具有很好的推广价值.     

基于V3DM技术的道路交叉口仿真及参数分析

应用VISSIM交通仿真软件中的V3DM模块,对城市道路交叉口进行实际场景构建,建立车流、道路交通标志、道路周边设施及其他交通参与者3D模型,并对各种3D模型的各种交通属性进行设定。通过V3DM仿真模块,将建立好的3D实景模型应用于交通流的运行仿真过程中,获取道路交叉口交通流运行的相关参数及仿真动画。通过对相关指标和仿真动画的分析,可对交叉口的运行状态和效率做出评价,并结合相应的参数值,提出交通信号配时及交通设施改进的方案。     

��ʱ��ͨ״̬Ԥ���������Ⱥ�㷨�Ż��о�

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。目前,道路交通数据采集设备的性价比越来越合理,道路上交通数据的采集设备不断完善,使得短时交通流状态的分析处理和预测成为可能。考虑到道路网交通状态的混沌特性和相关性,应用多维混沌时间序列可对道路网多断面交通状态进行预测。建立的多维混沌时间序列模型中有多个参数需要确定,并且与以往一维混沌时间序列预测中参数确定原则既有区别又有联系,因此在分析其差异性之后,本文利用粒子群优化算法优化模型中参数,当输入新的数据时,应用该模型就可以预测道路多点的交通状态。通过某城市快速路上7个断面交通流量来验证模型的有效性。     

���н�ͨӵ��̬�Ƽ�ص�ʱ�շֲ���̬ʶ��ģ��

为了及时发现和预警城市交通高峰时期的偶发事件,研究了态势监控的城市交通拥堵动态跟踪问题.对交通拥堵的相关属性、变化规律、空间分布以及判别方式等进行综合研究的基础上,分析了道路交通流的非线性动力学特征,建立了基于时空分布的路网交通拥堵态势监控的动态预警模型,提出了解决城市路网交通拥堵的方法,达到了充分利用交通资源、疏导交通、缓解交通拥堵的目的.该模型在对占有率、速度、流量三个基本交通流参数进行处理获得新的交通拥挤判别指标基础上,通过形态识别模型对拥堵状态进行判定.实例分析表明,该模型为缓解城市交通拥堵问题、提高城市交通管理水平、改善道路交通安全形势等具有重要的理论意义和应用价值.     

面向诱导的交通状态概率预报技术

为了获取准确客观的交通流运行状态信息,满足交通诱导的需求,综合考虑城市道路中交通流演变的随机性和复杂性,以及实时交通状态判别本身具有的不确定性,通过分析交通状态和影响因素之间的映射关系,提出了一种交通状态概率预报的Logistic回归模型. 该模型借助Logistic回归方法探讨交通状态和交通参数之间的函数关系,并对下一时段交通状态及其发生的概率进行预报. 最后结合实际数据,进行了不同预报时长的分级交通状态的概率预报实验,独立样本检验结果表明,该模型预报准确率高,稳定性好.     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

基于SARIMA 模型的北京地铁进站客流量预测

通过对北京地铁2013 年5 月~7 月的进站客流量数据进行详细分析,总结北京 地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁 进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预 测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型 适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特 点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议.     

基于交通流量的城市交叉口事故预测研究——以广州市为例

通过对广州市天寿路交叉口高峰时段的流量调查及广州市的交通事故数据分析,发现北京市与广州市交通流量与事故数据存在相近性关系。应用线性回归分析法、事故率法建立北京市交通流量与交通事故数之间的一元线性关系模型,对广州市某交叉口的交通事故数进行预测分析。结果表明,在交通流量高峰时段,影响交通事故的最主要因素为交通流量,交通流量对于快速处理的事故影响作用大于一般事故;在交通流量相当小时段,交通事故存在着很大的偶然性,两者的关联度不高。     

����ʵ�����ݵ��ն������н�ͨ�����Է���

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据。本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度—密度模型、流率—密度模型和流率—速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验。研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值。     

�������Ԥ��ģ�͵Ķ�ʱ��ͨ��Ԥ��

在现代智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.为了提高短时交通流预测的准确性,本文提出了一种基于组合预测模型的短时交通流预测方法.一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的匹配值;然后,将二者获得的信息进行融合,采用多种不同的组合方式来实现短时交通流预测.以厦门市莲花路口断面的交通流量为例,通过对仿真图像和数据的分析,得出各种组合方法的预测平均绝对相对误差均小于10%,能够较好地满足交通诱导系统的需求.     

基于实测数据的终端区空中交通流特性分析

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据.本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度-密度模型、流率-密度模型和流率-速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验.研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值.