循环神经网络模型下道路碳排放浓度预测

以湖南省永州市永州大道基本路段CO₂浓度时序数据为研究对象,旨在实现道路CO₂浓度的实时预测。测得用于模型训练和预测精度计算的路段CO₂浓度数据,利用Savitzky-Golay滤波器对数据进行平滑去噪,在调试并建立循环神经网络最优模型结构的基础上,引入多元预测模型(MLR、SVR、BP)和时序预测模型(BP、RF、RNN、LSTM、GRU)进行预测性能对比,为路段CO₂浓度的实时预测提供参照。结果表明：时序预测模型相比于多元预测模型具有更好的预测效果,特别是循环神经网络模型中的GRU表现出较高的预测精度,其次是LSTM,最后是RNN;循环神经网络模型在处理路段CO₂浓度时序数据的训练和预测任务中具备突出性能,能够实时且精准预测道路路段CO₂浓度。     

广州大学城交通信号主动控制方法分析

基于主动控制思想,应用数理统计方法,分析广州大学城交通信号灯灯色转换时刻的变化情况,研究信号灯灯色转换时刻变化的规律,建立灯色转换时刻与时问之间的逻辑关系模型,并建立查询信号灯周期状态的预测模型。通过主动控制的手段,使得驾驶员掌握行驶路段中信号灯的状态,提高交通行车效率。     

基于3DCNN-DNN 的高空视频交通状态预测

为使用高空视频识别和预测道路交通状态，提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法. 将道路切分为D 个路段，每个路段视频片段时长 m s，基于典型3DCNN结构C3D识别路段视频片段交通状态；建立道路? 个历史时段、D 个路段的交通状态矩阵Φ ，将道路交通状态预测问题转化为以Φ 为输入，有限交通状态为输出的分类问题，构建基于DNN的短时交通状态预测模型原型；建立交通视频数据集，对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化，提出有4 隐藏层，各层神经元数量为64/128/128/64，训练批大小为64 的优化模型DNN*.测试结果表明：C3D视频交通态识别平均F1 值为95.71%，DNN*道路交通状态预测准确率为91.18%，比DNN线性分类、KMeans 、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%；C3D能提供准确的交通状态矩阵，3DCNN-DNN可有效识别和预测道路视频交通状态.     

基于事件惩罚的公路应急交通动态分配模型

深入剖析应急交通与常规交通在动态交通分配要求的异同,将应急时空需求分布和动态交通分配模型联系起来,提供可行的公路应急交通疏散动态分析方法.首先,根据应急期限要求建立公路交通疏散需求的时空分布预测模型,得到分时段OD矩阵.其次,借助DYMIN双层规划模型,对分时段OD矩阵进行动态交通分配得到各路段的分时初始阻抗,同时为在路径选择中体现事件扩散对路段阻抗的影响,通过定义事件惩罚函数来修正路段阻抗,引导车辆选择受事件影响程度低的最短路径进行疏散.最后,基于TransModeler 软件进行反馈式仿真,比较事件惩罚函数运用前后的公路应急交通分配结果,验证了模型的有效性.     

基于路段检测器布局的短期交通流预测模型

通过分析路段上各点以及交叉口之间交通流的内在联系,利用连续性和相关性原理,建立基于检测器布局的短期交通流预测模型.探讨了检测器布局的一般方法,阐述了布局位置对交通流预测结果的影响.根据路段上游、下游2点的检测器数据可建双点预测模型,能用于隧道、桥梁等特殊路段的短期交通流预测.根据路网上多个检测点的数据,可建立多点预测模型,各检测点的权重用F-AHP法确定,模型系数矩阵用最小二乘法标定.以重庆市某路段的交通量预测为例,分别用双点预测法和多点预测法进行了预测,并对预测效果进行了分析和比较.     

交通排放强度与道路特征关联分析

为了寻求更加精确的道路车辆排放模型的建立方法,对道路车辆排放关键因素受路段参数的影响进行探索。通过实验方法测算机动车排放因子,并获取路段平均速度、路段平均加速度、路段平均VSP三个动态特征参数,路段长度和道路等级两个路段静态特征参数,通过回归分析的方法量化不同因素与机动车排放因子的关联关系。结果表明:道路特征参数对机动车各类污染物的排放因子均有一定程度的影响,但单一因素对道路排放因子的影响程度有限。     

下坡路段铰接列车制动器温度预测模型研究

针对铰接列车在高速公路下坡路段事故多发的特点,以铰接列车为研究对象,通过试验采集其在下坡路段运行时的制动器温度数据,运用SPSSS数据统计软件对试验数据进行处理分析,利用多元回归的方法建立了铰接列车在采取淋水时制动器温度在下坡路段的预测模型。并用铰接列车实际制动器温度变化数据对预测模型的精度进行了验证。     

考虑溢流费用的路径选择模型的条件研究

通过考虑路段的溢流费用,即路段交通负荷超过该路段交通负荷标准时所分配给用户的费用。路段交通负荷低于路段负荷标准时补贴给用户。建立一些约束条件,动态用户最优的路径选择条件和动态用户最优的溢流费用条件等。为进一步建立具有溢流费用的动态交通网络流的路径选择变分不等式模型及其算法研究打下基础。     

城市道路路段交通拥挤的模糊评价及对策

针对城市道路路段交通拥挤问题,利用模糊数学知识进行了研究。根据城市道路路段交通拥挤特性和影响因素,在综合考虑诸多影响因素的基础上,建立了城市道路路段交通拥挤评价指标体系。利用模糊评价原理,在确定评价等级的基础上,建立了基于信息熵的城市道路路段交通拥挤的模糊评价模型,提出解决城市道路路段交通拥挤的对策与方法,并进行了实例分析。     

基于Trucksim的弯坡组合路段临界车速确定方法

为探究不同弯坡组合与车辆失稳时临界车速之间的关系,选取6轴铰接列车为实验车型,通过Trucksim软件建立人-车-路耦合系统,进行不同弯坡组合工况下车辆失稳仿真实验.基于最小二乘原则,通过对仿真结果拟合与回归分析,建立了弯坡组合路段临界车速预测模型;并在某特定工况下验证了该模型的合理性.结果表明:该模型预测临界车速与Lusetti模型相近,并且在某特定工况下计算误差最小.该研究为车辆在弯坡路段临界车速预测提供了一种安全、有效的方法参考.     

改进无偏灰色模型预测沥青路面使用性能评价指标

分析了灰色模型预测路面使用性能的可行性,选取陕西省某条高速公路路段PCI、PSSI、RQI和SRI 4项指标2012年至2016年历史数据建立了无偏灰色预测模型,引入残差对无偏灰色预测模型进行改进,运用马尔可夫状态转移矩阵来判断残差预测值在k≥n时的符号,建立了改进无偏灰色预测模型,减化了计算步骤,提高了预测精度。并对该路段2017年路面使用性能各评价指标进行了预测,根据预测结果提出了相应的养护措施。     

基于合理路径的拥挤路网交通状态分析方法

为防止路网交通拥堵的扩散,考虑路段状态指标饱和度和行程时间的影响,建立了基于合理路径集的路网分析模型.将非拥挤区域从内到外分为控制层、诱导控制层、诱导层和无关层4个层次,反映了路网状态的空间分布和潜在演化趋势.基于交通分配得到的流量,对本文的状态分析模型进行了数值验证,仿真结果表明:各层次路段在路网中的比例随流量的增大而变化,且拥堵区域呈现扩张趋势;高峰时段各层次路段的比例为20%、5%、10%、10%和56%;同层次中饱和度越大的路段对拥堵区域的影响越大.     

基于变加速度的高速公路平直路段运行速度模型优化

通过研究典型路段车流的运行速度规律,分析汽车在平直路段上的实际行驶方式,提出了平直路段变加速度的运行速度测算方法和预测模型.该模型很好地描述出汽车在平直段上的实际加速状态,动态反映加速度与速度、加速度与期望速度间的变化关系,经与汽车直线路段速度距离加速曲线图表对比,速度预测模型精度较高.平直路段变加速度法优化、完善了现有平直路段的运行速度预测模型,为公路运行速度的合理取值提供了理论支持.     

山地城市交通系统震害预测模型及其应用

为了对山地城市交通系统震害进行合理预测,在改进现有震害预测模型的基础上,建立了山地城市交通系统震害预测模型．改进主要依据山地城市道路、地形、建筑物的特点,将路段视为路段单元、桥梁单元、边坡单元和隧道单元串联而成,并考虑了这4种单元之间的失效相关性,修正了路段单元中建筑物倒塌瓦砾量预测模型．用该模型对重庆市主城区交通系统进行了震害预测,给出了不同地震烈度下重庆市主城区路网的连通可靠性评价．     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明:GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。      

高等级公路路段交通状态融合识别模型

为了给区域交通管理者提供合理、准确的交通状态信息,提出了一种全新的可用于识别高等级公路路段交通状态的方法。针对路段中检测单元上交通状态决策信息的离散、模糊和时变特征,将路段内相邻检测单元同类交通状态决策信息合并,得到有序交通状态块;基于vague集理论提出了一种新的加权距离公式,并将合并后各交通状态块在路段中的位置和长度作为权重,建立了基于交通状态块决策信息的路段综合交通状态融合识别模型。通过算例验证了该模型的有效性,为识别高等级公路路段交通状态提供了一种新途径。     

道路拥堵概率估计方法及其在城市交通运行评价中的应用

首先提出能够统一描述不同交通负荷下路段内车流离散性进的出行时间指数 （TTI）概率分布模型,并建立该分布模型参数随路段速度变化的模型.进而给出一种新的 拥堵概率估计方法.其根据路段速度获得路段内车辆TTI 的概率分布参数,进而获得隐含 的车辆TTI 概率分布及路段处于不同拥堵状态的概率.应用于交通运行评价,解决了现有 方法评价结果受路段长度影响,以及微观评价波动性大的缺陷.给出的理论方法在交通运 行分析、仿真及控制领域具有广泛的应用前景.     

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象，在考虑降雨数据的基础上，设计一个基于非最小路段的行程时间计算方法，建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后，以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明，加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析，发现在满足数据精度的前提下，本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

高速公路长大下坡路段安全设计与评价方法

统计了长大下坡路段交通事故的时空分布与车型分布,分析了试验路段道路条件与交通事故成因。采用断面观测法测定长大下坡路段小客车运行速度,建立了小客车运行速度预测模型。采用DHS-130XL红外观测仪测量车辆制动毂温度,建立了货车制动毂温度预测模型。对长大下坡定义进行了界定,确定了长大下坡路段合理平均纵坡指标值及对应坡长值,提出了长大下坡安全设计与评价程序。分析结果表明:在长大下坡路段,小客车与货车交通事故的主要原因分别是超速及刹车失灵;对小客车可采用运行速度作为安全评价指标,而对货车可采用坡长与制动毂温度;建议安全坡长、一般安全坡长、极限最大坡长对应的制动毂温度分别为200℃、220℃、260℃;采取安全改善措施后,试验路段交通事故减少42.3%,伤亡事故减少76.2%,改善措施有效。