基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上,通过对混沌时间序列预测方法的研究,提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值,使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测,取得了令人满意结果。     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题。短时交通流预测是实时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位。通过对交通流数据进行分析,得出交通系统具有耗散系统特性,并且存在混沌。在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测。通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度。     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题.短时交通流预测是实.时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位.通过对交通流数据进行分析,得出交通系统具有耗散系统特性.并且存在混沌.在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测.通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度.     

�������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.     

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。     

基于贝叶斯估计的短时空域扇区交通流量预测

为准确把握空域扇区流量分布态势及未来变化趋势,提出了一种基于贝叶斯估计的短时空域扇区交通流量预测方法.首先,通过解析空域系统内航空器原始雷达数据,提取各扇区历史运行信息,建立了多扇区聚合交通流模型;其次,采用贝叶斯估计理论对模型参数进行最优估计和动态更新,预测了空域扇区交通流量的未来演变趋势及其不确定范围;最后,选取国内5个典型繁忙扇区为例,以5 min为时间段,以未来1 h为预测范围,对所提预测方法进行了验证.研究结果表明:85%以上时段交通流量预测结果的绝对误差在3架以内,平均绝对误差均在2架次以内,预测结果的稳定性较好,可充分反映各空域扇区之间短时交通流的动态性和不确定性,符合空中交通的实际情况.      

高速路交通流短时预测方法

针对短时交通流变化的复杂性与非线性特点,分析了分类回归树模型的建立,包括模型的生长、分裂与剪枝,研究了模型在高速路交通流短时预测中的应用,并对美国波特兰州高速路网的真实交通流量数据进行分析建模.采用RMSE与MAPE误差分析法,将试验结果与传统的交通流预测方法ARIMA模型与Kalman滤波预测模型进行比较.对比结果表明:分类回归树预测模型的RMSE比ARIMA模型与Kalman滤波预测模型分别降低了42.1％、13.1％.     

短时交通流量预测方法

短时交通流量是短时交通参数的基础参数之一,其变化规律可直观反映调查路段或区域的交通变化趋势,可为交通出行提供有效的路径选择信息。基于对统计分析模型、人工智能模型、非线性理论、交通模拟、组合预测模型等短时交通流量预测方法特点和应用的分析,鉴于短时交通流量自身的随机波动特性,指出单一的交通参数预测方法很难有效提高预测的精度和效果,而基于组合预测模型的预测方法具有广阔的应用前景和实践意义,并指出短时交通流量预测方法研究领域今后可能的发展趋势。     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

基于灰色遗传支持向量机的短时交通流预测

为了进一步提高短时交通流预测的精确度,通过分析灰色模型、遗传算法和支持向量机模型的特点,提出一种组合的短时交通流预测模型.模型运用灰色模型对原始交通流数据序列进行累加,弱化其随机性,再通过遗传优化支持向量机模型进行预测,利用灰色模型将预测结果进行累减,得到最终的预测值表.以长春市某主干路交通流数据为基础,验证了该模型的有效性和可行性.     

基于网络交通分配方法族谱的交通分配 一体化技术与工程应用

为满足交通规划、建设与管理等应用场景对交通分配多样化的需求，结合目前交通分配方 法族谱中的众多模型与方法，本文构建能够满足族谱中所有交通分配特征的一体化交通分配技 术框架，提出交通网络交通分配一体化技术体系，并将该体系嵌入交通分析平台软件“交运之星- TranStar”中。该技术体系包括：“模型关键参数”“交通阻抗函数”“交通网络交通分配基础模型与 快速算法”3部分模块组合的分析模型一体化；面向步行、自行车、机动车及公共交通等多模式交 通网络的分析对象一体化；针对城市土地开发，交通网络建设，交通管理控制，公共交通系统，以 及交通政策制定等应用场景一体化。选取南京市道路网络和公交网络进行实证分析。结果表 明，本文提出的交通分配一体化技术具有处理超万节点多模式交通网络的能力，对各类交通模 式、典型业务场景的分析结果可为城市交通系统规划、建设与管理提供决策支持。     

信号交叉口通行能力计算方法

目前计算城市交通网络信号控制交叉口通行能力的方法很多,适用范围各有不同。混合交通流是中国城市交通的特点。计算混合交通条件下城市信号控制交叉口的通行能力一直是众多交通领域专家学者研究的课题。以一个典型十字型信号交叉口为例,分别用目前中国常用的三种计算通行能力方法(冲突点法、停车线法、美国法)计算该交叉口的通行能力,并将结果与实测通行能力进行比较。比较结果显示冲突点法算得的结果与实测结果最接近,而停车线法和美国法算得的结果都偏大。因此,冲突点法是一种较适用于中国交通条件及混合交通流特性的通行能力计算方法。     

�������˽�ͨ�յ�VMS��Ϣ�������о�

北京奥运期间,通过VMS发布信息进行交通诱导取得了良好的效果,奥运期间发布的路况动态量化信息向出行者提供了路段的实时状态和奥运主要路线的行程时间。本文主要就基于交通流实时检测的奥运交通诱导VMS信息发布问题进行了探讨,首先介绍了奥运交通诱导VMS信息发布的逻辑结构,然后提出了基于采集的基础数据进行诱导信息VMS发布的数据处理流程和数据处理分析的具体方法,并对VMS发布的交通诱导信息的自动生成模型进行了讨论,最后提出了计算路段行程时间和平均速度的断面中心法和路段中心法,并给出了模型和算法在奥运交通诱导VMS发布中的实际应用效果。     

道路交通噪声评价及预测新方法

在分析既有环境噪声评价方法的基础上,根据交通噪声非稳态性的特点,提出了交通噪声综合影响指数的概念。基于概率论和交通流理论,考虑到影响道路交通噪声的主要因素是车流量、车型和车流速度等,建立了用交通噪声综合影响指数来评价道路交通噪声的预测理论模型。以某城市道路交通噪声在一天内24h的A声级变化为实例,计算了其交通噪声综合影响指数为79．7dB。计算结果表明,可以用交通噪声综合影响指数合理地评价道路交通噪声污染对人体健康和社会经济发展的影响。     

VMS Release of Traffic Guide Information in Beijing Olympics

During the Beijing Olympics, the traffic guidance by VMS achieved excellent effects. The road condition dynamic and quantitative information which was released during the Olympics provided travelers with real-time road conditions and travel time of main Olympic lines. The paper mainly discussed VMS traffic information release based on traffic flow real-time detecting. It introduced the logical structure of the Olympic traffic guidance VMS information release. It posed the data process of VMS release based on the original data collected and discussed certain methods of data process. It also discussed the self-generation model of VMS traffic guidance information. The mid point-centered method and section-centered method were utilized to calculate the travel time and the average speed. Finally, the paper presented the practical effects of the model and algorithm used in the traffic guidance VMS release.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

����ռ���ʵĽ�ͨ������ģ���о�

直接采用占有率信息而不是密度信息更有利于交通管理的实际应用．根据三种经典的基于密度的交通流参数模型，分别推导了三种占有率速度模型和占有率流量模型．考虑参数的约束条件可使交通流模型更具有实际物理意义，给出了各基于占有率的交通流模型的参数的约束条件，并对模型的目标函数、评价指标和优化方法做了详细的探讨．实测数据的优化结果表明本文所提出的模型、约束条件和优化方法是有效的．     

信号交叉口通行能力计算方法适用性研究

介绍我国常用的两种计算信控交叉口通行能力的方法,以两个典型十字交叉口为例,计算交叉口的通行能力,以交叉口饱和度为评价指标,对两种计算方法结果进行对比分析,适用于不同交通条件和交通流量的通行能力计算方法,旨在探讨各种方法的优缺点及适用范围。     

基于有限元分析的交通流理论与技术研究

针对交通流模型的数值求解和大量数据处理问题,以有限元法为基础,从流体与交通流的比拟中,分析了交通流的可压缩性和粘性.将交通流参数与流体参数进行了对比.从交通流是无旋流动的机理出发,引入了交通流的势函数,建立了交通压力的数学模型.基于流体有限元的思想对交通流进行了研究.在一定速度条件下,用ANSYS-FLOTRAN仿真了车道变换时的车流变化情况.通过软件后处理模块,对结果进行了讨论,结果显示：ANSYS-FLOTRAN可以较好的模拟交通流状况.     

���ڻ������۶Ա�������·���ж�ʱ��ͨ����Ԥ����о�

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.