时空因素影响下在线短时交通量预测

考虑交通流的时空因素进行短时交通流预测,能够提高预测的精度.为此,引入径向基核函数,将复杂的预测问题转化为高维空间的回归问题;然后,基于支持向量回归机并考虑时空因素影响作用建立在线的短时交通量预测模型,通过网格搜索的方法对模型参数进行优化;最后,构造时间-空间状态向量,通过不同的状态向量对时间和空间维度的影响进行了分析.利用高速公路检测器数据,对比不同模型的精度,对在线短时交通量预测模型的有效性和可行性进行了验证.结果表明：在线模型精度优于传统的支持向量回归模型,考虑时空因素影响后交通量预测模型具有更高的精度和稳定性.     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

能见度不良天气下海上交通安全风险预警系统

为了提高海上交通安全风险预警的实用性与精度, 建立了能见度不良天气下海上交通风险预警系统, 由风险矩阵知识库、交通流密度预测子系统与能见度预警子系统组成; 通过采集大样本, 运用不完备信息条件下模糊信息分配理论修正了专家调查法, 确定了海上交通风险矩阵; 采用人工神经网络中极限学习机理论的短时船舶交通流密度预测算法计算了交通流密度; 采用区域大气模式系统对气象和海洋预报部门提供的能见度预报数据进行空间和时间精细网格化划分, 计算了能见距离; 采用系统预测了空间网格为2nmile×2nmile和时间步长为10min的关注海域的能见距离和交通流密度, 以验证系统的有效性。仿真结果表明: 2个不同时间段12个时间点的能见距离预测准确率分别达到75%、75%、80%、75%、80%、75%和75%、75%、80%、80%、80%、75%, 相应的交通流密度预测准确率全部达到80%, 预测结果可靠, 并且, 实现了能见度不良天气下海域航行风险的可视化与智能化监控。      

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于FFOS-ELM和PF的短时交通流自适应预测模型

为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

城市单向交通研究现状分析与发展启示

单向交通在提高车辆行驶速度,减少行程时间延误和缓解交通拥挤等方面取得了较大的成效.目前国外单向交通研究前沿是单向交通安全性和单向交通规划方法,并强调应用仿真软件模拟;分析了国外单向交通理论研究和实践的新进展,在国内单向交通发展实际及问题分析的基础上,结合现代交通组织原则,提出我国单向交通未来发展和应用的建议.     

绿色交通系统关键要素关系及构建方法分析

城市开发过程中,构建城市绿色交通系统的需求日益迫切,如何协调交通系统要素,使城市交通向绿色可持续发展方向转变,是一个值得研究的问题。从分析交通系统关键要素及其与环境问的关系入手,分别从土地利用整合、路网规划布局、交通设施规划设计、交通政策制定、交通文化建设等方面提出以绿色交通为目标的交通规划设计管理的基本思路和方法,基于该方法完成共青城的交通规划设计。仿真结果显示,该方法有利于促进绿色交通开发建设。     

城市交通建设项目施工交通影响分析及对策

目前,各大城市为了缓解交通堵塞等问题,开始着手建立交、修地铁等大型交通建设项目的实施,但是项目施工会对交通运行和居民出行,包括机动车交通、慢行交通、公共交通和静态交通等方面都会产生较大影响。     

基于交通环境因子的城市交通规划框架

引入了交通环境容量和交通环境承载力概念，相应建立了城市交通环境承载力模型，包括交通尾气承载力（APC）模型，交通噪声承载力（TNC）模型，并分析了传统城市交通规划的不足，构建了基于交通环境承载力（TECC）的城市交通规划理论框架，从交通环境角度修正传统城市交通规划思路。     

绵阳市富临项目交通影响评价分析

交通影响评价是分析评价项目建成后对周边路网交通影响的一种评价方式,是目前我国解决城市土地开发与交通系统间矛盾的最有效途径之一。以绵阳市富临东方广场为研究背景,通过调查及采用四阶段法预测目标年背景交通量与项目生成量,做出交通影响程度评价,最后提出对策以减小其影响程度。     

环道交通组织研究

环道交通组织是区别于信号灯交通组织和立交交通组织的一个新的解决城市交通拥堵问题的基本思想,其最大特点是不设红灯、不停车,在平面位置上分离交通冲突点,这有望大大提高区域交通的通行效率,从而提供安全、畅通和有效的交通环境。     

ʵ�齻ͨ���̷���Ӧ��ʵ��������̽������Ӧ��Ϊ΢��ģ�⼼��������ͨ����֯�������

首先介绍了实验交通工程法产生的背景及概念，阐述了实验交通工程法在交通流组织方案设计中的应用方法和步骤，分析了实验交通工程法相对于传统交通模拟应用方法的优先性；然后，以“昌平卫星城换乘枢纽周边路网交通流组织方案设计”研究课题为案例，具体介绍了实验交通工程法的应用过程，并详述了部分细节的处理；最后，根据案例的实际应用，总结了实验交通工程法的应用经验，并对其进一步的发展提出了建议。     

基于声强的交通流数据采集与状态分析

在提取交通声强信号特征的基础上,利用AvantLite动态信号分析系统记录数据,导入基于声强的交通流分析系统,融合路段相邻两点的数据,根据交通量差值比判断该路段的交通状态,为提高交通流检测技术水平提供理论和实践基础。     

唐山世园会交通需求预测及分配研究

世园会的举办,将给唐山发展带来巨大机遇,但也考验着唐山交通管理能力。如何提高交通出行是我们要解决的关键问题。通过分析唐山交通现状及世园会对交通的需求,运用恩格尔系数法进行交通需求预测,根据唐山世园会交通活动特点,采取非平衡溢流模型,对唐山世园会的交通流量进行交通分配。     

单向交通系统在交通改善中的应用——以温州市和龙港镇中心城区为例

研究作为交通改善方法之一的单向交通系统的适用性。以温州市（大城市）和龙港镇（小城镇）中心城区为例,通过分析现状路网和交通运行特征,制定单向交通系统方案,运用EMME3和VISSIM对方案进行分析与评价,得到单向交通系统的适用性结论。案例分析结果表明,温州市中心城区单向交通系统所带来的负面影响大于正面作用,而龙港镇中心城区单向交通系统却能有效改善交通运行状况。最后,指出单向交通系统与道路特征、交通管理之间的关系。