交通流时间序列的复杂度测量

为了定量分析交通流系统的复杂性,引入算法复杂度和近似熵,通过速度时间序列的算法复杂度估计系统周期性成分的比率,在重构序列时通过取多个划分区间来提高算法复杂度的估计能力.计算近似熵时,先由速度序列得到速度变化率序列以去除趋势,然后通过速度变化率序列的近似熵估计系统在结构变化上的复杂性.对实测交通流数据序列的计算表明:在序列长度超过600时可以得到算法复杂度,序列长超过300时可以得到近似熵;交通流的算法复杂度和近似熵在同步状态时较低,拥挤状态时增大,在自由状态时最大.因此,不同的算法复杂度和近似熵对应不同状态下的交通流,算法复杂度能分析较长的交通流序列,近似熵可以分析较短的交通流序列.     

基于近似熵的交通流序列趋势变化检测

交通流趋势变化特征分析是交通流预测的基础．为了提取交通流序列随时间推移所呈现出来的宏观变化规律,提出了一种用于检测交通流序列趋势变化的滑动移除近似熵方法．通过对交通流序列趋势规律进行研究,首先将其细分为上升趋势、平稳波动趋势、下降趋势,然后根据不同趋势变化的时间序列复杂程度不同,建立了滑动移除近似熵方法求解其滑动移除近似熵的值,并根据得到的时间序列提取交通流序列趋势变化．最后以北京市四环路某一断面交通流序列为例,用建立的模型对交通流序列趋势变化进行检测,并与滑动t检验方法结果对比．研究结果表明本文提出的方法能够对交通流序列趋势变化进行检测,且检测结果与实际交通流序列趋势变化比较吻合,研究结论可为短时交通流预测建模提供拳者依据．     

元胞自动机交通流模型研究现状

交通流理论研究是以建立能够描述实际交通一般特性的交通流模型,从而揭示交通流的基本规律。在非线性科学和复杂性科学的推动下,元胞自动机模型成为研究交通流的一种新的交通流动力学模型。介绍元胞自动机交通流模型的产生与发展,分析用于道路交通、城市路网和轨道交通中的几种经典的元胞自动机交通流模型,并对今后可能的研究趋势进行展望。     

基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度

为了定量分析并划分水上交通流的复杂性等级,提出了一种基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度方法。运用Lempel-Ziv算法求得实测水上交通流时间序列和对比序列(周期序列、Logistic序列、Henon序列、随机序列)的复杂性特征值,采用TOPSIS得到各个序列的贴近度,根据对比序列的贴近度划分复杂性等级区间,按照水上交通流时间序列的贴近度和所在的复杂性等级区间来表征各个序列的复杂程度,并对长江口南槽航道的实测水上交通流进行复杂性测度。计算结果表明:船舶交通事故数量和下行标准船舶数量与船舶交通流时序复杂性贴近度的相关系数分别为0.698 1、0.769 2,变化趋势基本一致,表明贴近度的计算结果可以反映水域船舶交通流的复杂性;周期序列的贴近度为0.000 1,随机序列的贴近度为0.999 9,Logistic序列和Henon序列的贴近度分别为0.449 2、0.537 7,其值大于周期序列的贴近度,小于随机序列的贴近度;2013年7~11月水上交通流序列的贴近度分别为0.828 0、0.852 7、0.856 5、0.823 7、0.810 7,说明序列的复杂性基本一致;5个月的水上交通流序列的贴近度远大于周期序列的贴近度,处于随机序列和Henon序列的贴近度之间,更接近随机序列的贴近度,说明水上交通流系统不是周期与完全随机的动力学系统;5个月水上交通流复杂性的整体等级为1级,表现出高复杂性的特点。     

交通流随机行为的研究进展

随着人口和车辆的不断增加,道路发展难以满足车辆交通的需要,交通拥塞等问题日益严重.由于交通流的动态、随机、非线性、多行为主体等特征,进一步增加了交通流问题的复杂性.交通流随机行为的研究对于理解交通流的内在演化规律、管理和控制交通流具有重要作用.目前在该领域的研究已经形成了相应理论体系,建立了系列模型,并不断在实际交通中应用.本文对交通流随机行为相关的研究进行了总结,讨论了随机相互作用无关的模型如微观跟驰模型、宏观流体力学模型、介观气体动理论模型、元胞自动机模型、随机过程模型,随机相互作用相关的模型如势强度相关模型,加权顾前势模型等.通过对目前研究现状的总结和分析,对未来交通流随机影响因素及随机动力学的建模与分析进行了展望.      

基于一维元胞自动机模型的交通流混沌研究

应用交通流一维元胞自动机模型进行仿真试验,研究理论交通流的混沌现象.仿真中选取某一观测点记录车辆到达该点的车头时距,应用非线性分析软件TISEAN计算该车头时距序列的Lyapunov指数谱和Kolmogorov熵.试验结果证明交通流中存在混沌现象.从试验结果分析找出了产生交通流混沌现象的2个因素:车辆密度和车辆减速概率.当车流密度超过某一值时仿真出的交通流会产生混沌现象,而出现混沌的根本原因在于交通流的内在随机性,其中车辆不规则的加速、减速是这种内在随机性的主要因素.     

舰艇动力装置应急维修作业复杂性量化研究

基于软件工程中程序复杂性量化的熵值法,提出了适应舰船动力装置应急维修作业复杂性评估的量化方法MTC.针对舰船动力装置,在分析影响维修作业复杂性主要因素的基础上,建立了维修作业的图熵模型,运用熵值法分别量化各影响因素的复杂性,应用MTC法得出维修作业复杂性的量值.应用MTC法对蒸汽给水系统支路管道裂纹抢修过程复杂性进行量化分析,并对MTC法的有效性进行了验证.结果表明,MTC法的量值与维修时间具有相同的变化趋势,量值可较准确表征维修作业的复杂性程度.     

基于交通流灰色关联熵的交通流无序转化研究

用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流．在一定参数组合情况下,仿真研究了交通流车队中前后车辆的车头间距变化过程．通过分析这种车头间距的变化曲线,可以明显地观察到交通流无序运动和有序运动之间的转化过程;提出了交通流灰色关联熵模型,并通过该模型对交通流无序转化过程作了分析．结果表明：交通流无序转化过程中存在交通流混沌现象,但其转化过程并不等同于交通流混沌运动的转化过程;交通流从无序运动转化为有序运动的必要条件是从外界获得负熵——信息熵．     

考虑多车间距的跟驰模型及混合交通流的数值模拟

在OV模型的基础上,考虑了混合车流个体车辆对前方不同感知程度,建立了多车间距跟驰模型,对其稳定性进行了理论分析;在单一车队中混入考虑多车间距跟驰特性的车辆,可以显著提高车流稳定性,改善OV模型的加速度过大等缺点;将模型应用于混合车流的驾驶行为及交通流建模,就不同混合比和交通熵下的混合交通流中高速稳态与低速稳态之间的相互转化进行数值模拟,发现混合交通流中的交通波传递更快,加减速过程缩短,对交通拥堵也有一定的抑制作用,并且随着交通熵的增加,这一作用更加明显。     

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％.