基于交通需求强度的路口多层模糊控制模型研究

针对模糊控制在城市交通信号控制中的应用，提出了基于交通需求强度的路口多层模糊控制模型，首先在阐述路口交通信号控制基本机理的基础上提出了交通需求强度的概念来表示路口交通信号控制的需求问题．在此基础上提出了多层模糊控制模型，第1层用来判断路口的交通需求强度；第2层为相序优化层；第3层为绿灯时间优化层．通过与多方案选择的定时控制相比较，仿真结果表明所提出的多层模糊控制模型具有相对较好的控制效果．     

基于面向对象分类的密云县城区地面不透水程度分析

利用LandsatTM影像数据,试验了一种基于面向对象分类分析的城区地面不透水程度分析制图方法,包括：对城区多光谱遥感影像进行分割,对分割生成的影像对象层进行面向对象的分类,再在分类的层上执行基于分类的融合,从而获得城区与非城区分布范围的影像对象层;第2次分割影像,获得表示城区独立结构单元的完全不透水地面影像对象层,对该层进行面向对象的分类;第3次分割影像,获得表示城区不同地块的影像对象层,结合第1次和第2次影像分割对象层分类的特征信息对该层进行面向对象的分类,把城区地块按不透水程度大小进行分类;最后输出第3次分割的影像对象层分类结果图,即获得城区地面不透水程度分析图．试验结果表明,面向对象分娄暑一种i舌干分析珐区王lb．面不番水程唐的有张方法     

基于遗传算法的交通信号多层模糊控制模型研究

针对城市交通信号控制问题,提出了一种基于交通需求强度的单路口多层模栅控制模型,第一层用来判断路口的交通需求强度;第二层为相位优化层,主要完成相位优化功能;第三层为绿灯时间优化层,用来确定各个相位的有效绿灯时间,针对模糊控制模型中隶属度函数优化的问题提出了利用遗传算法进行模糊控制模型中隶属度函数的优化模型,确定了遗传算法各类参数的计算方法,通过与普通多层模糊控制模型仿真的比较,结果表明本文提出的基于遗传算法的多层模糊控制模型具有较好的控制效果.     

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。     

城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。     

交叉口动态车道与交通信号协同优化方法

以往动态车道研究倾向于在固定信号配时或预先设定的信号配时方案下进行优化,无法充分利用交叉口的时空资源.本文根据实时交通需求,以交叉口车辆平均延误最小为目标,以信号周期、相位绿灯时间和车道数为约束条件,构建动态车道与交通信号协同优化模型.模型分两部分,第1部分考虑进出口道车道平衡,计算可行的动态车道备选方案,将备选方案的输出参数作为第2部分模型的输入参数;第2部分根据实时交通需求,生成动态车道优化方案和信号优化方案.将本文优化方法与传统信号配时方法进行比较,实验结果表明,本文模型能更好地降低交叉口平均延误,有效提升信号交叉口时空资源利用率.     

基于多变量决策树交通事件持续时间预测模型

基于粗集理论和决策树方法,建立了交通事件持续时间的多变量决策树预测模型。通过分析交通事件的属性特点,运用粗集理论中的属性约简方法,确定了交通事件的核心属性;运用等价关系相对泛化原理构造了多变量组合检验,并根据变量依赖度确定了最优变量组合;以多变量组合判据代替单变量判据建立了决策树模型,利用决策树高度和节点样本数对树的规模进行控制,优化了决策树结构。实例应用表明,该模型对交通事件持续时间的分类和预测能力较强,预测精度较高。     

交叉口动态车道与交通信号协同优化方法

以往动态车道研究倾向于在固定信号配时或预先设定的信号配时方案下进行优化，无法充分利用交叉口的时空资源.本文根据实时交通需求，以交叉口车辆平均延误最小为目标，以信号周期、相位绿灯时间和车道数为约束条件，构建动态车道与交通信号协同优化模型.模型分两部分，第1部分考虑进出口道车道平衡，计算可行的动态车道备选方案，将备选方案的输出参数作为第2部分模型的输入参数；第2部分根据实时交通需求，生成动态车道优化方案和信号优化方案.将本文优化方法与传统信号配时方法进行比较，实验结果表明，本文模型能更好地降低交叉口平均延误，有效提升信号交叉口时空资源利用率.     

警戒区水上交通冲突数据自动采集系统

基于ECDIS、AIS以及支持向量机,引入交通冲突研究方法,提出船舶定线制警戒区水上交通冲突数据自动采集解决方案.方案利用支持向量机学习训练冲突样本数据,得到判别冲突严重程度SVM分类模型,并将SVM软件包和SVM分类模型嵌入到ECDIS,结合实时AIS数据建立水上交通冲突数据自动采集系统,应用该系统对长江口船舶定线制...     

基于虚拟多层次节点的道路网络模型研究

随着城市道路交通网络的发展,路网中出现越来越多的非平面路网情况,传统的基于节点-路段数据模型和N2A网络模型在几何、拓扑关系表达等方面都难以满足立体化交通需求,亟待建立基于虚拟多层次节点的道路网络模型等新模型。     

区域交通预测中土地利用模型的研究

根据区域交通运输的特点,研究区域节点的土地利用状况与节点间交通需求二者之间的直接关系,改进以往区域交通需求预测方法中节点土地利用模型,建立区域中各节点的土地利用状况与区域中节点间交通量直接相关的两步式区域节点土地利用模型,即按照＂土地利用-交通需求预测＂的程序建立区域节点土地利用模型,可优化预测过程,提高预测精度。     

基于时空注意力卷积神经网络的交通流量预测

为充分挖掘交通流量的复杂时空动态相关性以提高交通流量预测精度,引入空间注意力机制与膨胀因果卷积神经网络,提出一种基于时空注意力卷积神经网络的交通流量预测模型（spatio-temporal attention convolutional neural network,STACNN）.首先,由膨胀因果卷积与门控单元构建的门控时间卷积网络模块用于获取交通流量的非线性时间动态相关性,避免在训练长时间序列时发生梯度消失或梯度爆炸;其次,采用空间注意力机制为路网中的交通传感器节点自动分配注意力权重,动态关注不相邻节点之间的空间关系,并结合图卷积神经网络提取路网的局部空间动态相关性特征;然后,通过全连接层获取最终的交通流量预测结果;最后,利用高速公路交通数据集PEMSD4、PEMSD8进行了60 min的交通流量预测实验.实验结果表明：与基线模型中具有良好性能的时空图卷积网络（spatio-temporal graph convolutional network,STGCN）模型相比,提出的STACNN模型预测结果的平均绝对误差（mean absolute error,MAE）在两个数据集上分别提...     

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.     

�ۺ���������෽ʽ�ֲ����ģ���о�

针对综合运输网络运量预测需求,建立了多式网络分层分配模型,以分层网络拓扑结构和相应路径搜索算法的改进为重点,建立了适合分层网络结构的运量分配模型. 分层网络模型中心节点代表城市中心和换乘枢纽,相应地构建适用分层网络结构的广义费用函数、路径搜索算法. 以本文研究方法为基础开发了辅助计算系统,用于解决大规模运输网络的运输需求预测问题. 以在建的京沪高速铁路沿线运输网络为研究案例,研究结果验证了本文构建的多方式分层分配模型的有效性与实用性.     

高新区产业结构变迁与道路交通需求

高新区是一种新型城市发展模式的产物,进行交通规划时要充分考虑高新区产业结构的变化。结合苏州工业园区的现状分析了高新区产业结构和交通需求的特点,通过园区不同时期第三产业产值与园区国民生产总值之比,分阶段讨论了产业结构变迁对园区交通需求产生的影响,并对相应路网及交通设施的调整提出了具体建议。     

乌鲁木齐市交通规划模型开发及应用

根据乌鲁木齐路网特征，利用四阶段交通需求模型，构建了乌鲁木齐市交通规划模型，详细描述了模型的输入和输出以及相关参数标定的方案，并结舍实际案例进行应用分析。     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题，构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型，快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法，以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据，验证模型的有效性和准确性. 结果表明，模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测，取得较好的结果.