面向诱导的交通状态概率预报技术

为了获取准确客观的交通流运行状态信息,满足交通诱导的需求,综合考虑城市道路中交通流演变的随机性和复杂性,以及实时交通状态判别本身具有的不确定性,通过分析交通状态和影响因素之间的映射关系,提出了一种交通状态概率预报的Logistic回归模型. 该模型借助Logistic回归方法探讨交通状态和交通参数之间的函数关系,并对下一时段交通状态及其发生的概率进行预报. 最后结合实际数据,进行了不同预报时长的分级交通状态的概率预报实验,独立样本检验结果表明,该模型预报准确率高,稳定性好.     

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.     

一种航路扇区概率性交通需求预测方法

空中交通拥堵逐渐从终端区向高空航路网络蔓延,准确预测航路扇区交通需 求概率性变化成为科学实施拥堵管理的重要前提,而国外已有方法较难适用我国空管实 际数据条件.为解决该问题,本文基于空管现有航空器过点时间数据,设计了基于预测误 差分布特性的统计方法,提出了航路扇区概率性交通需求预测方法.结合中南地区典型运 行数据,提取并验证了各扇区过点时间的预测误差分布规律,获得了各扇区交通需求值 及其概率分布,发现所得概率性交通需求预测结果较之传统确定性交通需求预测方法更 准确,适合为我国高空航路拥堵管理研究提供需求预测依据.     

基于TransCAD进行交通需求预测的交通影响评价研究

介绍了TransCAD的功能及特点,以及乌鲁木齐市进行交通影响评价的情况。结合乌鲁木齐市交通影响评价项目,探讨TransCAD在交通影响评价项目的四阶段预测过程中的应用。研究了双约束重力模型在出行分布预测中的应用,同时应用OD反推法对项目背景交通量进行预测。将软件预测结果与人工预测结果及现状流量进行对比分析,发现软件预测结果基本能够反映现状交通量,其结果整体稳定性较高,预测偏差相对人工预测结果较小。该方法提高了数据预测的客观性和合理性,能够为评价提供可靠的数据支持。     

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明：本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%～19.80%,均方根误差降低了11.20%～17.99%,决定系数提升了8.62%～12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%～13.81%,均方根误差降低了4.23%～10.67%,决定系数提升了3.50%～7.01%,且本文...     

基于交通控制与诱导的准动态交通分配策略与算法研究

交通出行诱导系统下的路网动态交通分配是进行交通出行诱导方案分析、评价的基础。本文主要考虑交通控制与诱导信息对路段阻抗的影响和出行者对交通诱导信息的接受程度,给出了两种准动态交通分配的策略：修改了出行路径阻抗和改变了出行路径选择。并基于常规非平衡交通分配,通过OD需求量“全有全无”方法,实现了OD变需求影响下的多时段连续准动态交通分配。最后,通过示例路网,验证了所研究的分配策略与算法的正确性。     

考虑大型车因素的城市路网交通流速度预测

针对大型车影响交通流速度问题,提出一种考虑大型车因素的路网交通流速度预测方法.首先根据二流理论将路段分为行驶流和排队流两部分;其次通过对路网路段的时空分析,将路段按旅行时间进行聚类,确定预测时长指数;再根据大型车特征与路段交通流速度的关系,引入大型车因素;最后使用GRU(gated recurrent unit)神经网络实现交通流速度预测,并利用VISSIM仿真进行验证.研究结果表明:考虑大型车因素可提高城市路网道路交通流速度的预测准确度.     

深圳盐田港保税区货运交通需求预测

深圳盐田港保税物流园区作为海关实施监管的特殊经济区域,其交通规划与交通组织具有十分独特的特点.对传统的四阶段预测方法进行适当的调整,根据盐田港保税区仓储处理能力进行交通生成预测,根据保税区货物装卸流程和各交通小区的仓储能力进行交通分布预测;然后结合盐田港保税区出入口单一、交通量繁重的特点,在北片区闸口部分路段实施单向交通组织;最后运用软件TransCAD采用增量分配法进行了交通分配,得到的分析数据说明了方案的可实施性.     

空域扇区概率交通需求预测模型

为预测空域扇区在未来一定时段内的交通需求及其变化规律,基于简化的空域运行网络结构,从不确定性角度分析了航空器飞行时间对空域扇区交通需求预测的影响,针对航空器进入、离开扇区和在扇区内飞行过程的随机性,给出了相应概率分布函数.在此基础上,建立了空域扇区概率交通需求预测模型,设计了启发式算法.对实际航班数据的仿真结果表明:本文模型和算法预测时段10:00~11:00扇区发生拥挤,比传统的确定性方法预测的拥挤时段减少了30 min,避免了在时段9:30~10:00采取不必要的流量管理措施,降低了该时段管制员的工作负荷.     

综合小波分解和BP神经网络的交通小区生成交通短时预测

针对交通小区生成交通的短时预测需求,提出了综合小波分析和BP神经网络的短时预测方法.预测方法主要利用dbN小波函数对交通小区生成交通进行小波分解,利用BP神经网络对分解后的多频段波形进行短时预测,最后通过波形重构获得交通小区生成交通的短时预测结果.在构建综合小波分析和BP神经网络短时预测模型基础上,采集交通小区的实际交通生成数据,并构建短时预测的对比模型,检验构建模型的预测精度.检验结果表明:在交通小区的生成交通短时预测方面,综合小波分析和BP神经网络的组合预测模型比单独采用BP神经网络进行预测的精度更高.     

基于改进灰色预测法的乌鲁木齐市道路交通事故预测

交通事故预测是交通安全研究的重要内容,是提高道路交通安全水平的基础。为研究乌鲁木齐市道路交通事故发展趋势,在分析交通事故灰色特性的基础上,以乌鲁木齐市道路交通事故统计资料为基础,运用改进的灰色预测模型进行交通事故伤亡人数预测。结果表明,改进的灰色预测模型比传统灰色预测模型精度提高了74.98%。     

残差灰色预测模型在交通事故预测中的应用

交通事故预测是交通安全研究的重要分支,是提高道路交通安全管理水平的基础。针对道路交通事故的预测问题,以灰色预测模型为基础,建立残差灰色预测模型对交通事故进行预测。结果表明：残差灰色预测模型预测结果的平均相对误差比基本灰色预测模型降低了63．13％。实践证明该模型具有简便实用、预测精度高的优点。     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

基于极大似然估计的路段交通流量预测

基于对交通流量预测存在的问题的分析，用极大似然估计法对路段交通流量进行预测．这种方法的实质，是将连续的观测时段的上游观测量作为自变量，用极大似然估计法估计出观测量与下游预测量之间的关系，从而预测交通流量．实例结果表明，预测值与实际值的最大误差率为5.76％。     

新建道路的交通量预测数学模型分析

随着经济的发展,我国道路发展水平的提高,交通车辆的增加,交通拥堵问题已成为目前亟待解决的问题。采用交通阻抗分析和诱增经济增长模型法,对道路交通量进行预测,为新建交通道路的建立是否对其交通布局产生优化评价提供依据。     

道路交通组织方案仿真评估方法研究

根据对无信号交叉口、信号交叉口、路段、区域路网四种典型场景下交通流运行状况进行分析的结果,结合评价指标对交通组织优化的关联性,建立合理规范、操作性强的道路交通组织方案优化仿真评价指标体系,并提出基于层次分析法确定权重的灰色关联评价方法,对于研究并建立交通状态和服务水平评价指标体系和评价方法具有一定意义。     

����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.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

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。