考虑周期性波动因素的中长期空中交通流量预测

为准确把握空域单元交通流量的变化趋势和周期性波动规律,综合考虑气候、季节、交通需求等因素,通过分析中长期历史流量数据,在线性增长模型的基础上,建立了考虑周期性波动因素的空中交通流量动态线性改进模型,采用贝叶斯状态估计和预测方法对模型进行求解,提出了一种根据空域单元流量时序数据预测中长期流量及其变化趋势的预测方法.利用国内典型空域单元实际流量数据,对比分析了上述两种模型的预测性能.实例研究表明:与线性增长模型的预测结果相比,本文模型的流量预测结果更符合我国的实际情况,反映了流量周期性波动特点,年流量预测结果的平均绝对误差从3.14%下降到了1.71%,预测误差的标准差从2.01%下降到了0.02%.      

�������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.     

交通流预测的马尔科夫粒子滤波方法研究

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.针对目前马尔科夫交通流量预测模型在精度方面的不足,以及交通流量随机性、波动性的特点,提出马尔科夫粒子滤波交通流预测模型.一方面,将对交通流量预处理后的样本数据应用于马尔科夫模型中预测未来交通流量,能够较好地描述交通流量的变化趋势;另一方面,针对该预测结果精度的不足及对非线性预测不稳定的缺点,引用粒子滤波算法,将预测结果及权值进行不断更新,以及样本重选样过程,经过多次迭代,使样本粒子更加逼近真实预测值,从而提高预测精度.最后,以北京昌平区某检测器检测到的交通量进行仿真,将预测结果与传统马尔科夫链进行误差对比分析.结果表明,本文提出的马尔科夫粒子滤波交通流预测模型 5 min间隔误差为6.14%、1 h间隔误差为6.04%,预测精度高,具有更好的适用性和稳定性.     

航路扇区容量需求的交通流动力学推演与预测

为科学应对交通需求的持续增长，合理进行空域规划，从介观层面刻画交通流动态演化过程，提出航路网络交通流演化模型. 以此为基础，将预测得到的城市对间年度交通总需求量推演到整个航路网络中，实现未来交通需求时空分布的中长期预测；构建航路扇区容量需求预测模型，选取华东地区两个相邻航路扇区为研究对象，进行实例验证.结果表明，所提方法能对航路扇区容量需求进行有效预测，未来5 年内两个航路扇区容量需求将分别由50架次/h、 39架次/h上升为70架次/h、45架次/h.     

基于重现定量分析法的交通流量时间序列周期特性

为了提高交通流量的预测精度,用重现图和重现定量分析法,定量分析了交通流量时间序列的周期特性,并利用BP神经网络法和K近邻法,对短时交通流量进行了预测.实例分析表明:不同统计时间间隔和不同时段的交通流量时间序列的周期特性不同.统计时间间隔为5 min的交通流量时间序列有较好的实时性和较强的周期性.交通流量时间序列的周期特性与预测精度正相关,夜间交通流周期性弱,预测精度为87.41%;日间交通流周期性强,预测精度为92.16%.     

����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.     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

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。     

基于短时交通流预测的单交叉口自适应控制

针对城市孤立交叉口交通流量未饱和的情形,为了使单交叉口控制方案适应于动态变化的交通流,提出了一种基于K近邻短时交通流预测的单交叉口自适应控制策略。首先依据路口历史交通流量数据预测未来5 min的交通流量,计算信号周期;然后建立以最大周期、相序、最大相位时间为参数的单交叉口自适应控制模型,根据实时的交通状态信息自动地调整相位顺序、最大相位时间和绿灯延长时间;最后使用VISSIM4.3软件,对广州市南沙区某单交叉口进行仿真,以车辆平均延误时间作为评价指标,与固定定时和分段定时控制方法相比较。仿真结果表明:本文方法的车辆总平均延误时间与固定定时和分段定时控制方法相比分别减少35%和15%,有效提高了交叉路口的车辆通行效率。     

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FCM-粗糙集的多扇区交通拥挤识别方法研究

通过分析管制扇区交通时空拥挤特征,基于雷达航迹数据建立了多扇区交通拥挤识别模型.建立当量交通量、接近度、饱和度、交通密度4个多扇区拥挤特征指标,采用FCM(模糊C均值聚类算法)和粗糙集理论,对扇区拥挤程度进行划分和识别,并以中南地区区域管制扇区数据进行了实例验证.实验结果表明,扇区的拥挤态势受扇区多种宏观和微观特征的共同影响,且拥挤识别模型计算可行、识别效率较高.多扇区交通拥挤识别对空域规划、空管辅助决策、空中交通流量管理具有一定的应用价值.     

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.     

面向eVTOL航空器的城市空中运输交通管理综述

回顾了城市空中运输(UAM)的起源与发展演变, 定义了UAM交通管理基本概念, 分析了催生UAM的社会和技术因素, 提出了面向近未来时期国家层面UAM交通管理的基础架构, 将基于电推进垂直起降航空器的UAM交通管理问题划分为3个方面进行讨论(空域规划、地面基础设施、交通规则与运行控制), 并对近年来UAM交通管理相关文献所提出的代表性观点进行了梳理, 总结了UAM近未来时期所需解决的关键问题, 展望了UAM交通管理未来的发展趋势。研究结果表明: 空域规划方面, UAM需要对现有低空非管制空域进行更精细化的规划管理, 结构化的空域划设方式应该在UAM交通管理初期被应用, 高度层空域结构能较好地平衡运行安全和空域容量之间的矛盾; 地面基础设施方面, 需通过城市OD数据预测UAM的交通需求来进行地面垂直起降站点选址, 选址管理工作将直接影响空中航线网络结构和所需的地面通信导航监视台站的布设; 交通规则与运行控制方面, UAM将直接面对更为复杂的有人机、无人机融合运行场景, UAM交通规则需要革新并对现有的运输航空交通规则保持兼容, 高带宽的通信技术会促使UAM运行控制向空地协同决策和自动驾驶方向发生转变, 未来交通管理中如何处理人与系统的关系至关重要。总的来说, UAM交通管理将可能会和现有无人机交通管理体系产生交集并逐渐融合, 面对这一新型运输方式, 国家将更可能采用集中管理、试点运行、有序放开的交通管理发展路线。      

基于航空器自主运行的空中交通复杂性建模

针对航空器自主运行模式的空中交通运行态势评估问题，本文重构了基于分布式空中交通管理系统的空中交通复杂性评价方法，并仿真验证了该方法在航空器冲突探测和自主航迹规划中的应用。首先，基于自由航路空域和航空器自主运行模式定义了空中交通复杂性，在通过三维空域栅格模型量化航空器时空位置的基础上，构建复杂度计算模型以反映航空器位置、航向、 航速对空域各栅格的实时复杂性影响；其次，基于实际管制扇区(ZSSSAR01)及高度层，分别模拟自由航路与固定航路运行模式，对比两者空中交通复杂度时空分布差异；并结合自由航路运行模式，在空中交通复杂性与航空器冲突指标(冲突率、冲突比例)相关性分析的基础上，研究空域复杂度阈值确定方法；最后，初步探究基于空域复杂度阈值进行航空器自主航迹调整的方法，评估其运行效果。仿真实验结果表明：自由航路运行模式相对固定航路运行模式可显著降低空域最大复杂度值(平均降幅119%)；模型计算得到，空中交通复杂度与空域中航空器冲突指标有强相关性 (相关系数大于0.90)；基于复杂度和复杂度阈值的航迹调整策略具备一定可行性。     

高斯过程回归短时交通流预测方法

已有的短时交通流预测方法均属于确定性预测,无法对预测的不确定性进行定量分析.针对上述问题,提出了一种基于高斯过程回归的短时交通流预测方法.通过该方法在对短时交通流进行预测的同时还可以得到预测的方差估计值,并依此可以确定预测值的95%置信区间.在仿真实例中,在相同条件下对所提方法与支持向量机预测方法进行比较.仿真结果表明,高斯过程回归短时交通流预测方法不仅与支持向量机预测方法具有相近的预测精度,其中均方根误差为12.09,绝对值误差为118.42,相对误差为17.32%,而且能够获得预测结果的方差估计值,从而有效实现短时交通流概率意义上的预测.     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

基于交通特征的空域建模方法及扇区仿真分析

空中交通是一个复杂系统,其复杂性体现在空域结构、航空器、管制员和管制设备等多个方面。本文提出一种基于空中交通特征的空域凸胞模型,它可以更准确、全面地描述空中交通情况。首先,作者基于空域复杂性量化空中交通特征,之后将复杂网络的概念应用于空中交通系统中,并采用基于加权复杂网络特征的K-Means聚类算法建立空域凸胞模型,最后,将该模型应用于北京管制区,从扇区管制的安全性和管制员工作负荷的均衡性两方面提出扇区安全概率、平均飞机数等指标,分别基于交通高峰期的数据和全天的交通数据验证扇区划分方法的优点和有效性。     

基于轨迹谱聚类的终端区盛行交通流识别方法

为了改善终端空域扇区和进离场航线对实际空中交通的流量及空间分布的适用性,研究了从大量航空器飞行轨迹中识别主要交通流的方法.在分析飞行轨迹空间特征的基础上,建立了基于3D网格的轨迹间相似性模型.利用谱聚类算法对终端区飞行轨迹样本进行聚类划分,提出了一种基于轨迹聚类核密度估计的盛行交通流和异常轨迹的识别方法,用于从空管雷达记录的飞行轨迹中识别出盛行交通流的实验.实验研究结果表明:该方法将1 476条轨迹划分为5个聚类,识别出5个盛行交通流,且识别结果未受到异常轨迹的影响.