道路交通事故多层递阶预测方法

针对道路交通系统动态时变的特点，用多层递阶预测方法，建立了道路交通事故的多层递阶预测模型．将事故预测分解成对时变参数的预测和在此基础上对道路交通事故未来状态的预测两部分，通过对时变参数的精确预测提高事故预测精度．以1989—1999年我国某省道路交通死亡人数为原始数据建模，模拟结果显示，对2000-2001年的预测结果和实际道路交通死亡人数之间的平均误差为5．8％．     

����ODԤ����Ϣ�ĸ��ٹ�·�Ż�����ϵͳ��������

根据时变的OD预测信息,基于分层递阶的思想,建立了一个新颖的高速公路优化控制系统。控制结构分为三层：网络负荷分配层对长时期内总的交通需求进行预测,提前确定将来排队长度的上界;全局最优控制层预测未来的交通状态,为路网中的各个匝道建立协调约束;局部反馈控制层根据实测的交通条件及全局最优控制层的寻优结果决定匝道调节率。仿真结果表明,控制系统具有良好的动态性能,协调了各个匝道之间的利益,实现了高速路网整体性能的优化。     

基于灰加权关联度的编组站布局规划方案评价

基于层次分析法（AHP）和灰加权关联度理论,作者构建了编组站布局评价指标体系,并针对建立的多层递阶结构模型,确定了指标权重的分配,提出了基于灰加权关联度的编组站布局规划方案评价方法。通过实例分析表明该方法科学合理、实用可行。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

混沌时间序列局域零阶预测法性能比较

利用计算机仿真比较了均值、距离加权和指数加权3种混沌局域零阶预测方法的预测精度、抗噪声及多步预测性能．在无噪声或噪声干扰较小时，距离加权预测法的性能最好；当噪声干扰较大时，指数加权预测法预测性能最优．指数加权与均值预测法几乎具有相同的多步预测能力，距离加权预测法的短期预测性能最佳．对于标准的离散混沌时间序列，3种预测方法多步预测误差达到一定值后，不再随预测步长的增加而增加；对于由连续系统抽样得到的混沌时间序列，多步预测误差呈现一定周期性变化．     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

ISM在大城市公共交通优化中的应用

分析影响大城市公共交通优化的因素．应用ISM解析结构模型进行优化,求解系统的邻接矩阵和可达矩阵,通过计算得到公交结构体系优化的分层有向图,明确公交结构最优系统具有6层的多级递阶系统。最后,根据多级递阶系统明确影响因素的层次,提出公交优化措施,为大城市公共交通的发展提供一定的参考依据。     

考虑续航能力的新能源汽车充电站递阶延时布局研究

递阶延时布局对降低新能源汽车充电站选址成本投资决策具有重要作用.本文分析递阶延时布局特征：空间维,以续航能力为半径的邻域衔接覆盖性;时间维,随交通流密度的双螺旋同步增长性;投资维,公共资源配置的有效性.在此基础上,基于截流选址方法建立扩展的OD交通路网,构建续航能力约束下的递阶延时布局优化模型;利用改进的逐步推进法求解,对实际案例进行测试和应用,以及相应投资决策分析.结果表明：递阶延时建设可以节约投资,资金成本越高效果越明显;续航里程增加可以减少充电站建设数量,达到节约投资的目的.本文为实际区域递阶延时充电站布局提供决策依据.     

考虑续航能力的新能源汽车充电站递阶延时布局研究

递阶延时布局对降低新能源汽车充电站选址成本投资决策具有重要作用.本文分析递阶延时布局特征：空间维，以续航能力为半径的邻域衔接覆盖性；时间维，随交通流密度的双螺旋同步增长性；投资维，公共资源配置的有效性.在此基础上，基于截流选址方法建立扩展的OD交通路网，构建续航能力约束下的递阶延时布局优化模型；利用改进的逐步推进法求解，对实际案例进行测试和应用，以及相应投资决策分析.结果表明：递阶延时建设可以节约投资，资金成本越高效果越明显；续航里程增加可以减少充电站建设数量，达到节约投资的目的.本文为实际区域递阶延时充电站布局提供决策依据.     

基于分层递阶框架的智能交通管理系统构建

对面向复杂智能交通管理系统的构建问题,本文提出了一种基于分层递阶框架的智能交通管理系统设计策略,将一个复杂的智能交通管理系统的构建问题分解成五个层次：硬件层、数据层、分系统层、平台层和应用层,每个层次解决相应的子问题,从而将复杂系统构建分解为不同层次的子问题,简化了系统的复杂性,降低了系统构建的难度。基于分层递阶智能交通管理系统框架,完成了主要模块的功能设计。本文工作对于优化整合交通资源,实现交通信息共享,构建能够动态优化运行、实现综合性交通管理系统的智能化具有比较重要的实践意义。     

遗传算法优化的RBF神经网络模型在公路隧道群交通事故微观预测中的应用

本文根据构建的遗传算法优化的RBF神经网络模型,提出了公路隧道群交通事故微观预测方法,对以任意断面为中心的单元长度内的交通事故率进行合理预测,为公路隧道群事故多发点的鉴别及预防管理措施的制定提供理论支撑。最后,以西汉高速公路隧道群区段为例,以调研所得的交通事故微观预测模型参数基础资料,运用本文构建的预测模型进行工程实践应用分析,同时与传统的RBF神经网络预测结果进行对比,分析说明遗传算法优化的RBF神经网络预测模型的科学性及可行性效果良好。     

交通事故贝叶斯最小风险控制模型

为了预测交通事故与控制事故风险,引进贝叶斯最小风险理论,构建了交通事故贝叶斯最小风险控制模型。当车辆在不同半径曲线上运行时,采集其位移坐标数据,并进行换算处理,如果速率梯度模的变化率出现不正常的振荡,则交通事故前兆出现。模拟结果表明:在车辆正常运行情况下,速率梯度模对时间的绝对变化率服从三参数的威布尔分布,利用柯尔莫哥洛夫检验可以判定交通事故前兆出现与否,从而实现对高速公路交通事故的动态监控。     

基于非线性主成分分析和GA-RBF的高速公路交通量预测方法

为了提高高速公路交通量的预测精度, 综合考虑高速公路交通量的高度非线性和受多因素影响的特征, 提出一种基于非线性主成分分析和GA-RBF神经网络(NPCA-GA-RBF) 的高速公路交通量预测方法; 确定了高速公路交通量的主要影响指标, 运用非线性主成分分析法降低高速公路交通量影响指标的维数及其相关性, 用少数主成分代替原有的多指标, 以简化神经网络结构; 利用GA优化RBF神经网络的参数, 进一步提高交通量的预测精度; 以普洱市某高速公路为例, 对交通量预测方法进行实例验证。分析结果表明: 2组试验GA-RBF和NPCA-GA-RBF方法的平均相对误差分别比RBF方法降低1.62%、3.53%和2.27%、3.32%, 说明GA优化RBF神经网络能提高RBF方法的交通量预测精度; 与GA-RBF方法相比, 2组试验NPCA-GA-RBF方法的平均相对误差分别降低了1.91%、1.05%, 其交通量预测值更接近实际交通量, 预测结果更为可靠, 表明非线性主成分分析法消除了指标的相关性, 进一步提高了交通量预测精度, 减少了交通量预测复杂度。可见, NPCA-GA-RBF方法具有更高的交通量预测精度, 能为高速公路的良好管理提供可靠的决策依据, 满足高速公路合理运营管理的客观需求。      

基于GM(1,1)模型的道路交通事故预测

道路交通事故的发生虽具有偶然性,但也可利用预测理论的方法加以预测。在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法来进行道路交通事故预测,在此基础上,建立了道路交通事故的GM(1,1)灰色预测模型,并通过实例验证了预测模型的适用性。     

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。     

基于组合预测理论的交通事故预测研究

提出一种适用于道路交通事故预测的组合预测模型。实例计算分析表明组合预测比单一预测技术的预测效果更好，在交通事故的预测问题方面具有一定的应用价值。     

Road Traffic Accidents Model and Its Application Based on Driver's Self-Mistakes

To improve the traditional analysis method of driver accident, the paper analyzes the cases of road accidents and survey data from the microscopic aspect. An accident causes model is formulated to describe the driver' own mistake characteristics and its relation with the road traffic accidents. The weights of key influencing factors are determined by the improved AHP method and its influencing level is quantitatively analyzed. The improved AHP method reduces the impact of subjective factors on the analysis accuracy. Results show that drivers' error rate of perception is approaching 50.2%, the error rate of judgment is 38.9%, and the operational error rate accounts for only 10.9%. The main factors cause traffic accidents are drivers' low abilities to perceive and judge risk and accident. The results provide the scientific basis for the drivers' self-mistakes and accident prevention.     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

自适应过滤法在水上交通事故预测中的应用

水上交通事故预测对于提高海上安全管理和预防事故的发生有重要的作用.为提高水上交通事故预测的准确性,构建了自适应过滤模型.以2011—2017年我国水上交通事故数据为基础,对2018年水上交通事故进行预测,并与一次指数平滑法、灰色GM(1,1)预测法预测结果进行对比验证.通过比较发现,自适应过滤法的相对误差较小、预测精度更高,本次预测相对误差率仅为1.68%.研究结果表明,自适应过滤法具有较好的自适应性,对于数据点较少的情况具有更高的预测精度.     

数据挖掘技术在固定型交通检测器配置优化中的应用

结合固定型交通检测器空间配置的四条原则和配置密度优化步骤，提出固定型交通检测器配置优化的数据挖掘方法。设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对像，运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型，ARIMA预测模型及神经网络预测模型。采用网络搜索技术确定Winters模型参数，设计一种比传统ARIMA模型参数估计方法更精确的算法程序估计ARIMA模型参数，采用三项误差指标评价模型预测效果，根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案，研究结果表明：在保证满足ITS对交通参数精度要求的同时，通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本，为固定型交通检测器配置密度的优化提供了一种简单可行的新方法。