基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

高速公路交通流混沌特性研究

提出了一种基于Zuo Binwu矩阵算法的判别交通流混沌的最大Lyapunov指数改进算法，并用这种改进算法和功率谱法研究了高速公路实测交通流的混沌问题。绘制了高速公路交通流实测的时间序列的功率谱曲线。通过分析这种车头间距的功率谱曲线，可以明显地观察到交通流频谱出现了噪声和宽峰的变化。应用最大Lyapunov指数改进算法计算这些时间序列的最大Lyapunov指数，用它判定实测交通流是否存在混沌现象。结果表明高速公路实测交通流中存在混沌现象。最后对结果作了分析．得出了对于研究与应用交通流有益的结论。     

基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法).采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用...     

深埋隧道围岩与支护结构相互作用的非线性动力学特性研究

为了充分了解围岩与支护结构动力系统的变化特征,根据现场实测数据分析深埋隧道的围岩稳定性,对提取的时间序列进行相空间重构,计算了关联维数,定性分析了系统的混沌动力学特性.进一步应用反演理论,建立了深埋隧道围岩系统的非线性动力学模型,通过模型逼近,获得待定参数和正演模型的各变量,定量的分析了系统的混沌动力学特性,结果表明,各变量计算与实测的分布曲线非常接近.利用该模型可较好地预测在高地应力条件下围岩与支护结构系统各特征变量的变化规律.     

基于相空间重构的短时交通流预测研究

短时交通流预测在城市交通控制和管理中起着十分重要的作用。本文通过分析短时交通流量数据在时间序列上的特点，引入混沌理论的分析方法，从非线性时间序列预测的角度对交通流量预测进行了研究。通过计算交通流系统相空间重构参数，给出了一种基于相空间重构理论的局部预测方法，对城市道路路段交通流量进行短时预测，取得了较为满意的效果。     

基于Logistic映射的交通流的混沌态研究

由密度K-速度v的线形模型，导出Logistic映射的差分方程，讨论映射下的交通流及混沌态的有关理论；用Lyapunov指数进一步阐明Logistic映射下的交通流特性；最后从混沌交通流的熵给出混沌程度量的大小。     

快速路交通流时间序列分形维数研究

对取自于北京、沈阳和上海3座城市的4组快速路交通流数据进行分析,判别出交通状态为同步流或自由流.通过改变时间尺度观察时间序列的自相似特性和利用功率谱法判别,发现在两种状态下,系统都具有分形和混沌特性,可以应用相关理论进行研究.应用G-P算法计算了流率和速度序列在不同统计间隔下的关联维,计算了流率、速度的Hausdorff维数,并对计算结果进行了讨论.在此基础上,指出了分维在交通流理论研究中的应用方向.     

适于动态导航系统的城市道路交通状态判别

城市道路交通状态判别是动态导航系统中的关键技术之一,文章从城市道路交通流系统的高度复杂性特点出发,提出了一种基于神经网络的城市道路交通状态判别方法．首先,利用灰关联熵分析方法选取交通状态的关键性特征指标;然后,建立交通状态判别的神经网络模型并利用实测数据对其进行离线训练;最后,应用训练后的神经网络进行城市道路交通状态在线判别．实验表明,用于城市快速路的交通流状态判别方法效果良好。     

城市快速路交通流分形预测算法的研究

根据城市快速路交通网络几何结构及交通流的混沌性,在分析交通流分形特性的基础上,应用小波系数方差法求解Hurst系数,同时建立了城市快速路交通流分形预测模型.利用实测数据,运用分形预测模型对上海市高架路的交通流进行了预测及误差分析,探讨了交流量不同状态下,即不同时段相同时间尺度,同一时段不同时间尺度;同一时段同一时间尺度下不等长数据序列的交通流分形特性及预测结果,并与传统方法进行比较,验证了模型的有效性及正确性.     

基于改进支持向量机的交通流量预测算法研究

城市交通流具有复杂性、时变性和随机性,如何实时准确的预测交通流量是实现智能交通诱导及控制的前提.结合交通流的时间序列特性,提出基于改进支持向量机的交通流预测算法,该算法能够克服神经网络预测的不足,对支持向量机算法在嵌入维数、核函数和参数选择上进行了改进.实验仿真结果表明,该算法具有很好的预测精度和适用性.     

一种基于交通熵的交通流无序度量方法

交通流无序转化过程的研究需要对交通流无序进行定量的描述。为了定量描述交通流无序，通过对有序、无序概念的分析，给出了一种交通流无序的定义；在此基础之上，应用交通熵理论提出了一种交通流无序的度量模型，并应用该交通流无序度量模型对实际道路交通流无序阂值作了分析。计算了9种不同道路交通流的无序阈值，通过其结果比较分析，得出一个基本结论：当阈值N为1．10时，实际道路交通流为交通流无序状态。此时，车速一般小于设计车速的30％。该模型成功地解决了交通流无序度量问题，为交通流有序与无序之间的转化过程研究提供了理论基础。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息，为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性，目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势，提出一种利用车路信息融合的实时交通状态评价方法。首先，定义了一种网联汽车与路侧终端间的无线交互方式，并确定数据协议以保证实时车辆数据的准确性；其次，从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合，应用多算子对计算的一级评价结果构成二级交通状态评价指标，并根据层次分析法确立指标权重，同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则，从而融合动态车辆数据与静态路段参数，计算得出交通状态评价结果与评分；最后，由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致，能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性，同时为车路协同技术应用于实时交通诱导，缓解城市交通拥堵提供了理论依据。     

单向交通对交叉口交通安全影响分析

单向交通作为一种有效的交通组织方式,在缓解城市交通压力方面具有重要作用。依据交通冲突技术分析与交叉口复杂度的计算,对比双向交通组织,单向交通的实施可使交叉口交通组织变得简单,冲突点数目减少,复杂度降低,从而可有效改善交叉口交通运行状况及交通安全状况,降低交通事故率,对保持我国城市交通科学发展,保障市民出行安全具有重要意义。     

基于神经网络的交通方式选择模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。     

交通流时间序列的分形实证研究

为了分析交通流在同步流、拥挤流、自由流状态下的分形特征,通过关联维刻画交通流的复杂性,通过Hurst指数研究交通流的长程相关性,通过记忆长度确定交通流的影响范围。对实测数据的计算结果表明,3种交通流都是分形的,且存在长程相关性,同步流的关联维小于拥挤流,拥挤流的关联维小于自由流,同步流和拥挤流的Hurst指数大于自由流,同步流的记忆长度大于拥挤流,拥挤流的记忆长度大于自由流,说明不同状态的交通流具有不同的分形特征。     

我国道路交通事故统计指标体系问题探讨

道路交通事故统计是一项基础性工作.道路交通事故统计指标是道路系统采集交通事故信息的依据,它对一系列道路安全工作的合理进行起着决定性作用.为此,针对我国道路交通事故统计指标体系中存在的统计指标数据的遗漏、统计指标口径不一致、道路交通事故严重程度的量化及交叉口、路段事故的鉴定、事故形态等问题进行了探讨.     

多相位信号交叉口微观仿真模型及控制系统研究

通过对信号交叉口车辆到达、排队、起动、减速、跟驰、避让等各种交通流微观运行特性的分析,建立了交叉口描述、车辆发生、车道选择、车辆运行等模型,提出了一种交叉口多相位信号控制方案仿真系统。该系统操作方便,界面形象丰富,扩展性强,有效地反映了交叉口交通流的随机性和复杂性,能用于交叉口仿真和优化控制。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

一种新的城市快速路行程时间预测技术

根据城市快速路交通诱导和监控系统的实际需要,提出了基于宏观动态流体力学模型的行程时间预测技术,可以动态预测稳定流和非稳定流状况下城市快速路网上任意两点间行程时间.