基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

基于K近邻算法和支持向量回归组合的短时交通流预测

为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。     

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.      

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。     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计，提高估计精度，研究了基于时空特征序列匹配的交通流状态估计模型。通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态；分析影响城市道路运行条件的各项因素，引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征，提取3个维度8个特征1个附加维度组成交通流时空特征，构建城市道路交通流DNA特征序列对交通流状态进行描述；将各个特征的值归一化处理，利用WH-KNN匹配方法，得到全路网中与待估计路段最近的交通流状态。实验选取武汉市中环快速路编号为10468、10483以及8816的路段1周数据，假定路段数据缺失，通过所述方法进行交通流状态估计，将估计结果与原始数据结果进行对比。研究表明，模型不仅能够得到无检测数据路段的交通流状态，其状态估计结果的准确率保持在88%以上，且误判结果在1个运行指数等级之内。      

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

基于相似性的短时交通流预测

为了提高短时交通流的预测精度,更加精确地进行交通流规划和管理,引入了一种基于相似性的短时交通流预测方法。用该方法研究了美国加州高速公路某单点交通流在时间尺度上的相似性,发现同"星期几"交通流的相似性比相邻几天交通流的相似性大。在此基础上,建立了小波神经网络模型,将4个同"星期几"的交通流数据和相邻4天的交通流数据分别构成一组,各自采用200多组数据分别训练小波神经网络,然后对同一天的交通流进行了预测,发现前者的MRE、MSPE值比后者低,EC值比后者高,说明前者的预测精度高于后者,验证了所提方法的有效性。     

基于多车道加权融合的短时交通流预测研究

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法。用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性。基于此,构建一种能够学习交通流上下关联性的双向长短时记忆模型。基于3种时间间隔数据,选取某一间隔交通流进行归一化及预处理,将各车道交通流和聚合交通流数据分别构成相对应的一组,采用几十组同"星期几"相应数据分别输入双向长短时记忆模型进行训练,利用各部分模型分别预测同一天相应车道和聚合的交通流。最后对预测的各部分交通流采用岭回归算法计算融合权重。通过权重融合预测的各车道交通流和聚合交通流作为最终预测的交通流,进一步在三车道检测点的3个时间间隔交通流进行试验。结果表明:本预测方法相对于未考虑各车道交通流与聚合交通流相关性传统预测模型的MAE、RMSE值均有一定程度降低,具有更高的预测精度和鲁棒性,是一种有效的交通流预测方法。     

加强城市交通系统管理 合理解决城市交通拥堵

该文分析了城市交通拥堵现象的形成原因,提出了合理的解决途径及对策,并提出要从网络层面和节点层面两个不同层面加强城市交通系统管理规划,使城市的交通更安全、快捷、畅通。     

道路交通静化在交通安全中的应用

介绍了交通静化的起源与概念,实施交通静化的目的、原则及依据;详细阐述了各种交通静化技术与措施的含义、用途、适用地点、优缺点以及可取得的在降低车速、减少交通量、降低交通事故率等方面的成效;针对我国交通状况,探讨了我国引进交通静化技术的必要性,展望了交通静化在我国的发展前景。     

基于均衡原理的单向交通瓶颈路段诊断法

以单向交通组织区域边界的道路节点为OD点,把交叉口转向流线虚拟成路段,转向车道的通行能力作为虚拟路段的容量,转向车道的行程延误作为虚拟路段的交通阻抗,与实际的路段一起组成单向交通组织区域节点OD之间的路径,采用集合运算合成节点OD之间的通道容量。利用交通均衡方法,经交通分配得到单向交通组织区域的路段和虚拟路段的交通量。通过计算饱和度判断路段和交叉口的拥挤程度,诊断出交通瓶颈,为单向交通组织方案的完善提供可靠的支持。     

北京建国门立交交通分析及改造评价研究

提以建国门立交改造为例,从系统角度对建国门立交及周边交通运行状态、交通拥堵分布及成因进行详细分析,分析结论为建国门立交改造方案的提出提供技术支持,并采用宏观模型和微观仿真两种方法对立交改造方案进行评价,确保在综合考虑周边现有交通设施与各类限制条件下,改造后的建国门立交具有安全、有序、畅达和舒适的交通环境。     

综合交通枢纽道路交通设计关键技术问题的探讨

大型综合交通枢纽具有建设规模大、换乘交通方式多、交通组织复杂、分期实施建设预留等特点,如何合理地进行道路交通组织设计、方便快捷的实现各种交通方式的换乘,是枢纽道路交通设计的关键技术问题。该文以北京南站的道路交通设计为例,在交通枢纽的规划设计建设过程中,本着"因地制宜、以人为本、倡导公共交通、可持续发展"的设计理念,重点是在局促的用地条件下解决各种交通衔接,建设多交通方式人性化的换乘设施、缩短换乘距离、改善换乘环境,方便公共交通,同时做好配套外部交通基础设施建设及分期预留。     

关于“黄灯禁止通行”的思考

从交通工程常识和交通法规法理的角度,对＂黄灯禁止通行＂存在的缺陷进行了剖析,澄清了黄灯信号所应表达的通行规定,并对黄灯信号的管理手段及交通法规的完善提出了建议。     

城市道路交通安全管理规划思路探讨

为了让城市道路交通安全管理规划能更有效地服务于城市交通,分析了目前城市道路交通安全规划存在的不足,并对此提出了详细的解决方案,完善了规划内容。通过进一步对交通安全潜在影响因素的分析,提出全面系统的交通安全评价体系、合理制定交通安全管理的规划方案、完善规划方案的效益评价,对现有的道路交通安全管理规划进行了补充、深化,使其能更好地反映影响交通安全的众多因素以及各因素对交通安全影响程度的大小,从而有效地指导城市交通安全管理。     

城市交通拥堵问题的分析与对策——以沈阳市为例

沈阳市在20世纪90年代建成了二环路和东西快速干道,2012年以后新建和改造了一大批快速路,但目前在早晚高峰期城市核心区的交通拥堵问题仍然严重。从沈阳市城市交通需求特性入手,对沈阳市的交通拥堵状况及拥堵原因进行了分析,总结提出了解决沈阳市城市交通拥堵的对策。     

单向交通在城市交通管理中的作用

从各大、中城市普遍存在的交通拥挤与堵塞问题着手,首先介绍了国内外单向交通设置的基本情况,论述了设置单向交通的基本原理;其次,从宏观角度对单向交通这种交通管制方式的设置条件、设置模式以及设置的重要意义进行了概括和总结;最后,针对我国混合交通的特性,阐述了单向交通与公共交通及自行车交通的关系。     

交通安全、交通效率与交通行为选择

从现存城市道路交通安全隐患的社会背景出发,指出出行者现代交通意识和交通行为选择的特别重要性,给出了现代交通意识与交通安全内涵的科学概括,分析了认识城市道路交通属性与现代交通意识的关系,举例说明了交通行为选择中的若干心理学问题,简要论述了交通伦理、交通法治在建立和谐社会、和谐交通中的重要意义。