基于跟驰模型的交通流混沌转化影响因素的仿真研究

为分析交通流混沌转化机理，利用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流时间序列。在一定参数组合情况下，仿真研究了交通流车队中前后车辆的车头间距变化过程。通过分析这种车头间距的变化曲线，可以明显地观察到交通流混沌运动和有序运动之间的转化过程；在此基础上，通过考虑模型参数和仿真参数变化的大量仿真试验，应用最大Lyapunov指数改进算法对仿真交通流混沌转化的影响因素进行了理论分析。该研究结果有助于进一步理解、解释诸多交通流混沌转化现象，并为短时交通流预测和智能交通控制提供理论依据。     

基于混沌理论的短期交通流量多步预测

短期交通流量预测是智能交通系统的核心研究内容之一.针对城市交通流具有的混沌特性,提出1种具有较高精度的短期交通流量多步预测方法,以支持交通控制和交通流诱导.利用最大Lyapunov指数方法判别交通流量时间序列的混沌特性,对交通流量时间序列进行相空间重构,并在此基础上结合加权一阶局域方法设计了基于混沌理论的交通流量多步预测算法.将此方法运用于实际道路交通流量的多步预测,比较多步预测值与实际流量值,其平均绝对百分比误差为3.33％,平均绝对误差为9.05/[pcu· (5min)-1],均方根误差为10.36/[pcu·(5 min)-1].应用结果表明,该预测方法具有较高的精度.     

汽车非线性悬架的混沌研究

采用基于实测数据建立的非线性悬架模型,分析了汽车悬架中的非线性弹簧力和阻尼力,对非线性悬架系统的混沌运动进行了研究.在单频正弦路面、拟周期路面以及随机路面激励情况下,仿真计算得到了系统的响应.分析各激励下系统的相轨迹、庞加莱(Poincaré)截面、时间历程曲线、功率谱图及李亚谱诺夫(Lyapunov)指数图,结果表明非线性悬架系统中存在混沌现象.     

边坡位移预测的混沌时间序列分析方法应用研究

把混沌时间序列理论引入到边坡工程研究中，运用边坡位移时间序列的最大Lyapunov指数预测边坡的变形破坏，建立了预测模型，并结合工程实例进行边坡位移预测，取得了较好的预测效果。     

功率谱在交通流混沌现象研究中的应用

文章主要研究交通流中的混沌现象问题.在交通流混沌现象的研究中,引入混沌研究的重要方法--功率谱的研究方法,作为对混沌现象的判断和分析依据.文中介绍了功率谱的定义、功率谱分析方法的特点,并对其计算原理和在实现过程中使用的函数加以详细的叙述.在其实现的方式和途径上,采用MATLAB作为计算工具,并通过一个仿真的实例,对整个分析过程加以详尽的说明.根据仿真结果,得出交通流中存在混沌现象的结论.     

可变限速控制下的城市快速路交通流混沌分析

可变限速策略是城市快速路交通系统中重要的管理手段,制定合理限速值需要考虑交通流运行特征与车辆速度特征因素。为更好地研究可变限速控制下的车辆行驶速度特征所引起的混沌现象,通过设定交通流中遵循可变限速值行驶车辆的不同比例p这一参数,以北京市三环快速路交通环境为背景,构建多种仿真情景得到速度时空序列,借助C-C法获得不同断面的速度序列时间延迟与嵌入维数,重构时间序列相空间,利用小数据量法获得最大Lyapunov指数即λmax,以判断混沌特征,并在相同流量下进行对比,分析发现,没有实施可变限速策略时,断面速度序列λmax为正;实施可变限速策略时,可变限速标识下游200m位置速度时间序列λmax为正,并且λmax与p存在二次回归关系,当p=76.8%时,速度序列λmax趋于0。以p为关键参数的分析结果可为制定可变限速值以及策略实施提供参考。     

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.      

基于尖点突变理论的高速公路交通流状态判别方法

为准确掌握高速公路交通流的运行状态及变化规律,给驾驶人和高速公路管理者提供科学决策依据,通过分析传统交通流计算模型存在的不足,对现有高速公路交通流状态划分方法和基于尖点突变理论的交通流模型进行改进,并引入混沌状态和突变区间的概念,同时添加大车混入率作为改进后的模型参数,得出不同大车混入率下混沌流状态、自由流状态和非自由流状态下的判别标准。以八车道高速公路标准路段为例,借助VISSIM交通仿真软件模拟车流的实时运行状态及变化过程,计算获得仿真情形下不同交通流状态的判别标准和方法。通过对典型高速公路代表性路段实测数据的统计分析,验证了判别标准和方法的合理性与可行性。研究结果表明:交通流在自由流和非自由流状态之间转变时,存在着一种短暂的突变,呈现出一种混沌流的状态;大车混入率对行车速度和时间占有率影响明显,可以对应获得混沌流、自由流和非自由流状态的判别标准;将仿真所获得的交通流状态界定标准与中、美高速公路服务水平划分标准进行对比,自由流状态处于二级或C级及以上服务水平,而且对自由流服务水平的标准要求更高。该方法对于高速公路运营管理、养护路段划分、安全性评价等具有科学、便捷、实用、可行的实际意义。     

边坡位移预测的混沌时间序列分析方法应用研究

把混沌时间序列理论引入到边坡工程研究中,运用边坡位移时间序列的最大Lyapunov指数预测边坡的变形破坏,建立了预测模型,并结合工程实例进行边坡位移预测,取得了较好的预测效果.     

基于近似熵和统计复杂度的交通流复杂性测度

为了定量描述交通流系统的复杂性,引入非线性动力学的近似熵和统计复杂度特征量,计算混沌区域Henon和Logistic序列、周期序列、白噪声序列的近似熵和统计复杂度,并通过计算5个实测交通流时间序列数据对其近似熵和统计复杂度进行了计算分析。结果表明:这2种特征量能够有效测度系统的随机性和非线性,可以解决复杂性刻画的"短序列、可比较"难题,适于实测交通流的复杂性测度;交通流系统随机性较强,带有非线性结构,可能产生混沌,应该综合使用多种复杂性测度方法。     

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.     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。     

一种基于幂级数展开和最小二乘法的高速公路稳态速度-密度平衡关系式的辨识算法

提出了一种新的辨识Markos Papageorgiou提出的高速公路交通流模型中稳态速度-密度平衡关系式的算法.该算法分为两个步骤,第1步,利用幂级数的原理,将该关系式由非线性模型转换成线性模型;第2步,采用最小二乘法辨识线性模型,并在此基础上获得非线性模型的所有参数,从而达到辨识稳态速度-密度平衡关系式的目的.理论分析和仿真结果均表明,与传统的非线性辨识算法相比,该算法大大提高了模型辨识的运算速度,同时可以实现任意的辨识精度.     

高速公路模糊神经网络限速控制与仿真研究

高速公路限速控制是一个非线性时变系统,难于用数学模型准确建模,提出一种模糊神经网络实现限速控制。本文阐述了网络的结构和学习算法,根据高速公路车辆群状态、路面性能、气象条件等,建立交通流速度限制模糊神经网络模型,并进行了仿真研究。仿真结果表明网络训练速度快、精度高,适合交通流限速控制的在线建模。该方法切实可行,可使交通流更加均匀、稳定,从而提高主线运行的安全和效率。     

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。     

城市道路固定型交通检测器布局优化模型

交通信息采集是智能交通系统的重要基础,准确、可靠的数据是动态交通管理、控制的重要保障。分析影响检测器布局的因素,主要包括交通流的特性、道路交通环境、居民出行路径的选择等,提出基于检测器利用率最优的规划模型。探讨模型参数的计算方法,根据观测样本的均值和方差计算交通量波动系数,用最短路径法计算路段客观重要度。阐述模型的求解过程,通过比较几种传统优化算法的优缺点,设计改进隐枚举算法,并给出具体步骤。     

高速公路交通流密度的主线速度控制设计方法

结合高速公路出入口的实际设置情况、高速公路交通流的运行特点以及高速公路主线速度控制方式的实际需要,对经典高速公路宏观动态交通流模型进行了一定的修正;针对改进后的交通流模型,利用非线性系统控制中的反步设计方法,给出了求解控制率的矩阵方程;并提出了使用模糊控制方法进行主线速度控制的设计思路,为解决交通流模型难以确定、交通流参数难以检测等情况下的交通流密度主线速度控制问题提供了一种新方法。     

一种用于高速公路通行情况分析的收费数据挖掘方法

为更好地对高速公路通行情况进行分析,利用高速公路海量收费数据,提出了一种用于高速公路通行情况分析的数据挖掘方法。首先,在海量的贵州省高速公路收费数据中,筛选出指定进站名称及出站名称的数据并删除部分字段,仅保留与研究相关的内容,利用车辆进入收费站的时间和驶出收费站的时间计算出其在该路段上行驶的总时长,将行驶时长字段加入原数据。然后,采用孤立点检测算法清洗该数据,剔除其中异常值。完成上述预处理过程后,使用快速峰值聚类算法对行驶时长进行聚类分析,首先计算每条数据之间的距离,将距离矩阵作为该算法的输入并输出聚类结果;对比所采用的算法与K-Means算法对于行驶时长这一指标的聚类效果,可明显地看出该算法的聚类结果更接近于实际情况;然后将春节期间与2月第4周的收费数据进行聚类,通过对比可明显得出节假日期间各个车型通行比例的变化;将上述结果结合不同车型在不同时段的平均通行时间进行分析。研究结果表明：所提出的方法可有效地将在某段高速公路通行的车辆进行分类,并且分类结果与真实运行过程中车辆在高速公路上的通行情况一致,可为高速公路的运营管理以及维护方向提供合理的科学依据和数据支持。     

快速路交通流时间序列聚类预测方法与模型

针对快速路路段日交通流曲线的相似特性,提出根据天气好、坏,工作日、非工作日作为特性向量,设计一种时间序列聚类算法对不同时间尺度下快速路交通流进行预测.结果显示:此聚类算法与预测模型充分利用了历史数据,30 min时间尺度下预测精度较高,平均绝对相对误差最低为3.34%.