模拟退火遗传算法在飞行冲突解脱中的应用

由于空中交通流量的增加，我国的空中交通管理系统面临着越来越严重的航线拥挤问题，自由飞行可以有效地解决这一问题，自由飞行允许飞行员选择最适合自己的飞行航线和飞行速度，但同时却给管制员的工作增加了难度。采用模拟退火遗传算法对自由飞行条件下的飞行冲突进行探测与解脱，与标准遗传算法相比，模拟退火遗传算法具有解的质量更优、鲁棒性更强、初值敏感度更低等优点。     

终端区空中交通管制专家系统的设计

介绍了专家系统的结构和在空中交通管制中的应用,分析空中交通管制专家系统的构建过程,提出武汉天河机场终端区空中交通管制专家系统的设计方法。通过该系统不但可以高效的为进场飞机进行排序,对飞机进行实时监视,而且还可以提高空管工作自动化水平。     

拥挤收费下的路网交通评估模型研究

对城市实施拥堵收费策略的评估包括两个方面:一个是公共政策、经济环境、收费方式的技术可行性的评估;二是对拥堵收费区域内外的交通影响进行预估。文章在后一方面展开研究,利用交通网络分析的理论建立了拥挤收费下的交通网络评估模型,提出评估指标和求解算法。数值算例结果验证了评估模型以及算法的合理性,揭示了拥挤收费下收费区域内外交通模式变化的内在联系。表明只有将拥堵收费政策与城市良好的公交服务系统具体结合才能更好地起到减轻拥堵的预期效果。     

城市交通拥挤与道路通行能力的分配

在未来的近期内，由于道路建设和汽车技术的发展，似乎还不可能缓解城市日趋严重的交通拥挤问题。文中概述了几种通过分配道路通行能力来缓解交通拥挤的方法：自由分配法、按乘载率分配法、匝道车流调节法、征收道路使用费或存车费法、按出行目的分配法、配额法及综合策略等。并用缓解交通拥挤的作用、经济效率、对收入分配的影响及紧急出行的灵活性等４个指标，对上述通行能力分配方法进行了评估。     

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。      

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

神经网络于拥挤指针之研究

拥挤是国内外用来描述路况最通俗的代名词,主要在于简单易懂;目前以车速间距发布拥挤等级的方式常会发生与用路人主观之行车拥挤感知经验不符的现象。文中以路段固定侦测器之实时交通参数、CCTV信息画面,结合类神经网络理论,探究群体用路人于号志化干道上之拥挤感知。以台15线为例,进行主观拥挤指针之模式建构与评估。     

我国空中交通安全管理体系之构建

自航空运输业诞生之日开始,航空安全就是所有航空业工作者孜孜不倦重点关注的问题.随着新技术、新材料的应用和推广,航空技术有了长足进步,根据每年的航空事故统计,在当今航空业务量逐年增长的情况下事故率基本保持不变也就意味着事故发生次数也是逐年增长的.因此仅仅依靠技术进步带动航空装备的提升是远远不够的,必须建立科学可靠的空中交通安全管理体系,能够有效协调管理空中交通系统中的人、航空器、空域等各类要素的衔接是非常重要的.文章结合国内外空中交通安全管理现状,探寻具有中国特色的空中交通安全管理方法,为我国未来建立和完善更科学、安全、合理的空中交通安全管理体系提供参考和借鉴     

机场及终端区仿真优化系统建模及实现

对机场及终端区系统运行进行优化是缓解交通拥挤和延误的重要措施。采用解析模型,便于实现机场及终端区系统的优化,但由于建模过程中简化过多造成众多优化模型实用性不强。计算机仿真模型可以准确表征复杂系统的各种约束,但一般的空中交通计算机仿真软件都不具备优化功能。文中采用Arena仿真平台,对机场及终端区系统飞机运行过程进行分析和建模,同时在仿真模型中嵌入基于Memetic算法的优化模块,实现了集仿真和优化功能于一体的机场及终端区仿真优化模型。     

基于GA、RBF和改进Cao方法的空中交通流预测方法

针对传统空中交通流量预测方法精度不足、时效性差的问题,考虑空中交通流量时间序列的混沌特征,在相空间重构理论的基础上,研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差,提高相空间重构精度,通过判定虚假邻近点,以及迭代比较嵌入维度离差和可接受偏差,确定重构相空间嵌入维度值的选择标准,进而得到重构后的空中交通流量时间序列数据;为提升径向基神经网络预测精度并降低参数误差,使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值,再通过最优系数标定后的神经网络对重构后的时间序列进行预测;利用实际空中交通流量数据进行仿真以验证方法的有效性,并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示:①改进后的预测方法具有更好的非线性拟合能力,提高了交通流量时间序列的预测精度;②以5 min时间间隔预测为例,相比传统RBF神经网络,改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%;③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络,所提方法的平均绝对误差分别降低了36.20%和16.10%,运行速度分别提高了27.42%和35.00%。综上所述,所提方法能更好地解析系统的混沌特性,提升空中交通流量预测精度与速度。      

基于 FCD 的城市路网常发性拥堵路段识别方法研究

常发性拥堵严重影响了城市路网运行效率,准确识别常发性拥堵是交通部门解决交通拥堵问题的重要任务。研究选取浮动车数据作为基础,确定了数据分析的时间粒度,从常发性拥堵的时空特性角度出发,建立拥堵阈值、时段拥堵时长比和常发频度3级判别指标,并运用 GIS 技术,结合指标体系设计了常发性拥堵时空分布的筛选平台。以北京为例,针对早高峰常发性拥堵路段进行识别。通过对识别结果的分析和相关数据对比,成果可反映常发拥堵的特征,以及北京近年来的缓堵工作效果。      

交通管制若干问题研究

交通管制是指为了保证交通安全、维护社会秩序,公安机关交通管理部门依法采取的带有疏导、限制或禁止性的具有强制性的行为。启动交通管制的前提可以概括为自然原因、严重危害社会治安秩序、事故灾难、道路专项维修或大修、执行警卫任务及其他突发事件6种情形。交通管制的具体措施可以归纳为疏导性交通管制、限制性交通管制及禁止性交通管制3种。实施交通管制要遵循必要性原则,要注意加强配合,实行联动。     

道路交通无序拥挤控制模型的研究

为了解决道路交通无序拥挤控制问题,定义交通序参数、路段交通的有序和无序,建立涨落后无序拥挤控制过程数学规划模型,采用动态分流决策方法求解模型得出无序拥挤控制的最佳方案,并给出相应的算法,最后用一个例子说明算法的实用性。     

虚拟交控中心建置与应用

在交通问题日益繁杂的情况下,交控策略往往为改善交通问题的重要手段,而策略的拟定必须透过广泛且正确的各项资料作为基础,虚拟交控中心（virtualtrafficcontrolcenter,VTC）的建置便占重要的角色。一方面为实际交管中心（trafficmanagementcenter,TMC）资料做备份,一方面可将资料提供与学术单位进行交控策略的拟定,并且亦可透过与实际交管中心相同使用者介面进行教育训练,进一步培养交控人才。文中完成虚拟交控中心的系统建置,并开发交控策略绩效平台,将虚拟交控中心模拟软体所得到之时制计画及其绩效,透过资料库同步方式将交控策略回颌台中市政府交管中心。虚拟交控中心未来将持续蒐集车流资讯,开发软体,期望达到改善都市交通问题之目标。     

兰州市北环路交通影响评价研究

该文以兰州市北环路为背景,系统研究了城市道路建设项目的交通影响评价编制办法。通过结合有关的标准规范,从建设方案评价、交通需求预测、影响评价、改善措施及结论和建议等几个方面给出了适合道路建设项目的交通影响评价体系。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

Cox Regression模型在交通事件持续时间研究中的应用

有效的交通事件管理要求交通管理者全面了解交通事件的各种特征才能准确估计事件持续时间,从而及时地疏导交通拥堵。利用某高速公路应急指挥中心管理系统中记录的近3 a的交通事件持续时间数据,建立Cox Regression模型探索影响持续时间的危险因素并评价其作用强度和方向。研究表明,日夜、报警方式、事件类型、占用车道数、涉及车辆数、涉及死亡、救护车、牵引车、吊车、驳车、涉及货车等11项是交通事件持续时间的显著影响因素,因此,交通管理者对这些因素进行改善可有效提高交通事件管理效率和安全性。     

仿真技术在道路交通大气环境影响分析中的应用研究

交通大气环境影响分析是交通可持续性发展研究中重要的工作内容,对于道路交通规划与管理具有重要意义。采用微观交通仿真软件TSIS中的CORSIM排放模型,研究机动车车型、平均车速、车辆加减速度与污染物排放率的相关关系,提出了道路交通路网机动车大气污染物排放总量计算方法。以某城市主干道相关区域路网作为研究对象,将道路条件、交通流量、交通管理控制措施等因素集成于仿真系统中,研究机动车对相关路网道路环境的影响,利用TSIS彩色成图技术表现出路网中各个路段大气污染严重程度,评价方法直观、生动。     

考虑第三方损失的城市道路交通事故严重程度评价方法

为了适应城市道路交通事故具有较少的伤亡人数、对周边交通运行状况影响较大等特点，对该类事故的严重程度进行评价方法研究。研究构建事故地点平均行车延误计算模型。基于社会劳动价值的计算，将事故伤亡人数换算为经济指标。利用单位时间劳动力价值，将由事故引发的其他车辆的行车延误损失时间换算为经济指标。将其与非必要燃油消耗一并计入事故第三方经济损失。借鉴现有交通事故等级划分标准，采用等价折算的方法，确定各评价指标的权重值。以哈尔滨市2007~2008年事故数据为例，计算其综合评价指标。依据综合评价指标的累积频率曲线，提出城市道路交通事故严重程度的等级界定阈值。以2017年6月发生于大连市高新园区的1起城市道路交通事故为例，分别采用现行分类标准和提出的评价方法评价其严重程度。研究表明：该评价方法综合考虑了事故伤亡人数、直接经济损失并包括非必要行车延误及燃油消耗的第三方经济损失，可以充分体现该类事故的特点，并能够合理划分其严重程度。