基于排队紧张系数的瓶颈交叉口信号配时研究

针对传统单点交叉口信号配时方法对于过饱和状态下瓶颈交叉口不适用的情况,定义了排队紧张系数并提出了基于排队紧张系数的瓶颈交叉口信号配时方案,讨论了过饱和状态下最佳周期时长的计算；用实测交叉口数据进行VISSIM仿真,对比分析了传统信号配时方案和基于排队紧张系数的配时方案的效果,结果表明基于排队紧张系数的配时方案对瓶颈路段排队强度的改善有非常明显的作用.     

基于可复用的面向对象交通流仿真软件研究与设计

运用设计模式描述交通仿真软件的设计与开发，介绍了相关的设计模式，并运用设计模式定义了仿真软件的结构，探讨了一个设计和分析交通仿真软件的思路。     

交通领域碳足迹研究综述

气候变化问题引起了全球的高度重视,碳减排和碳循环得到了广泛关注.碳足迹的研究就是在全球气候变暖的背景下提出,它是节能减排的基本量化参数.在碳足迹研究的基础上,对交通领域碳足迹进行专项研究,了解交通领域实现低碳化的潜力和主要影响因素,有利于实现交通领域的节能减排,对实现交通与环境的和谐具有重要作用.文中回顾了交通领域的碳足迹的主要研究,介绍了碳足迹的定义、计算方法以及国内外交通领域现有的研究成果,并对国内外研究进行比较分析,针对我国目前交通碳足迹研究现状和存在的问题,确定进一步的发展方向.目前国内外关于交通领域的碳足迹研究都只是关注交通活动的某一方面,在对碳足迹进行研究时,应扩大研究范围,从多个角度进行,并开拓新的研究方向.      

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

基于排队过长的城市高速公路入口匝道控制策略

通过对城市高速公路控制策略的介绍,以及对城市高速公路主要入口匝道排队过长情况的分析．提出一种有针对性的基于排队过长的入口匝道控制策略,可为城市高速公路管理部门进行入口匝道控制提供一种有效的方法。     

市民出行碳排放测算及基于安卓的APP开发

随着社会城市化和机动化的快速发展,城市交通所带来的环境问题也越来越突出,其在能源消耗以及碳排放总量中占的比例越来越大。CO_2的大量排放无疑与当今世界提倡的低碳理念背道而驰,所以城市交通的碳排放问题已经发展成为一个环境研究中的热点问题。基于此,从碳排放过程中的碳排放量计算这一方面着手,同时考虑到大众化、普遍化的影响,结合app程序应用进行了这一方面的研究。旨在从环境角度出发,根据现有碳足迹的概念,为用户提供一个计算碳排放量的方式,并提供一套低碳出行的方案。应用碳交易模式,尽可能地减小交通系统的碳排放总量。从居民角度出发构建低碳交通系统。     

基于两级模糊控制城市交叉口的设计与仿真

针对城市单交叉口存在关键车流与非关键车流的特点，提出了一种单交叉口两级模糊控制的方法，设计了单交叉路口的两级模糊控制器，并给出了控制算法，仿真结果表明，本所设计的基于两级模糊控制器的交叉路口可使通过的车辆的总延误时间大幅度地减少，适用于多车流的单交叉路口。     

基于DSP交通数据采集系统的设计

传统的交通数据采集主要依靠道路上的车辆检测传感器来检测，文章提出基于图像处理与识别的交通数据采集方案。该方案能方便、快捷地测出等待车队的队长、车型等信息，交通数据通过USB接口存储到闪存盘上，控制中心通过分析交通数据，可有针对地进行交通诱导控制决策。     

交通分配问题中用户优化平衡模型的算法研究

针对出行者不同的出行方式，给出了确定同一出行的完全不同路径（ＣＤＲ）和不同路径（ＤＲ）的方法，在此了，以路径交通量为变量，建立了满足Ｗａｒｄｒｏｐ第一原理要求的用户优化平衡（ＵＯＥ）交通分配模型及相关算法，并给出了算例。