基于Multi-Agent的区域交通协调控制研究

提出了一种基于Multi-Agent的区域交通协调控制系统。系统针对路网中各交叉口交通流相互影响的特点，构造了一种基于分布权值函数的分布式Q学习算法，采用此算法实现了Multi-Agent的学习以及协调机制。通过各Agent间的协调控制来协调相邻交叉口处的控制信号，从而消除路网中的交通拥塞。最后利用微观交通仿真软件Paramics对控制算法进行了仿真研究，仿真结果表明了控制算法的有效性。     

基于视频图像处理的车辆排队长度检测

综合灰度检测和边缘检测的优点，提出了一种将灰度与边缘检测相结合的方法来检测队列长度，采用帧平均法来处理视频流，可以减小由于摄像头抖动或背景微小变化而产生的误差。提出的队列检测算法包含运动检测和车辆存在检测，通过合理分配使用这两种操作，节省了运算时间。实验结果表明，此方法实现简单，能够获得较满意的检测结果。     

城域单交叉口的模糊控制及仿真探讨

提出了一种适应于交通状况复杂的城域单交叉口模糊控制方法。该方法实现了相位顺序、绿信比、周期随着交通条件的变化而改变，提高了路口的交通效率。     

单交叉路口信号的动态模糊控制

针对固定相序的单路口多相位交通信号控制，提出基于车流量预测动态调整相位最大绿灯时间的模糊控制系统结构。以车辆平均延误时间为评价指标，综合考虑当前相、后继相的车辆排队长度，以此决定绿时分配。对上述控制器进行4相位交叉口的仿真实验，结果表明，该控制系统能有效地进行单路口多相位的闭环控制，控制效果优于传统的定时控制。     

基于中关村西区的地下停车诱导信息系统设计

以北京中关村西区地下停车场为背景，对停车诱导信息系统进行了设计与研究。文章主要介绍了中关村西区地下停车场诱导信息发布方案的设计，基于BP神经网络的停车泊位预测以及基于模糊推理的地下环廊路段优化选择，并给出了Matlab环境下的仿真结果。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

基于计算机视频的交通流参数检测

针对视频交通流的特点，在总结以往视频车辆检测方法的基础上。提出了一种改善背景的更新方法，并着重对车流量统计和车速计算算法的实现进行了介绍。最后给出了实现结果并讨论了提高检测数据准确性的措施。     

基于交通特征的空域建模方法及扇区仿真分析

空中交通是一个复杂系统,其复杂性体现在空域结构、航空器、管制员和管制设备等多个方面。本文提出一种基于空中交通特征的空域凸胞模型,它可以更准确、全面地描述空中交通情况。首先,作者基于空域复杂性量化空中交通特征,之后将复杂网络的概念应用于空中交通系统中,并采用基于加权复杂网络特征的K-Means聚类算法建立空域凸胞模型,最后,将该模型应用于北京管制区,从扇区管制的安全性和管制员工作负荷的均衡性两方面提出扇区安全概率、平均飞机数等指标,分别基于交通高峰期的数据和全天的交通数据验证扇区划分方法的优点和有效性。     

基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法.针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称 EPI),以此反映交通断面车流整体特征.基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测.针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高.      

城市快速路交通事件检测的自适应算法研究

针对城市快速路交通事件检测问题,提出了-种基于自适应遗传算法与神经网络相结合的自动检测算法.通过改进的自适应遗传算法优化神经网络结构和权值参数,保证了神经网络能以较小规模和最优的权值参数来描述事件发生与交通参数间的映射关系,从而提高检测效果.利用PARAMICS交通软件模拟了北京市京通快速路从大望桥到四惠桥路段间的一组交通数据,仿真结果表明,该算法同现有的典型算法相比较,具有较高的检测率和较快的检测速度.