基于Vague集的公交出行路径选择方法

介绍了Vague集的基本概念、记分函数和Vague集多准则评价模糊决策问题,并将Vague集决策理论应用于公交路径选择问题中.分析了影响路径选择的基本因素,给出了包括时间、总费用和舒适度等的公交路径选择指标体系,考虑了每个指标的正、负2个方面的影响因素,提出了各路径的Vague集表示方法,为公交出行路径选择的研究提供了新的思路.最后通过一个实例说明了该方法的有效性,同时对其中的参数进行了灵敏度分析.     

基于小波消噪的ARIMA与SVM组合交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测.     

高速公路交通流的建模与入口匝道最优控制

针对ＭＡＲＫＯＳ ＰＡＰＡＧＥＯＲＧＩＯＵ（１９９０）所建立的交通流模型在高速公路某路发生阻塞现象时不能反映这一路段交通流起初状态的局限性，给出一个改进的交通流模型，在新模型基础上构造了入口匝道最优控制问题，计算机仿真结果表明本文的控制策略在降低入口匝道平均等待时间、提高服务流量等性能上有较好的控制效果。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

多车道高速公路的动态离散交通流模型

根据路段流量守恒、匝道流量守恒、交通流量约束等条件，建立了一个多车道高速公路动态离散交通流模型。该模型中考虑了车辆改道行驶定实际交通现象，考虑了车辆的起讫节点（即OD对）。对该模型与其它模型关系的分析表明该模型包含了已有的一些模型。     

城市公共汽车停靠点选址模型

针对垂直交叉路段与笔者路段，分别提出了城市公共汽车停靠点选址的离散型模型和连续模型，在无约束条件下对模型解的存在性给出了严格的数学证明，并根据目标函数的特殊性给出了相应的算法和软件