基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比（或相位时长）以及相位差的确定思路。仿真试验结果表明：以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

基于增量搜索的车辆动态路径规划算法研究

D＊Lite算法是一种非常高效的增量搜索算法,适合于动态环境下的路径规划。文章基于D＊Lite算法的原理,对该算法的性能及应用于车辆路径规划的适用性进行改进,提高了算法的稳定性和结果的可靠性,并通过试验和算法评价验证了改进的D＊Lite算法在复杂、动态环境下规划路径的有效性。     

基于动态时间弯曲的多模板匹配车型分类

针对环形感应线圈采集数据的特点,讨论一种基于动态时间弯曲(DTW)算法的车型分类新方法。由于采样波形与车速、车辆自身结构以及其通过线圈时的相对位置有关,导致实际同类车辆波形存在伸长、压缩,甚至波形残缺不全或局部振荡等复杂情况。为此,本方法首先对样本数据进行降噪滤波,补齐不完整信号等预处理;熟后结合DTW方法和最优聚类分析原理选取同类车型的多个模板,综合考虑误纳与误拒情况,可降低单模板匹配存在的误拒率;最后利用DTW算法和多个分类区分度指标进行多模板匹配,得出分类结论。论文仿真部分以一类车型为例,分析了本文方法与其他方法比较存在的优势。     

公路隧道前馈式模糊通风控制系统及仿真

将前馈式智能模糊控制应用于公路隧道通风控制系统中,以模糊逻辑专家控制经验作为控制的知识模型,以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的数学工具,对通风系统实施前馈式模糊控制.仿真测试结果表明,与普通的前馈式控制相比,在相同的条件下,将显著降低隧道通风控制中电能的消耗,减少运营成本.     

区域交通运输业碳排放效率影响因素研究

交通运输业已成为我国二氧化碳排放的重要部门,在发展交通运输业的同时 应努力降低其碳排放量.本文定义了交通运输碳排放效率,建立了交通运输碳排放效率 影响因素解模型,其影响因素分为技术进步和结构调整两类.以吉林省为案例进行实证 分析,研究结果表明,技术进步因素是影响交通运输碳排放效率增长的主要原因,结构 调整因素抑制了交通运输碳排放效率的增加.各种运输方式中,公路运输促进了总碳排 放效率的增加,铁路运输促进了总碳排放效率的降低,其他运输方式对总碳排放效率的 影响相对较小.     

城市占道施工区交通流分配研究

文章阐述了占道施工区交通流分配的概念及相关措施,采用改进的LOGIT多路径概率模型作为占道施工区路网交通流分配模型,确定路网的有效出行路径及合理的交通分配量,并以广州市天河区黄埔大道占道施工为例,运用该模型对其周围路网交通流分配量进行分析,所得结果较实际地反映了交通状况,证明该模型算法是科学合理的。     

清洁发展机制在快速公交系统中的可行性分析

介绍清洁发展机制(CDM)的内涵,CDM项目的总要求及项目审批程序和过程。基于哥伦比亚波哥大快速公交系统(Trans Milenio)项目,根据清洁发展机制(CDM)的运行经验,分析我国快速公交系统(BRT)申请清洁发展机制的可行性及发展趋势,最后,对开展的相关工作提出建议。     

路网最大流问题的断路算法程序设计及应用

引进交通路网最大流问题求解的断路算法，有效地克服了传统的求解最大流标号法步骤复杂，不利于计算机操作的缺点；以Turboc作为程序实现工具，完成了断路算法的程序设计，程序适用于大型路网中单起点单讫点和多起点多讫点的最大流计算。通过对赣州市现有路网最大通行能力的实例分析，证实了该程序的合理性和有效性，并为本地区未来交通路网规划提供了决策依据。     

适于动态导航系统的城市道路交通状态判别

城市道路交通状态判别是动态导航系统中的关键技术之一,文章从城市道路交通流系统的高度复杂性特点出发,提出了一种基于神经网络的城市道路交通状态判别方法．首先,利用灰关联熵分析方法选取交通状态的关键性特征指标;然后,建立交通状态判别的神经网络模型并利用实测数据对其进行离线训练;最后,应用训练后的神经网络进行城市道路交通状态在线判别．实验表明,用于城市快速路的交通流状态判别方法效果良好。