基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

基于多目标模型的城市公交越站调度研究

作为优先发展的交通方式,公共交通以其运量大、运输成本低和节能环保的优势广受青睐。然而,准点率低、乘客候车时间及运输时间过长等问题使其对于乘客的吸引力难以提高。因此,为优化公交调度、降低公交系统运营成本、提升服务水平和工作效率,对平峰时段单向行驶的某一线路公交车的停靠与越站优化问题进行研究。以公交车是否在站台停靠为决策变量,建立了以最小化停靠成本、乘客在站候车时间、被越站站点的乘客额外候车时间及车辆在站停靠时间为目标的城市公交越站调度的多目标优化模型,在MATLAB软件中使用改进的遗传算法进行求解,选取了广州市126路公交为实例进行计算以验证方法可行性,并进行了各目标权重的灵敏度分析。最终得到的公交越站调度方案可达到10%的优化效果,且最大权重目标为乘客站点候车时间。故该模型具有一定实用性和可操作性。     

基于SuperMap GIS的公路养护信息系统设计

以SuperMap地理信息系统为基础平台,实现公路养护与施工数据的共享,建立一套管理信息系统,能完成图形、属性、影像、文本高度集成的一体化数据库可视化统一管理,提高公路养护的效率,并能为决策提供支持。     

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。     

交叉口Agent间的多遇协调策略及其参数影响分析

为信号控制的城市道路交叉口定义一个Agent结构模型,在分析相邻交叉口交通流关联关系的基础上,利用记忆因子δ、学习概率α、交叉口交通流变化概率β<,i>等参数阐述了交叉口Agent间的多遇协调流程.交叉口 Agent多遇协调采用部分获利协作策略,其交互策略更多地考虑在获利少于对方时候如何以更加协作的态度进行协调.利用记...     

基于Microsoft时序算法的广东省交通运输领域能耗预测研究

通过收集历史数据,建立多个影响城市交通能耗的因素与交通运输能耗的数据库,首先用决策树算法对影响因素进行选择,然后根据给定的输入列,用Microsoft时序算法对广东省交通能耗进行短期预测。结果表明,运行的车辆数、车辆的周转量是影响能耗的两大主要因素,同时短期内交通能耗呈上升趋势,且较往年有所增强。     

考虑复杂交通规则的最优路径算法在GIS中的实现

传统的最优路径算法大多是基于网络图加权计算得到的,较少考虑道路网络的实际交通状况。对传统的Dijkstra算法进行改进使之适用于城市交通诱导系统,在综合考虑复杂交通规划的情况下,实现了1种改进的最优路径算法。算法在极少增加网络节点的情况下,满足城市复杂交通规则,并通过排除不符合交通规则的节点,提高其运行效率。基于Visual Basic和Super Map软件,开发了广州市交通诱导系统,通过实际算例验证算法的有效性与准确性。     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

GIS支持下的高速公路路灯监控管理系统设计

介绍了我国高速公路行车和路灯设施管理的特点,在对系统建设的必要性进行分析的基础上,提出了建立基于GIS的高速公路路灯监控管理系统的总体方案。并对系统体系结构和各子系统功能模块进行了详细的设计,最后阐述了系统数据处理流程。