基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务.为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据.为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所...     

对当前工程质量问题对策的探讨

对当有福建省地方铁路建设中存在的工程质量问题及基们生原因，作了较为深入的分析，从认识上，制度上对解决问题的对策进行了探讨。     

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源，需实时估计交通流参数。若要准确估计交通流参数，应详细考虑道路网交通流时空特征。本文基于生成对抗网络，提出一种能捕捉交通流时空特征的实时估计模型，即TSTGAN模型。该模型包括生成器和判别器两部分，生成器利用门控卷积神经网络 捕捉交通流的动态空间特征，使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征；采用门控卷积神经网络与长短期记忆神经网络构建判别器；通过对抗方式训练生成对抗网络的生成器与判别器，实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据，验证TSTGAN模型的可靠性。结果表 明，TSTGAN模型引入的时空模块能有效提取交通流的时空特征，所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%，证明所提TSTGAN模型可以提高交通 流参数的估计精度。     

信号交叉口左弯待转区对车辆排放的影响分析

为探究左弯待转区对信号交叉口车辆排放的影响,以左弯待转区长度和左转短车道长度为重要参数、以相位有效绿灯时间为决策变量,建立最小化车辆延误和交通排放的孤立交叉口信号配时优化模型.以大连市五一路/西南路交叉口为例,参考现状方案通过调整相位相序、增设左弯待转区、增设左转短车道获得5种优化方案.结果显示,在优化配时方案的前提下,能使车辆延误和排放减少的有效因素从高到低依次为增设左转短车道、调整相位相序、增设左弯待转区;对于相同的相位相序和渠化方案,只增设左弯待转区使车辆排放最少增加0.7%、停车次数最少增长14.8%、车均延误最少上升2.1%.研究表明,增设左转短车道比增设左弯待转区能更有效地减少延误和排放.      

基于车队离散的信号交叉口交通需求估算方法

为探究交通需求对信号配时设计的影响,基于车队离散提出一种信号交叉口交通需求估算方法。通过分析上、下游断面交通需求的相关性,基于车队离散模型,根据上游断面驶离车流量估算下游断面到达车流量。为验证交通需求估算模型,采集并使用了实地调查数据,还进行了仿真试验。对比不同交通需求水平下的实测车流量和估算车流量,并采用两种车流量以最小化车辆延误为目标获得两种优化配时方案。实地调查数据验证结果显示,估算车流量和实测车流量之间的相对误差为10.33%。仿真试验验证结果显示,在高水平交通需求下,实测车流量和估算车流量差异较大,在中、低水平交通需求下,二者差异较小;与现状配时方案相比,优化配时方案使车均延误降低,相比采用实测车流量所得的优化配时方案,在高水平交通需求下,采用估算车流量所得的优化配时方案使车均延误降低9.85%～28.15%;而在中、低水平交通需求下,二者并无太大差异。研究成果表明,当交通流处于拥挤状态时,对于交叉口进口道,实测车流量不能很好地反映真实的交通需求,而本方法得到的估算车流量可以更好地反映真实的交通需求;与实测车流量相比,采用估算车流量所得的信号配时方案能够有效地降低交叉口车均延误,进而更好地提升交通运行效率。