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。     

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。     

基于半监督极限学习机的隧道内车辆RSSI定位方法

为了提高公路隧道突发事件的判别效率，实现道路交通状态全天候监测，以智能公路上泛在无线传感网络为基础，研究了基于信号强度指示值(RSSI)的网联车辆定位问题；考虑到隧道内车辆的连续运动特性，提出了一种带有局部线性嵌入(LLE)算法的半监督极限学习机(SSELM)实现RSSI指纹定位；离线阶段利用LLE对少量已标记位置的RSSI样本和大量无标记样本进行降维处理，辨识表征目标位置信息的高维数据对应的低维流形，再基于改进的半监督学习拟合降维后的RSSI与位置的映射关系；在线阶段将实时采集的RSSI数据进行流形降维后，输入校准好的SSELM中估计目标位置；采用无迹卡尔曼滤波平滑估计位置。试验结果表明:相比于已有半监督学习算法，提出的方法在不同车辆行驶速度和部署间距下均能取得较优的定位性能；当已标记数据占比(减少了50%~90%)、未标记数据数量(0~1 000个)和检测器部署间距(10~25 m)等关键指标变化后，本文方法的定位性能仍然保持最佳，其平均误差最低为3.09 m；计算复杂度上，当已标记数据为30%，即仅采集96个参考点样本时，其平均定位误差为3.8 m，训练时间低至8.7 s。可见，带有局部线性嵌入算法的半监督极限学习机在稀疏或密集传感器部署环境中，对不同行驶速度的车辆均能提供理想的定位性能，且训练时间短、样本依赖性低，是进行隧道内网联车辆辅助定位的一种有效方法。      

不同道路环境下车头时距的三参数Burr分布研究

车头时距是交通流与随机过程中的重要参数。为了清晰地描述城市不同类型道路的交通流特性,采集了广州市内南沙港环形交叉口、官洲隧道进口和中山大道十字交叉口三种不同类型道路的车头时距数据。通过数据分析发现车头时距的随机过程与三参数Burr分布具有相似性,并通过理论推导建立了模型。运用最大似然法和牛顿法对三参数Burr分布进行了参数估计,最后通过卡方检验对各组实测数据进行了拟合优度检验。结果表明:实测的车头时距分布曲线呈现递增后递减的性质,利用三参数Burr分布能较好刻画不同道路环境下的车头时距的变化特性。本文的研究结论,可为今后在交通流车头时距分布的统计规律的研究过程中提供一种新的可行性模型。