基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

排阵式交叉口延误及最佳周期模型

为了提高排阵式交叉口这一非常规信号交叉口的运行效率，对其延误和最佳周期进行分析。首先针对先直行后左转、先左转后直行和直行左转交替通行3种信号相位相序，通过对排序区内车辆驶入、驶离、受信号控制阻滞等车流运行情况的分析，构建可反映排阵式交叉口车辆2次停车启动的车均延误计算模型。通过仿真对比可知，左转和直行延误估算误差均在10%范围内。在此基础上，以交叉口总延误最小为目标，考虑清空时长、主、预信号相位差、绿灯时长等约束条件，建立排阵式交叉口最佳周期理论模型。针对不同排阵式控制进口道数量设置的情况，通过对最佳周期的拟合分析，建立最佳周期简化模型。与理论模型相比，最佳周期简化模型的拟合优度在0.935~0.972范围内。通过模型对比和案例分析，对最佳周期简化模型的优化效益和稳定性进行检验。研究结果表明：在非饱和状态下，建立的最佳周期模型的平均误差和均方误差分别为2.13%和2.39%，均小于Webster模型和HCM2010模型的计算结果，具有较高的准确性和稳定性，案例中可降低车均延误36.46%；相较于传统信号控制交叉口，建议排阵式交叉口采用较小的周期时长，且当关键流量比大于0.6时尤为显著，分析中发现最佳周期减小14.53%~34.65%。     

基于锥形流量延误函数的公交行程时间模型

针对交通规划软件常用的BPR公交流量延误函数在饱和度接近或大于1时,计算值与实际值相差急剧增大的不足,提出一种锥形流量延误函数,并分析了其对公交行程时间的影响,进而通过等式关系实现模型在交通仿真软件EMME/3中的实用化.相关的案例分析显示,在公交行程时间拟合方面,锥形流量延误模型较传统的BPR曲线模型误差均值降低5.57％,误差的波动降低50.60％,效果显著.     

城市重大交通工程项目的交通影响分析研究——以温州市瓯江隧道工程为例

重大交通工程项目必将给城市交通的时空分布带来重大影响，甚至影响整个城市路网交通形态。从区域经济和交通区位势角度考察重大交通工程项目的地位、作用，以其功能定位为关键，从区域和市域两个层面探讨了自然增长型OD量、诱增型OD量和城市跨越式发展的OD当量增长的综合交通需求预测；采用重大交通工程项目与城市交通网络相互关联，相互影响的观点，运用EMME／2规划软件进行了多方案的评价、分析，给出了定量结果。提出的城市重大交通工程项目的交通影响分析的理念、思路、方法对重大交通工程项目的工程可行性研究具有一定的借鉴意义。     

一种新的公交网络非线性双层优化模型的提出及其求解算法

公交网络优化问题一直是公交系统发展研究的热点之一，国内外学者已有许多不同见解。文章根据现代城市发展及城市交通发展特点，提出了公交非线性双层优化的一种新模型，将PSO算法改进后，结合长春市公交调查数据进行了优化，实践证明模型与算法具有较强的实用性。     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

面向老龄社会的交通需求预测探析

交通需求预测是进行城市交通规划的前提,对于制定城市交通发展战略,科学组织管理城市交通具有重要的意义.随着我国老龄人口日益增多,交通需求预测也应面向人口老龄化进行近一步的研究.针对目前中国社会的人口老龄化趋势,对交通需求预测提出几点建议,希望能对中国未来城市交通发展有所助益.     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题。短时交通流预测是实时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位。通过对交通流数据进行分析,得出交通系统具有耗散系统特性,并且存在混沌。在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测。通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度。