基于手机定位的交通OD数据获取技术

居民出行OD数据是交通规划中最重要的基础资料之一。传统的利用纸和笔、电话调查以及路边询问等调查方式虽然简单,但存在较大局限性。随着信息技术、移动技术等的发展,手机信息和定位技术应用于交通数据采集是研究的热点之一。在CDMA通信网络和gpsOne手机定位技术的基础上,对出行者进行连续位置跟踪,通过数据处理提取出行者的起讫点位置信息,再结合已有交通区划分,根据点与多边形关系的算法中的面积判断算法得到出行者的OD信息。最后利用所提出的方法对重庆市九龙坡区杨家坪地区进行了OD调查,得到OD发生集中专题和OD线专题。     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于小波去噪和最优权重信息融合的短时交通量预测

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。信息融合技术可以对不同传感器数据进行综合处理,去除冗余、克服歧义,得到比任何单个数据源更全面、更准确、更可靠的信息。综合考虑道路交通量预测的实时性、准确性和可靠性,运用基于小波分析的去噪和现代信息融合思想,提出了一种基于小波去噪和最优权重的信息融合预测方法,并用实际数据进行验证。实证分析的结果表明,该方法能够有效提高交通量的预测精度。     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

城市交通信息发布系统的设计与开发

介绍了系统建设目标、功能需求和系统构成;研究了道路交通状况评价、交通事故分析及最短路径分析;以重庆市城市交通现状为背景,将道路信息、事故信息进行建模分析,结合MapInfo平台的集成二次开发技术,建立以道路交通信息分析、交通事故分析、空间分析为主要功能的城市交通信息发布系统。     

考虑交叉口延误的城市道路最短路径

在利用G IS建立城市道路网并通过空间分析判断节点方位和路径走向的基础上,提出了一种具有节点阻抗的F loyd算法来解决城市道路网中的最短路径问题,这里直行、左转或右转的分流向延误得到了充分考虑。最后利用所提出的算法对重庆市石桥铺街道路网进行了分析计算,得出了比传统方法更合理的结果。     

基于物元模型的高速公路应急救援系统评价研究

从应急监测能力、应急响应能力、应急决策与救援能力、日常管理等4个维度建立高速公路应急救援系统评价指标体系;将云理论与物元方法相结合,建立了综合评估模型.通过与基本物元模型、模糊物元模型进行实例比较分析,证明本评价方法的科学性和合理性.     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

基于手机信息的居民出行调查

介绍了利用手机信息进行居民出行调查的方法,首先设计了出行信息采集系统的功能和界面,然后在J2ME平台上开发出行信息采集软件;最后研究了系统中的信息处理内容、采用的技术和方法,得到了多种居民出行统计信息。该方法与传统调查方法相比适应性更强,数据更准确。