模糊数学方法在交通流预测评价中的应用

影响交通流状态预测的因素很多,如何对预测效果作出评价十分重要.过去往往根据一两个指标的简单对比得出结论,或者仅作定性评价,缺乏严密性.本文运用模糊数学方法,建立了一个量化的评价模型,通过模糊变换及其他相关计算得出结论,较常规方法更快、更准确、更科学,更适合多种预测方法同时进行比较.     

模糊数学方法在交通流预测评价中的应用

影响交通流状态预测的因素很多,如何对预测效果作出评价十分重要.过去往往根据一两个指标的简单对比得出结论,或者仅作定性评价,缺乏严密性.本文运用模糊数学方法,建立了一个量化的评价模型,通过模糊变换及其他相关计算得出结论,较常规方法更快、更准确、更科学,更适合多种预测方法同时进行比较.     

短期交通流预测效果的模糊综合评判

短期交通流预测是智能交通诱导和交通管理控制的基础，预测效果的好坏直接关系到诱导信息和控制决策的正确性．运用标准离差法确定评价指标的权重，并依据最大隶属度原则建立了二级模糊综合评判模型，评判结果可用于判断各种短期交通流预测模型的预测性能，给智能预测系统中的模型选择提供了依据．     

基于粗糙集-模糊识别技术的交通流状态识别算法研究

构建了基于粗糙集约简的交通流状态模糊识别算法,利用粗糙集属性约简技术在多个交通流参数中获得反映交通流变化的表征变量及其重要度值,在此基础上采用模糊识别方法构建交通流状态识别算法,算法针对三种交通流状态的识别,包括正常状态、常发性拥堵状态、偶发性拥堵状态.利用实际城市快速路的数据,以识别率和误报率为衡量指标,将文中的算法与其他算法进行了对比研究,结果表明在同样的误报率水平下可以得到更高的识别率.     

基于模糊神经网络模式分类的数据挖掘算法

提出了一种基于模糊神经网络模式分类的数据挖掘算法--把模糊理论和神经网络结合起来,构造及训练模糊神经网络.给出了基于模糊神经网络的学习算法,通过仿真验证了该算法的正确性.     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

交通流中的回波及其传播特征

应用流体力学原理，针对交通流运动方程式，证明了交通流的回波及其传播特征，同时指出了在交通流理论界有较大影响的莱特希尔和惠特汉推导出的车流传播公式的理论误区。     

A Short-Term Traffic Flow Forecasting Method and Its Applications

Short-term forecast of urban traffic flow is very important to intelligent transportation. Although the conventional methods have some advantages, to some extent, in improving the traffic forecast’s precision, it is still hard to achieve high accuracy. In this paper, we propose a short-term traffic flow forecasting method, which is based on the hybrid particle swarm optimization-neural network(HPSO-NN) with error compensation mechanism.In HPSO-NN, the hybrid PSO algorithm is employed to train the structures and parameters of the feed-forward advanced neural network, while the error compensation mechanism is employed to improve the accuracy. HPSONN is used to forecast the vehicle velocity in Shanghai North-South Viaduct. Experimental results show that the HPSO-NN, compared with the auto-regressive and moving average(ARMA) model, can forecast traffic flow with a higher accuracy. What’s more, we have also found that HPSO-NN with error compensation mechanism has better performance than that of HPSO-NN alone.     

交通流数据质量检验方法

交通流数据目前对于交通相关研究具有很重要的参考和使用价值。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性,并为数据的管理和应用提供可靠的数据基础。交通流数据常见问题分为数据缺失、数据无效和数据时间点问题三类,针对这些问题,本文提出了一种交通流数据检验与修复方法。以北京市交通流数据为例,对本方法进行了分析与验证。结果表明此方法具有很好的实际应用效果。     

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中,采集设备稀缺或故障等原因造成路网交通流量数据缺失问题,提出基于对称残差U型网络(Residual U-Net,RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作,构成可供卷积操作的张量数据格式;利用RU-Net编码解码能力,对交通流量数据进行编码;在解码过程中保持失真度较小,使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升,压缩率降低,提升模型修复精度.实验结果表明,RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系,在不同数据缺失率,不同缺失模式下,高效地完成对大规模路网交通流量数据的修复.     

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中,采集设备稀缺或故障等原因造成路网交通流量数据缺失问题,提出基于对称残差U型网络(Residual U-Net,RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作,构成可供卷积操作的张量数据格式;利用RU-Net编码解码能力,对交通流量数据进行编码;在解码过程中保持失真度较小,使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升,压缩率降低,提升模型修复精度.实验结果表明,RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系,在不同数据缺失率,不同缺失模式下,高效地完成对大规模路网交通流量数据的修复.     

���ģ��ͨ��Ԥ�ⷽ���о�

随着交通信息化的快速发展,可供分析的交通流数据量越来越大,如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容.为解决大规模交通流数据预测问题,本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法,并与基于序贯最小优化方法的支持向量机结合,进行大规模交通流预测.实例分析结果表明,本文提出的聚类方法比现有抽样方法的抽样质量有所提高,基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度.因此,本文提出的方法对于大规模交通流预测是有效的.     

一种改进的交通规划方法及其应用

在满足通行能力及服务水平的条件下，不同的规划方案在道路上产生的各车型比重、车流、车速情况会有较大的差别，并进一步影响道路交通的环境影响及能源消耗。如何根据已知或可求的交通规划方案，得到相应的环境影响评价和能源消耗分析，交通规划模型与环境影响模型之间建立合理的衔接，已经成为交通系统可持续发展的必然要求．通过在从理论上对交通规划方法进行了改进，即在“四阶段法”之后增加了可持续发展预测评价阶段。改进的规划方法强化了环境影响和资源消耗对交通规划的影响，符合可持续发展的价值观。所举示例表明，对此问题进行定量研究是可行的。     

互联网交通数据挖掘及可视化技术研究

随着社会技术的发展,传统交通数据采集成本较高,从电子设备的普及、互联网的发展、数据化信息化对城市的影响等方面,阐述交通数据的挖掘及可视分析的必要性,并详细研究互联网交通数据的挖掘方法,分析数据可视化方法在交通领域的应用,最后以深圳市龙岗区862路公交数据为例,通过python编程将高德地图数据采集并将其可视化,说明交通...     

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络 (Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.     

流动车辆数据采集方法及应用

信息是动态交通管理的基础,做好信息采集是顺畅交通管理的前提。本文阐述了流动车辆数据采集法的概念、系统构成概要、数据处理流程;择要介绍了采集数据的信息增值处理,并对其实用化进程给出了阶段性规划,指出了其中需解决的主要技术和系统问题。     

人工计数法应用于城市区域性路网交通量统计

介绍了运用人工计数方法来统计区域性路网的交通量大小,对重庆市两路口区域路网进行了交通量统计和数据处理;并通过数据进行分析,掌握了两路口区域的交通流量特点。实践证明该方法具有可操作性。