无信号灯控制道路交叉口通行能力分析

主要分析了无信号灯控制道路交叉口的通行能力，给出了一般情况下的实用计算方法，对于进行道路通行能力研究具有一定的参考价值。     

利用模拟方法进行信号灯控制交叉口道路交通噪声特性分析

介绍了道路交通噪声计算机模拟采样系统软件。利用采样系统软件模拟实际的道路交叉口交通噪声观测过程，得到所需的一系列噪声观测值和统计值。对这些统计值进行分析，得到了信号灯控制交叉口道路交通噪声的若干重要特性，并对信号灯控制交叉口交通噪声的影响因素进行了敏感性分析。     

城域单交叉口的模糊控制及仿真探讨

提出了一种适应于交通状况复杂的城域单交叉口模糊控制方法。该方法实现了相位顺序、绿信比、周期随着交通条件的变化而改变，提高了路口的交通效率。     

基于VISSIM的环形交叉口信号控制仿真分析

通过在环形交叉口进口道和环道上设置信号灯,控制左转车辆两次停车通过交叉口的信号控制方法,是对负荷较大的让行控制大型环形交叉口较好的改善措施。运用微观仿真软件VISSIM仿真一定流量条件下设置左转两步信号控制环形交叉口和让行控制环形交叉口的运行状况,并进行比较分析,得出两种控制方式各自的优缺点和流量适用范围。     

关于改进信号交叉口行人过街信号灯的构想

指出了信号交叉口设置安全岛实行行人二次过街的局限性,得出在此基础上改进行人过街信号灯可以更紧凑的利用信号交叉口时空资源.并对其进行评价及交通仿真.     

关于改进信号交叉口行人过街信号灯的构想

指出了信号交叉口设置安全岛实行行人二次过街的局限性，得出在此基础上改进行人过街信号灯可以更紧凑的利用信号交叉口时空资源。并对其进行评价及交通仿真。     

无信号灯控制道路交叉口通行能力分析

主要分析了无信号灯控制道路交叉口的通行能力,给出了一般情况下的实用计算方法,对于进行道路通行能力研究具有一定的参考价值.     

信号控制交叉口交通组织优化研究

为提高城市信号控制交叉口的运行效率和保障行车安全,针对城市信号控制交叉口冲突点的特性,提出了信号控制交叉口交通组织优化方法,建立了信号控制交叉口交通组织优化仿真模型。该模型以西安市西影路与雁翔路十字型交叉口为例,对该信号控制交叉口进行交通渠化、信号相位设计及信号配时优化,利用Vissim微观交通仿真软件对优化方案进行仿真,仿真结果表明,交叉口总延误减少了30.9%,东进口左转减少45%,西进口左转减少了22.5%,南进口总延误减少39.4%,北进口总延误减少62.6%。     

信号交叉口混合交通流控制仿真系统研究

运用交通流控制理论建立了信号交叉口混合交通流控制优化仿真模型,并利用VB搭建了交叉口内混合交通流控制仿真系统平台,选用VC 作为仿真二次开发工具,对微观仿真软件Vissim进行二次开发和参数校正;采用遗传-混沌混合优化方法,利用Matlab编程实现其优化计算.并以武汉市中山路-胭脂路的小东门交叉口为例,进行交叉口信号设计与仿真,实践证明所开发的微观仿真系统具有较强的实用性.     

基于BP神经网络的交通事故预测模型

交通事故预测对于分析现有道路交通条件下交通事故的未来发展趋势及其预防具有重要意义。在进行交通事故统计的基础上，运用BP神经网络理论，建立交通事故预测模型。计算结果表明，该模型较传统方法精度高，可用于交通事故预测。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

基于GSOM神经网络模型的交通行为模式学习方法研究

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法。首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列。其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练。在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习。对比试验结果表明改进的GSOM算法能有效提取行为模式。GSOM相比SOM用于行为模式学习更为有效和准确。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于仿真的交通信号控制优化策略研究

根据道路流量,研究了利用灵活的控制策略提高交通控制的效率问题.针对信号控制交叉口实际流量动态变化的特征,在现有传统控制方法的基础上根据交叉口交通流的变化特点,提出采用可变车道控制模式的控制方法、单边轮放控制模式的控制方法,介绍了其潜在的适用条件、优势及特点,并在交通流量调查的的基础上,建立了交叉口的相应仿真模型,利用信号控制仿真软件Synchro验证了在高峰期不同控制方法的效果.仿真结果表明,所提出的控制方法适用于具有相应流量特点的交叉口,提高了信号交叉口的控制效率.     

基于混沌神经网络的最优路径选择算法

研究车载交通流诱导系统的最优路径选择问题。采用广义路阻的定义,考虑了驾驶员在路径选择中的不同要求,并借助一种具有暂态混沌和时变增益的神经网络(NNTCTG),针对最优路径选择问题设计了神经网络结构,构造了能量函数,提出了一种能够满足不同出行者偏好的最优路径选择算法。所提出的算法具有很多优良特性,即暂态混沌特性和平稳收敛性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。仿真结果表明,NNTCTG求解指定起讫点对之间的最优路径问题时,总能收敛到全局最优,同时具有更高的搜索效率。     

交通控制与诱导集成的关键问题评述

分析了交通控制和交通诱导的相互影响与相互作用。综述了交通控制系统和交通诱导系统集成的研究现状,重点对交通控制和交通诱导集成的6个关键问题进行了讨论分析。提出应用演化博弈论、有限理性和人工情感等研究探讨驾驶员对交通诱导信息的反应机理和先由交通诱导系统将交通流诱导到合适的路网上然后由交通控制系统来适应这些交通流的思想建立集成模型。提出应用人工交通系统与平行系统的思想来研究交通控制和交通诱导的集成实施问题,通过人工交通系统的"计算试验"对交通控制方案和诱导方案进行试验和评估,期望为交通控制和交通诱导二者的集成提供新的思路和方法。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。