基于TE-LSTM组合模型的短时交通流预测

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TELSTM组合预测模型。采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%，在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

混合交通流的元胞自动机建模与仿真发展研究

以混合交通流元胞自动机建模及仿真方法为出发点,对各类混合交通流模型的研究现状做了详细剖析。根据分析结果提出进一步提高微观混合交通流建模与仿真技术的启示,主要应综合考虑交通参与者交通特性的多样性,并以交通行为分析为基础进行建模;进行充分地数据调查与拟合,以进一步校正混合交通流模型,力图更为精确地再现不同交通参与者之间的互相干扰,以提高模型的适用性与仿真精度。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于小波分析与隐马尔科夫模型的短时交通流预测

鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。     

基于PNN模型和RF模型的沥青路面使用性能预测研究

如何准确地预测评断沥青路面使用性能,对于道路养护起着至关重要的作用。为了提出更为准确的路面使用性能评价方法,在规范所提出的评价指标的基础上,以临沂市的沥青路面使用评价相关数据为研究对象,分别基于概率神经网络（PNN）模型和随机森林（RF）模型,构建沥青路面使用性能预测模型,以此为沥青路面使用性能状态预测、科学制定沥青路面养护决策提供参考。     

高原艰险山区铁路货物运输组织模式

随着高原艰险山区铁路基础设施的逐步完善,亟需根据地区发展提出适宜的铁路货物运输组织模式,通过铁路货运助推地区经济产业发展,加速高原艰险山区融入国家发展新格局。本文基于高原艰险山区自然及产业发展概况,对铁路货物运输特性进行了分析,在既有运输组织模式的基础上,结合现代物流理念构建高原艰险山区铁路市场导向动态规划型运输组织模式,并针对货运流程及动态开行方案编制两项关键技术进行相应的优化与分析。     

基于信息融合的驾驶警觉度识别方法研究

为了对驾驶警觉度水平进行有效识别,基于眼动信号和心电信号特征指标的信息融合构建了一种驾驶警觉度水平的识别方法。通过驾驶行为绩效验证了驾驶警觉度等级划分的合理性,在此基础上对眼动信号和心电信号进行特征参数的提取和筛选,结合支持向量机(support vector machine, SVM)以融合眼动信号和心电信号为输入构建驾驶警觉度识别模型,并通过30名驾驶员的实验数据对模型进行检测。结果表明不同等级警觉度下的驾驶行为存在显著差异性,验证了驾驶警觉度等级划分的合理性;基于信息融合构建的模型识别效果更优,其识别准确率为89.23%,使用单模态眼动和心电指标分别构建的模型识别准确率为84.36%和81.65%,该方法可用于驾驶警觉度识别以提高识别准确率。     

山区公路隧道入口照明智能节能控制技术研究

现阶段山区公路隧道主要采用档位控制的照明控制系统,其控制智能化程度低,人为因素多,节能效果差。论文基于山区公路隧道入口照明档位控制的特点,开展了智能控制技术研究,提出了入口照明档位智能控制模型的总体架构,包括交通流预测模型、运算控制模型、调光策略与灯具匹配关系、隧道照明环境数据采集、照明输出控制模型等,基于该模型系统,通过隧道现场测试和工程实施,实现了山区公路隧道入口照明档位智能控制,为山区公路隧道照明档位模式下的智能控制提供技术参考。     

同方向相邻机动车道交通流空间分布特性对比分析

为了更好分析交通流空间分布变化特征,确定两相邻机动车道车流的变化规律,文章选取西安市科技四路路段作为研究对象,采用人工调查与视频采集组合方法,采集两相邻车道的流量、行驶速度、车道利用率等样本数据,对比分析同方向相邻机动车道交通流空间分布特征差异,并选取偏离程度作为衡量特征差异性指标,借助聚类分析手段,对空间分布特征差异性进行聚类统计。结果表明,随着总体断面流量不断增加,同方向相邻机动车道交通流空间分布存在三个明显的特征阶段,同时这三个阶段的特征在一定程度上也反映出交通状态的变化规律。通过分析西安市科技四路同方向相邻机动车道交通流空间分布特性,不仅能够较为准确的判断城市道路交通流的运行状态(畅通或者拥挤),同时分析结果也可用于完善交通流领域的知识架构和基础理论。     

隧道变形预测的灰色与回归模型对比分析

模型预测法是目前常用的隧道围岩变形预测的方法之一。文章结合广梧高速公路茶林顶隧道工程实例,建立GM（1,1）灰色模型、GM（2,1）灰色模型和双曲函数回归模型分别对隧道围岩变形进行预测,并对各模型的预测情况进行对比分析。结果表明,不论是从短期还是从长期看,GM（1,1）灰色模型都体现了优越的模拟和预测效果,且建立预测模型时不需要大量的统计数据,可应用于工程实际。     

基于不同优化算法的隧道洞口段拱顶沉降SVR预测模型及其比较评价

准确预测隧道洞口段沉降变形是保障安全进洞的重点工作，如何解决输入层维度高的问题以及准确描述机器学习预测模型的性能意义重大。因此，将主成分分析法（PCA）、优化算法和支持向量回归机（SVR）相结合，提出6个基于PCA和优化算法的SVR组合预测模型。首先，通过PCA筛选影响拱顶沉降的主要因素；其次，采用遗传算法（GA）、粒子群算法（PSO）和灰狼算法（GWO），对SVR的惩罚因子和核参数进行寻优；最后，将组合预测模型应用到温州市石鼻头隧道，采用相关性系数（R）、均方根误差（RMSE）和平均绝对误差（MAE）对预测模型的性能进行比较评价，并构建模型查询表。结果表明：组合预测模型均有较高精度，R≥0.987 0,RMSE≤6.792 4 mm,MAE≤3.493 7 mm;PCA降维后，GA优化后的SVR预测模型的预测效率提高了65%,PSO和GWO优化后的SVR预测模型减少了输入层维度，但需要更大的k值，降低了预测效率，PCA-GWO-SVR模型尤为明显；PCA-PSO-SVR预测模型的鲁棒性更强。     

基于PSO-LSTM算法的智能交通流量预测研究

交通流量本身具有很强的不确定性,复杂、多变,容易受到随机因素的扰动,并且规律性不明显。随着不同预测方法的引入,对短时交通流的预测也出现了许多预测模型。长短期记忆模型擅长于处理和预测时间序列中具有时间间隔和延迟相对较长特征的重要事件。粒子群算法是一种通过模拟鸟群捕食行为设计的随机优化技术。本研究引入粒子群算法优化长短期记忆模型,使用昆明市某个路口断面所采集的过车数据作为训练集和测试集。本研究使用matlab软件进行上述模型的建模和预测,使用均方误差模型进行预测模型的误差分析。结果表明,引入粒子群算法优化模型后,预测误差降低60%,PSO算法优化LSTM模型能够更为准确的预测交通流量。     

核级管道腐蚀数据的概率统计分析

针对核级管道腐蚀环境的复杂性及腐蚀过程的随机性,提出了基于概率统计方法的最大腐蚀深度预测模型。首先对核级管道进行腐蚀失效分析;其次采用广义极值分布模型（GEV）拟合管道最大腐蚀深度数据,用L-矩法计算模型的参数值,分析核级管道腐蚀深度的统计规律;最后引用回归期的概念预测管道最大腐蚀深度。以某核级管道为例,预测其最大腐蚀深度为4.575 1 mm,超过最大腐蚀深度的概率为0.75%。计算结果证明：应用极值理论作统计分析时,广义极值分布模型具有更广的适用性,该研究对分析腐蚀管道的可靠性和安全性具有一定的意义。     

基于混合整数线性规划的地下物流网络构建

城市地下物流系统作为一种新型的物流配送方式,可有效释放城市地面交通压力,减少环境污染。本文以最优化理论为基础,对如何构建地下物流网络问题进行了研究。首先考虑二级节点的容量和服务半径约束建立聚类模型,通过应用K-means算法求解模型,将地下物流需求点进行分类,即求得二级节点的数量与位置;其次,根据节点的固定建设成本和运输成本,在已求得的二级节点中选取部分作为一级节点,建立了混合整数线性规划模型,采用Lingo软件对其进行求解,以南京市仙林区为案例进行分析,最终得出综合成本最小的地下物流网络建设方案。     

出行方式选择:机器学习方法与多项Logit模型比较研究

在交通出行预测中,多项Logit模型（MNL）的应用十分广泛,但是同时也存在很大的缺陷。模型假定各选择枝不可观测的随机效用部分相互独立且服从二重指数分布,但是这在很多情况下都与实际不符。本文采用机器学习方法中的决策树（Decision Tree）和支持向量机（SVM）模型与多项Logit模型进行对比分析,找出对于居民出行方式选择预测最准确的模型。本文采用的数据来源于2016年12月安顺市的居民出行调查数据,通过三个模型对比可得,SVM模型的预测精度最高,其次是决策树模型,MNL模型的预测精度相对较低。     

山区公路行车视距分析

驾驶员应有足够的视距来判断车辆前方发生的变化,以便采取相应措施确保车辆安全行驶。从山区公路交通流特点和事故成因出发,对平面视距和纵面视距的行车安全性进行了分析,同时从保障行车安全角度总结了行车视距设置应考虑的影响因素,对山区公路路线设计起到一定的指导作用。     

基于Python与Tensorflow的交通信号决策系统

为改变目前我国道路信号配时方案与实际交通流不匹配的情况,提高道路交叉口的通行能力,增加绿灯的使用率,提出基于Python与Tensorflow的交通信号决策系统。介绍交通信号决策系统的整体框架及各个模块的层次关系,详细说明每部分的原理及实现方法。通过Python在互联网上实现实时交通数据自动采集,将搜集的数据分类存储。采用TensorFlow框架建立车速预测模型,通过机器学习不断调整优化模型。根据优化后的车速模型预测未来交通流状态变化趋势,交通信号决策系统能够在不同的交通流状态下自适应决策采取不同的绿波信号配时方案。通过VISSIM仿真结果表明,交通信号决策系统能够显著降低道路的拥堵程度,有效降低了道路机动车的停车次数和停车延误,极大地提高路网的运行效率,增大区域协调控制系统的自动化。     

机非划线路段非机动车交通流特征

电动自行车与自行车组成的混合非机动车流是一种特殊的混合交通流,两者在速度上具有较大的差异,研究其交通流特征具有重要的理论与现实意义。本文针对采用传统方法获取非机动车流存在难以辨别的难题,应用无人机进行航拍获取更加高质量的视频数据分析混合非机动车流特征。研究结果表明,混合非机动车流三参数之间的关系有别与机动车流,这主要是非机动车流在路段很少存在排队现象;在非排队状态下,二次函数能够较好地描述混合非机动车流密度-流量的关系;电动自行车的速度随着密度的增加逐渐降低,而自行车速度基本上不受密度的影响;混合交通流速度受流量、自行车比例的双重制约。文章的研究成果能够为以后非机动车交通流的研究提供理论基础。     

不利天气下山区高速公路交通流特性分析

为解析不利天气下的山区高速公路交通流特性,本文选择云南省某典型山区高速公路2019年8月至2021年6月的交通流数据和气象数据,运用对数正态分布和独立样本t检验解析不利天气种类对山区高速公路的车头分布时距和交通量的影响形式与机理。研究结果表明：车头时距与不利天气的恶劣程度呈正相关关系,不利天气恶劣程度的增加会导致车头时距整体上偏大,且产生较大的分布变化;不利天气的种类对山区高速交通流的影响程度按从高到低的顺序依次为雪天>雾天>大雨>中雨,其中,中雨、大雨和雪天下车辆的流量受到的影响有一定的时效性和迟滞性。