基于移动检测技术的城市路网拥挤预测模型

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型.首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测.现场实测数据表明,该模型具有良好的预测效果.     

数据融合技术在路径诱导中的应用研究

数据融合技术是路径诱导过程中的一项关键技术.文中以数据融合技术中的高阶神经网络技术的研究为主,通过对交通路网的分析,建立模型,准确地预测交通有关数据信息.通过应用高阶流体神经网络技术,解决复杂的交通网络计算问题,分别得出行驶距离最短、运行时间最少、拥挤程度最低、道路质量最好4种行驶路线的优化数据,以满足用户的要求.     

基于地图匹配的城市道路实时交通状态模糊综合判别方法

依托于浮动车数据,基于地图匹配对城市道路交通状态模糊综合判别方法进行深入研究.首先根据浮动车数据特点和道路交通信息,基于Mapbasic编程对数据进行地图匹配,并进行MapInfo二次开发,通过相关模型计算指定时段内的道路交通参数.建立模糊综合评价判别模型,对判别结果量化处理,以最大隶属度原则确定道路交通状态.最后,选...     

基于神经网络BP算法的出租汽车保有量预测法

介绍了出租车保有量神经网络预测模型的建立.以南京市的实际数据为检测依据,论证了该模型应用于城市出租汽车保有量预测的可行性,并对该市2005～2008年的出租汽车保有量进行了预测;该预测模型与传统模型进行预测对比的结果表明,由于神经网络在处理非线性系统方面的优越性,该预测模型在交通预测方面具有较高的计算精度.     

基于优化灰色神经网络模型预测公交换乘需求量的换乘枢纽选址

根据公交换乘枢纽换乘量的生成特点和影响交通换乘量的主要组成因素,研究发现交通换乘量具有“小样本、贫信息”的灰色特征,为此提出了一种基于灰色软计算的换乘需求量预测方法.该方法利用灰色系统原理建立灰色神经网络系统预测模型,通过采用遗传算法改进神经网络的性能,提高系统预测的精度.以兰州市市区公共交通枢纽规划为例,结合实际的道路交通调查数据,运用该方法对提出的交通枢纽方案进行了实证分析与评价.结果表明:改进的灰色神经网络能有效地改善预测精度;运用GA-GNN模型求解道路交通中的非线性问题对提高决策水平具有较大的现实意义.     

基于多时间尺度一步外推的短时交通参数多步预测方法

为了进一步提高短时交通参数多步预测的效果,以自适应指数平滑法、BP神经网络法和小波分析理论作为基础模型,利用前一时刻预测误差确定基础模型在组合模型中所占权重,提出了一种交通参数一步预测组合模型;通过分析交通参数合成和分解机理,在分别提出多时间尺度交通参数合成方法和交通参数分解方法的基础上,设计了一种基于多时间尺度一步外推的短时交通参数多步预测方法,采用某大城市感应线圈1 min时间尺度的交通参数数据进行了验证和对比分析.验证结果表明,交通参数一步预测组合模型的预测效果明显优于任一基础模型,且该方法的多步预测效果明显优于循环一步外推短时交通参数多步预测方法.     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。     

基于参数预测的高速公路交通状态判别

针对目前基于单截面检测数据的高速公路交通状态判别算法存在着判断阈值多,对拥挤样本依赖性强而拥挤样本采集困难等问题,提出了基于交通流预测的交通状态判别模型.预测过程中以车辆的平均占用时间作为预测的目标参数,利用神经网络建立预测模型,并通过相关系数法确定神经网络的输入层.在预测的基础上,以实测值与预测值之间的差值作为判别的依据,判别道路的交通状态.应用广深高速公路实测数据对判别模型的有效性进行检验,并与经典的McMaster检测算法做了对比,结果表明,所提出算法对拥挤样本依赖较少,判别精度高,鲁棒性高.      

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

微表处技术在高等级公路养护中的应用

微表处技术是高等级公路进行预防性养护最经济有效的手段。该工艺在国外已得到广泛应用,被认为是修复道路多种病害最有效、最经济的途径之一,对改善沥青路面使用性能、延长使用寿命、节约投资,具有十分重要的意义。     

高速公路车辙病害研究

讲述了高速公路上的路面病害之一———车辙的形成、发展、危害,给出了相关部门应该采取的预防和维修治理措施。     

高速公路车辆行程时间预测研究

对高速公路联网收费系统的数据和交通监控系统的数据进行了处理和分析,研究了高速公路车辆行程时间分布的规律性和各参数之间的关联性,构建了高速公路车辆行程时间预测模型,最后通过比较实际值与预测值来验证提出的行程时间预测方法,分析了误差的原因.     

基于信息融合的道路前方车辆识别研究

将光学传感器与红外传感器进行信息融合以识别道路前方车辆.首先根据光学图像信息进行保守识别以初步确定车辆目标.在对相应的红外图像进行通道处理的基础上,充分利用其温度场信息提取车辆目标特征以构建车辆验证函数.以车辆验证函数值为依据建立基于最小风险的贝叶斯决策分类器,对光学初识别中得到的车辆目标进行验证,从而成功实现了光学图像与红外图像的信息融合.试验表明该方法能够利用红外热图信息在光学图像保守识别的基础上剔除误判目标,最终得到较为准确的识别结果.     

高速公路桥头跳车的探讨

针对高速公路容易产生桥头跳车现象进行分析,提出减少桥头跳车的防治措施并介绍梨温高速公路桥梁台背回填及伸缩缝的施工控制措施和效果。     

基于CAB气囊展开问题的研究

实车试验出现CAB气囊后腔展开后飘动,扫到假人头部,且气囊后腔展开速度比前腔慢等问题,本文以此为切入点,简述如何通过改变气囊折叠方式、改变气囊花型的方法,改善CAB气囊展开状态的问题.通过此问题的改善,为后续CAB气囊开发提供经验积累.     

基于ABAQUS的凉水井滑坡稳定性分析

利用大型有限元软件 ABAQUS 对凉水井滑坡段进行了数值模拟分析,通过应力应变场的云图分析,确定边坡的最危险潜在滑动面。依据强度折减法的原理,利用ABAQUS定义场变量为强度折减系数值,通过改变场变量实现摩擦角和粘聚力的折减,得出边坡稳定性安全系数,并对滑坡的整治措施提出建议。     

高速公路生态绿化初探

高速公路生态绿化是高速公路绿化发展的趋势和方向。阐述目前高速公路绿化现状,从生态学的角度提出高速公路生态绿化的发展思路,并对高速公路生态绿化模式进行初步探讨。     

机场道面结构安全性能模糊综合评价

应用模糊分析法建立了一个综合评价模型,通过该模型可对机场道面结构的安全性做出定量预估,并可找出影响结构安全的主要隐患和薄弱环节。     

基于AFP的航班延误研究

针对现行地面延误策略对航班延误分配不当问题,对限制空域进行了分析,以空域流量策略为基础,分析航班延误的目标和约束条件,建立航班延误模型,采用矩阵的遍历来确认航路.通过算例与地面延误策略进行比较,对采用AFP进行航班延误分配的有效性进行了验证.结果表明,该方法有效减少了航班延误.