基于交通需求强度的路口多层模糊控制模型研究

针对模糊控制在城市交通信号控制中的应用，提出了基于交通需求强度的路口多层模糊控制模型，首先在阐述路口交通信号控制基本机理的基础上提出了交通需求强度的概念来表示路口交通信号控制的需求问题．在此基础上提出了多层模糊控制模型，第1层用来判断路口的交通需求强度；第2层为相序优化层；第3层为绿灯时间优化层．通过与多方案选择的定时控制相比较，仿真结果表明所提出的多层模糊控制模型具有相对较好的控制效果．     

基于遗传算法的交通信号多层模糊控制模型研究

针对城市交通信号控制问题,提出了一种基于交通需求强度的单路口多层模栅控制模型,第一层用来判断路口的交通需求强度;第二层为相位优化层,主要完成相位优化功能;第三层为绿灯时间优化层,用来确定各个相位的有效绿灯时间,针对模糊控制模型中隶属度函数优化的问题提出了利用遗传算法进行模糊控制模型中隶属度函数的优化模型,确定了遗传算法各类参数的计算方法,通过与普通多层模糊控制模型仿真的比较,结果表明本文提出的基于遗传算法的多层模糊控制模型具有较好的控制效果.     

基于时空注意力卷积神经网络的交通流量预测

为充分挖掘交通流量的复杂时空动态相关性以提高交通流量预测精度,引入空间注意力机制与膨胀因果卷积神经网络,提出一种基于时空注意力卷积神经网络的交通流量预测模型（spatio-temporal attention convolutional neural network,STACNN）.首先,由膨胀因果卷积与门控单元构建的门控时间卷积网络模块用于获取交通流量的非线性时间动态相关性,避免在训练长时间序列时发生梯度消失或梯度爆炸;其次,采用空间注意力机制为路网中的交通传感器节点自动分配注意力权重,动态关注不相邻节点之间的空间关系,并结合图卷积神经网络提取路网的局部空间动态相关性特征;然后,通过全连接层获取最终的交通流量预测结果;最后,利用高速公路交通数据集PEMSD4、PEMSD8进行了60 min的交通流量预测实验.实验结果表明：与基线模型中具有良好性能的时空图卷积网络（spatio-temporal graph convolutional network,STGCN）模型相比,提出的STACNN模型预测结果的平均绝对误差（mean absolute error,MAE）在两个数据集上分别提...     

城市道路场景下驾驶注意力需求的影响因素研究

为探索城市道路场景下影响驾驶注意力需求的交通因素,搭建包含多种交通变量的城市道路交通场景,对30位被试进行驾驶模拟器视线遮挡实验。以视线遮挡概率表示驾驶注意力需求等级,采用逐步逻辑回归方法建立各交通变量对驾驶注意力需求等级模型,并分析其影响方式。结果显示,遮挡概率沿驾驶路线波动较大,不同交通变量对驾驶注意力的需求不同。十字路口、公交车站、路边停放车辆、跟车距离、会车距离和弯道曲率等对驾驶注意力需求影响显著。越接近十字路口遮挡概率越小,到达十字路口时几乎没有遮挡。说明被试会主动适应外界交通环境对注意力的需求,有选择的获取与驾驶有关的交通变量信息,并预测各个交通变量的发展趋势。研究结果有助于提高驾驶分心预警系统的环境敏感性。     

基于虚拟多层次节点的道路网络模型研究

随着城市道路交通网络的发展,路网中出现越来越多的非平面路网情况,传统的基于节点-路段数据模型和N2A网络模型在几何、拓扑关系表达等方面都难以满足立体化交通需求,亟待建立基于虚拟多层次节点的道路网络模型等新模型。     

中美城市交通模型现况评估

交通需求模型预测未来一个区域内对交通系统的需求.这些模型是辅助交通官员与专家对重大交通项目投资和政策策略作出理性决定的重要工具.根据本刊2008年第1期对中国具有代表性的几个城市交通模型系统的示例介绍,对中国目前的交通模型研发、数据及应用进行总结,并比较了中美交通模型的差异.通过对现阶段中国交通模型建设和使用的深入了解,并结合已有研究和实际工作经验,对中关交通模型及其相关的工作进行系统性和前瞻性的讨论.     

面向高速公路流量预测的自适应图注意力网络

为克服循环神经网络和基于预定义图的图卷积神经网络的局限性,捕获交通数据中复杂的时空相关性,实现准确的高速公路流量预测,提出一种自适应图注意力网络模型。该模型整合节点自适应参数学习模块、自适应邻接矩阵生成模块和门控循环单元,以捕获路网交通数据中复杂的时空相关性。同时,为解决循环神经网络难以捕获长期的时间相关性和产生信息损失的问题,设计了一个转换注意力层以建模未来时间步信息与历史多个时间步信息的相关性。最后,基于桂林市高速公路网的真实交通数据试验,验证了所提出方法的有效性。     

基于面向对象分类的密云县城区地面不透水程度分析

利用LandsatTM影像数据,试验了一种基于面向对象分类分析的城区地面不透水程度分析制图方法,包括：对城区多光谱遥感影像进行分割,对分割生成的影像对象层进行面向对象的分类,再在分类的层上执行基于分类的融合,从而获得城区与非城区分布范围的影像对象层;第2次分割影像,获得表示城区独立结构单元的完全不透水地面影像对象层,对该层进行面向对象的分类;第3次分割影像,获得表示城区不同地块的影像对象层,结合第1次和第2次影像分割对象层分类的特征信息对该层进行面向对象的分类,把城区地块按不透水程度大小进行分类;最后输出第3次分割的影像对象层分类结果图,即获得城区地面不透水程度分析图．试验结果表明,面向对象分娄暑一种i舌干分析珐区王lb．面不番水程唐的有张方法     

基于网络交通分配方法族谱的交通分配 一体化技术与工程应用

为满足交通规划、建设与管理等应用场景对交通分配多样化的需求，结合目前交通分配方 法族谱中的众多模型与方法，本文构建能够满足族谱中所有交通分配特征的一体化交通分配技 术框架，提出交通网络交通分配一体化技术体系，并将该体系嵌入交通分析平台软件“交运之星- TranStar”中。该技术体系包括：“模型关键参数”“交通阻抗函数”“交通网络交通分配基础模型与 快速算法”3部分模块组合的分析模型一体化；面向步行、自行车、机动车及公共交通等多模式交 通网络的分析对象一体化；针对城市土地开发，交通网络建设，交通管理控制，公共交通系统，以 及交通政策制定等应用场景一体化。选取南京市道路网络和公交网络进行实证分析。结果表 明，本文提出的交通分配一体化技术具有处理超万节点多模式交通网络的能力，对各类交通模 式、典型业务场景的分析结果可为城市交通系统规划、建设与管理提供决策支持。     

交叉口动态车道与交通信号协同优化方法

以往动态车道研究倾向于在固定信号配时或预先设定的信号配时方案下进行优化,无法充分利用交叉口的时空资源.本文根据实时交通需求,以交叉口车辆平均延误最小为目标,以信号周期、相位绿灯时间和车道数为约束条件,构建动态车道与交通信号协同优化模型.模型分两部分,第1部分考虑进出口道车道平衡,计算可行的动态车道备选方案,将备选方案的输出参数作为第2部分模型的输入参数;第2部分根据实时交通需求,生成动态车道优化方案和信号优化方案.将本文优化方法与传统信号配时方法进行比较,实验结果表明,本文模型能更好地降低交叉口平均延误,有效提升信号交叉口时空资源利用率.     

区域交通预测中土地利用模型的研究

根据区域交通运输的特点,研究区域节点的土地利用状况与节点间交通需求二者之间的直接关系,改进以往区域交通需求预测方法中节点土地利用模型,建立区域中各节点的土地利用状况与区域中节点间交通量直接相关的两步式区域节点土地利用模型,即按照＂土地利用-交通需求预测＂的程序建立区域节点土地利用模型,可优化预测过程,提高预测精度。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

�ۺ���������෽ʽ�ֲ����ģ���о�

针对综合运输网络运量预测需求,建立了多式网络分层分配模型,以分层网络拓扑结构和相应路径搜索算法的改进为重点,建立了适合分层网络结构的运量分配模型. 分层网络模型中心节点代表城市中心和换乘枢纽,相应地构建适用分层网络结构的广义费用函数、路径搜索算法. 以本文研究方法为基础开发了辅助计算系统,用于解决大规模运输网络的运输需求预测问题. 以在建的京沪高速铁路沿线运输网络为研究案例,研究结果验证了本文构建的多方式分层分配模型的有效性与实用性.     

高新区产业结构变迁与道路交通需求

高新区是一种新型城市发展模式的产物,进行交通规划时要充分考虑高新区产业结构的变化。结合苏州工业园区的现状分析了高新区产业结构和交通需求的特点,通过园区不同时期第三产业产值与园区国民生产总值之比,分阶段讨论了产业结构变迁对园区交通需求产生的影响,并对相应路网及交通设施的调整提出了具体建议。     

乌鲁木齐市交通规划模型开发及应用

根据乌鲁木齐路网特征，利用四阶段交通需求模型，构建了乌鲁木齐市交通规划模型，详细描述了模型的输入和输出以及相关参数标定的方案，并结舍实际案例进行应用分析。     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题,构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型,快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法,以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据,验证模型的有效性和准确性. 结果表明,模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测,取得较好的结果.