基于自适应神经网络模糊推理系统的交叉口交通冲突数预测

自适应神经网络模糊系统在建立对象输入和输出关系时,与传统的数学方法不同,它是基于数据的建模。本文利用这一系统特性,建立平面交叉口交通冲突数与进入交叉口内的左转交通量、右转交通量、直行交通量和行人过街交通量之间模型,提出自适应神经网络模糊系统预测交叉口冲突数的方法,建立一种快速获取交通冲突数的预测方法,为交通冲突数的调查开辟了新的途径。     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.     

一种基于模糊逻辑-遗传算法的城市单交叉口交通信号控制方法

针对传统的单交叉口交通信号控制方法考察不全面和运算量大等缺陷，引出了“大相位”的概念。提出了一种基于模糊逻辑-遗传算法的城市单交叉口交通信号控制方法，通过分析和仿真，对该信号控制方法的有效性进行了验证。仿真结果表明，该方法有效地提高了控制效果和计算效率，特别是在路口交通量相差较大和变化较快的情况下。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

交通量观测数据处理的模糊融合算法

交通量数据资料是交通规划的基础，但限于观测手段、观测方式等原因，致使交通量数据不完整、数据失置：针对这些存在的问题，介绍了3路交叉和4路交叉转向交通量的分解方法，提出了路段交通量的模糊融合模型及其量解算法。最后以某简单路网为例对模糊融合模型进行计算，结果证明利用该算法对原始数据进行处理，可以得到完整可靠的交通量数据。该方法借助MATLAB软件求解，简便可行，提高了交通规划工作的效率。     

环形交叉口待行区设置与信号控制方法

为解决环形交叉口左转通行能力不足的问题,提出一种借助内侧环道与外侧环道设置左转待行区和直行待行区,并建立环道交通信号与进口道交通信号协调控制的环形交叉口信号控制方法。在饱和度等约束条件下,基于进口道停车线和环道停车线后不同的交通状态建立相应的延误计算模型,以延误最小为优化目标建立信号控制参数优化模型。案例分析表明：当左转交通量低于左转二次停车控制法适用的左转临界值时,所提出方法的延误较高;而当左转交通量高于该临界值时,左转二次停车控制法的延误快速上升并高于所提出方法的延误,且将导致环道锁死,而采用该方法仍能稳定运行,验证了提出方法的有效性。进一步分析进口交通量、不同类型环道数量和环岛半径等差异对所提出方法控制效益的影响,结果表明：随着环形交叉口进口交通量增大,该方法适用的临界左转比例随之降低;当进口交通量的左转比例低于临界左转比例时,交叉口处于非饱和状态且延误低;反之,交叉口处于过饱和状态且延误高。当左转交通量高于450 veh·h^-1时,增加左转环道有利于降低车均延误;而当直行交通量高于1 150 veh·h^-1时,增加直行环道效果更佳。当进口交通量小于800 veh·h^-1时,环岛半径对交叉口延误影响不大;而一旦进口交通量高于800 veh·h^-1后,环岛半径对车均延误的影响随进口交通量的增长愈加显著,环岛半径越大,交叉口车均延误就越高。     

基于交通预测的多态交通流信号控制

为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明：该方法可有效降低行车延误,提高交叉口服务水平。     

一种改进的移位左转车道信号控制方法及其效用分析

针对交叉口传统移位左转交通组织存在的交通冲突与通行效率问题，提出了一种改进的移位左转车道设置方法，并分析改进前、后的交通冲突状况。综合考虑行人与非机动车的过街需求，分析路段左转信号与交叉口主信号之间的协调控制关系，设计改进的移位左转交叉口相位方案，建立移位左转交叉口设计要点计算模型，包括移位左转车道长度、路段左转变道段长度、路段左转车储存段长度。假设车辆到达服从泊松分布，推导并建立改进的移位左转交叉口各相位的延误计算模型。以车均延误最小为目标，构建改进的移位左转交叉口信号控制参数优化模型，采用穷举法给出其求解算法。从左转交通量、移位左转车道长度、交叉方向右转车辆比重3个方面分析改进方法的适用条件，并借助VISSIM仿真，使用在哈尔滨市交叉口收集的数据验证改进方法的效用。研究结果表明：当移位左转车道长度为100 m左右时，该交通组织方式可以发挥最大效益；改进的移位左转交通组织较改进前交叉口车均延误下降了16.1%，验证了所提改进方法的有效性；当左转交通量小于400 pcu·h^-1，交叉方向右转交通量比重大于25%时，采用改进的移位左转方法，交叉口的通行效率改善更加显著。研究成果可为移位左转车道的设置及信号配时提供依据。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

胶州湾海底隧道综合超前地质预报技术研究与实践

本文以胶州湾海底隧道为例,研究了超前地质预报中经常采用的预报手段,并概括了国内的综合超前预报研究现状,提出了综合超前地质预报的概念,指出了其优缺点和适用性。针对三线海底隧道,提出了具体的综合超前地质预报流程。运用本文所提出的三线海底隧道综合超前预报方法对胶州湾海底隧道的服务隧道和左线主隧道进行了多次综合超前地质预报,预报效果良好,工程进展顺利,取得了良好的经济效益。     

基于优化灰色神经网络模型的内燃机气缸套磨损量预测的研究

气缸套磨损量是衡量汽车发动机寿命的重要因素。针对传统灰色预测模型的缺陷,采用均值修正策略,对样本数据进行预处理,实现灰色预测模型的优化;将灰色预测模型与BP网络相结合,建立了优化灰色神经网络预测模型;实例分析结果表明,优化模型能更精确地预测发动机气缸套的磨损量,为发动机的寿命预测与维修提供了更有效的方法。     

基于粗糙集理论的短时交通流组合预测研究

为满足交通流诱导系统的理论需要,建立了一种基于粗糙集理论的实时交通流量组合预测模型。通过粗糙集理论来确定组合预测中的权系数,对路段的交通流做出短时预测。结合某路段的实际交通流数据,对预测模型进行仿真训练,经过比较分析,验证了该组合预测模型的有效性和实用性。     

差分法在路基沉降预测中的应用

路基沉降预测是保障道路安全施工的重要工作之一。在预测工作中，模型选取很关键。本文利用差分法对主要路基沉降预测模型，包括对数曲线预测模型、皮尔曲线模型和多项式曲线模型等方法进行差分计算。对工程现场实测值进行差分分解，探讨适合不同监测点的预测模型，将其差分法分析的最佳拟合模型应用于实际监测值拟合，研究结果表明，拟合效果较好，能够快速确定预测模型，可避免模型尝试的盲目性，对类似工程具有较好的应用价值。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

TGP地震预报技术在隧道超前地质预报中数据异常原因分析及处理措施

隧道施工常采用地震反射波法采集地震波数据,受施工进度、地质情况、现场配合、操作人员水平等因素限制,使得很多采集到的数据出现异常。为提高数据采集质量,避免出现异常数据,通过TGP地震预报技术在铁路隧道工程中的应用实践,从触发与装药、电压(流)干扰、耦合不良、隧道管波、岩性变化5方面分析总结异常数据出现的原因,并提出相应的处理措施:1)提高装药质量;2)远离高压电缆及设备;3)保证成孔质量;4)做好注水和堵孔;5)重视基础地质工作。通过采取以上措施,达到准确预报前方地质情况的目的。     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

公路边坡变形跟踪预测系统开发及应用

公路边坡变形监测预测是评价公路边坡稳定性的一种有效手段,为提高公路边坡变形监测和预测分析的效率,通过监测信息的自动采集和无线传输,实现边坡变形数据的远程实时存储;针对公路边坡变形破坏模式复杂多样的特点,以系统化和信息化为原则,集成了多种常用时间预测模型,建立了边坡变形预测模型库;采用Visual C+〖KG-*3〗+编程技术,将远程实时监测和预测分析功能集成,开发了边坡变形跟踪预测系统,并成功应用于某公路边坡变形安全监测中。     

基于BP神经网络方法的岩溶隧道突涌水风险预测

为了准确预测岩溶隧道突涌水风险等级,以降低隧道施工过程中突涌水事故的风险,在参考相关文献的基础上,统计研究及综合分析岩溶隧道水文地质条件,选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下,影响因素的权重有较大差异,为避开影响因素权重分析,运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上,结合超前地质预报,优化隧道施工开挖支护方案。在工程应用中,运用BP神经网络方法,对某隧道进行突涌水风险评估,结果与实际施工情况较一致,并结合超前预报提出合理的支护方案,避免了隧道突涌水事故的发生,以期为岩溶隧道突涌水风险预测提供借鉴。