基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

基于GA模糊聚类的城市快速路交通流状态划分

采用基于遗传算法的模糊聚类划分城市快速路交通流状态,借助模糊相关度函数分析聚类结果的有效性,以寻找交通流状态的最佳分类数。遗传算法的引入,有效改善了传统模糊聚类对初始化敏感以及容易陷入局部最优解的问题。经上海市城市快速路实测数据验证,此算法对交通流状态的划分具有可行性,且聚类有效性分析能够合理确定交通流状态最佳分类数。上述研究成果可用于城市快速路交通信息发布、服务水平评价以及交通设施的控制与管理。     

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明：该方法能够识别出三相流理论中的自由流和同步流状态。     

城市道路冰雪路面交通流状态特性研究

在采集冰雪期北方城市主干路交通流数据基础上,采用多元统计中的因子分析法对冰雪期不同路面状态上的交通流状态进行研究,并对因子得分进行聚类分析,将交通流状态分为三类,根据这三类交通流状态在各种路面状态下出现的频率,再次聚类,得到不同路面状态下关于交通流状态的分类。这一结果为中国北方城市冬季交通诱导系统中交通流状态的识别提供了一定的理论基础和依据。     

基于模糊聚类和判别分析的交通状态提取算法

针对交通状态的模糊性和不确定性,在综合考虑交通流3个参数（流量、速度、占有率）的基础上,设计了城市道路交通状态提取算法。采用模糊聚类技术,对覆盖所有交通状态的历史数据进行聚类分析;根据聚类结果,对交通数据进行判别分析,判断其所属交通状态;用实测交通数据进行了状态提取实验,并和问卷调研的统计结果进行了对比分析,结果表明该方法能够有效地进行交通状态的提取,可以准确反应道路使用者的真实感觉。     

基于模式识别的短时交通流预测

实时准确可靠的短时交通流预测是智能运输系统的基础,有很多种方法被用来对交通流进行预测.基于模式识别的交通流预测方法是较新的预测方法之一.提出一个用于短时交通流预测的模式和对应的模式识别算法,并对城区道路的交通流做了实验预测,结果表明在趋势上较为准确.     

公路隧道交通流预测模型研究

在公路隧道前馈式通风控制系统中，需要对下一控制周期内的交通流进行在线预测。针对公路隧道交通流的特点，分别建立了神经网络预测模型和模糊逻辑预测模型，并采用仿真手段对它们的预测效果进行测试。测试结果表明，神经网络预测模型对正常交通流的预测精度较高，而模糊逻辑预测模型则对异常交通流的预测精度较高。     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于Kalman滤波的城市环路交通流短时预测研究

在介绍现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波（Kalman）的预测模型及其具体算法。结合城市环路的交通运行特性，构建了基于卡尔曼滤波的交通流短时预测模型，并根据北京市三环路的实际数据对模型进行验证。实证数据表明．所建立的交通流动态实时预测模型的预测效果比较理想，算法的实时性也满足实际预测系统的要求，可应用于交通流预测及交通智能控制。     

BRT信号优先控制系统模式研究

BRT信号优先是解决城市BRT车辆在交叉口延误的有效方式。从BRT公交的运行特点及3种传统的信号控制模式入手,提出一种BRT全线路段定周期优先感应控制模式,并论述其优化思想及控制流程,以更好地适应中国的交通流特征,提高路网的运行水平。     

基于SARIMA模型的城市道路短期交通流预测研究

以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均（SARIMA）模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即预测误差绝对值均值和预测误差百分比绝对值均值,来对模型预测表现进行衡量与比较。研究结果显示,虽然只考虑城市道路短期交通流数据中周周期性的SARIMA模型预测能力比只考虑日周期性特征的SARIMA模型好,但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的SARIMA模型表现差。     

基于GIS分析的深圳市道路交通事故空间分布特征研究

掌握城市道路交通事故空间分布特征是城市道路交通安全管理的重要基础。基于深圳市2014~2016年的道路交通事故数据,首先应用地理编码方法对原始事故记录进行空间定位,形成事故的空间分布。其次针对考虑/不考虑路网密度的2种情况,应用密度分析方法对道路交通事故多发的区域和事故严重程度较高的区域进行鉴别,比较2种情况下区域分布的差异并分析造成这种差异的可能原因。最后利用异常点分析和热点分析2种空间聚类分析模型对事故严重程度较高的区域进行进一步鉴别,并对密度分析和聚类分析2种方法得到的结果进行了比较。密度分析结果表明：就事故频度而言,深圳市中心城区单位面积上的交通事故频度较高,而郊区单位长度道路上的交通事故分布更为密集;就事故严重程度而言,郊区的交通事故平均严重程度高于市中心区域。造成上述差异的原因可能与郊区道路限速较高等因素有关。聚类分析结果与密度分析结果相近,在郊区形成了高严重程度的事故聚类,而在中心城区形成了低严重程度的事故聚类,说明郊区的交通事故严重程度总体高于市中心区域。从2种方法的比较来看,密度分析简单易行,有助于交通管理部门对城市交通事故空间分布特征直观快速的了解;聚类分析可精确到事故点,为精细化的交通安全管理工作提供支撑。研究结果表明基于密度分析和聚类分析的研究方法对于确定道路交通事故空间分布特征有良好的作用。     

山地城市道路交通与城市形态关系浅析

城市形态是交通模式的基础,交通模式对城市形态具有引导作用,该文通过对山地城市特征、用地形态的生成及拓展规律的分析,从宏观层面(城市形态、交通模式和交通结构)和微观层面(城市土地利用和居民出行方式)总结了山地城市用地形态与道路交通相互影响相互制约的关系。     

交叉口信号控制自组织算法

为提高信号交叉口的控制效率,运用模式识别基本理论,对交叉口交通流运行状态的基本特征进行了提取,构建了信号控制模式类型与模式空间;依据定时控制、感应控制和自适应控制延误模型,运用统计模式识别方法建立了交叉口信号控制的模式分类方法;在此基础上,应用自组织理论,建立了信号控制方式之间的转换算法(自组织算法)与协商机制;最后结合哈尔滨市智能交通系统应用示范工程调查数据进行仿真。研究结果表明:交叉口信号控制自组织算法较单一信号控制方式在提高信号控制效益方面具有明显优势。     

城市快速路匝道合流区车辆交互行为模式

在城市快速路匝道合流区,驾驶任务难度主要来自于车辆与其周边车辆之间的动态交互,目前对这种交互行为的特征和机理的认识还不十分清楚。基于从无人机视频中提取的高精度车辆轨迹数据,提取出表征车辆交互行为的指标TTC和GAP,并结合速度、加速度、车道位置等其他指标,对车辆的交互过程加以刻画,从中获得了大量交互行为实例,并在此基础上归纳总结出9种典型的车辆交互行为模式。通过分析各模式特征发现：即使在相同的外部环境下,车辆交互行为模式也可能存在差异,这表明交互行为不仅与车辆之间的相对位置、时空距离、速度状态等环境因素有关,还与驾驶人的应对能力、动机及风险意识等认知心理有关;另外,不同的交互模式面临的风险不同,并且该风险既可能是周边车辆行为发生改变而被迫卷入,也可能是驾驶人自身主动寻求的结果;9种不同类型的交互行为模式,构成了驾驶人自行感知的4种风险状态互相转换的具体实现形式;在驾驶过程中,驾驶人努力寻找契机并选择某种交互行为模式在各个风险状态之间来回切换,并非仅由心理压力较大的危险态向压力较小的自由态转换,也会发生反向转换,前者主要由降低事故风险和减少认知努力的动机驱动,后者旨在追求行车效率,但同时驾驶人会付出更多的认知努力以对抗风险的增加,这充分反映了驾驶人试图在行车效率、事故风险与认知努力三方面取得平衡。研究成果对深化理解驾驶行为及其背后的决策机制具有积极意义。     

平面立体视觉效果限速图案应用研究

通过在道路上合理位置涂画平面图案,使其产生立体实物障碍视觉效果,迫使驾驶人出于避害目的下意识降速,强制车辆减速到安全行驶速度,达到提高道路交通安全性能的目的。     

论“险情＋避让”二元事故认定模式

介绍了“险情＋避让”二元事故认定模式的理论依据，并着重从实体和程序2方面阐述二元事故认定模式。此模式对公安机关交通管理部门事故认定自由裁量权有所制约；将有助于交通事故认定统一化、规范化。     

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。