�������н�ͨ�Ľ�����ź���ʱ��Ŀ���Ż�ģ��

城市道路交叉口各交通方式构成比例不同,对控制方案需求不一. 针对各种交通方式混行的信号控制交叉口,考虑道路使用率、出行者时间效率以及环境效益之间的协调关系,结合多目标规划模型的思想,以通行能力最大、车辆停车率及出行者平均延误最小为目标,以饱和度为约束条件,建立交叉口信号配时多目标优化模型. 根据不同交通状态下,各交通方式混合比例确定各性能指标的重要程度,最后运用遗传算法进行求解. 计算结果表明,配时参数多目标优化模型在综合性能指标下优于Webster算法,而且能较好地适应各交通状态的变化,使快、慢行交通协调运行.     

���н�ͨ�滮�л����� ������ȾӰ�������������Ӧ��

以可持续发展的城市交通规划理念为基拙，探讨了城市交通规划过程中机动车对空气污染的影响进行分析的关键技术:机动车尾气排放的调查内容与调查方法、单车排放因子的确定、城市街道污染物扩散模型的选择和建立、交通网络环境条件下机动车尾气排放量和街道污染物扩散浓度的计算及交通网络负荷条件下交通污染评价.简要介绍了这些技术在苏州市城市交通规划中的应用，证明其能够在城市交通规划阶段比较系统地分析城市交通对城市环境的影响.     

������Ƶ���ĻƵ��ڼ��ʻԱ��Ϊ�о�

黄灯政策问题已成为道路交通安全领域的研究热点.本文开发了基于视频处理技术的交叉口检测系统,自动采集黄灯期间的交通数据,包括黄灯启亮时车辆到停止线距离、速度、加速度和黄灯结束后车辆的通过情况,建立黄灯期间的驾驶员“停车/行进”决策行为模型和“抢黄灯”行为结果模型.利用北京市“闹市口大街—宣武门西大街”和“中关村东路—成府路”的视频数据对模型进行检验,两个模型的预测结果与实际观测误差分别为8.6%和2.5%.实验结果表明,视频检测技术和驾驶员行为模型能够应用于交叉口的控制管理,本文提出的模型与方法可为相应交通管理措施的制定和实施提供技术支持和理论依据.     

���ڵ�����ͣ�����˿ɿ��Է���

停车换乘可靠性是决定停车换乘设施能否成功吸引用户的重要因素之一.为了度量基于地铁的停车换乘可靠性,考虑了道路网上旅行时间不确定性、停车设施内搜索泊位时间不确定性和地铁车站等车不确定性,定义了“换乘可靠度”和“方式可靠度”.利用随机网络均衡分析方法模拟小汽车出行者以个人旅行时间最小为原则的旅行选择行为,包括方式选择、路径选择和停车设施选择.通过蒙特卡洛模拟和相继平均法求解均衡模型,并设计算例验证了不确定性对停车换乘分担率的显著影响.算例还分析了地铁发车频率、停车设施容量和总需求强度等因素对停车换乘可靠性的影响.     

������վվ̨��ȼ��㷽���Ľ�����������

针对目前设计手册中城市轨道交通车站站台宽度计算存在的问题,本文根据现场调研,借鉴其他国家或地区的设计规范,提出了计入楼扶梯纵向对应宽度的改进站台乘降区宽度测算方法;并采用计算机行人仿真工具,分别根据原方法和改进方法计算得到的站台宽度建立了案例车站的实体环境,进行仿真分析,得到了两种方法设计的车站的行人密度分布、行人时间损失、站台集散时间等指标.指标对比显示,对站台集散能力起决定作用的是站台楼扶梯,采用改进的计算方法,站台宽度虽然有缩减,但是整体服务水平降低不大,改进的计算方法在满足站台安全舒适性的要求的同时可缩减车站规模.     

���н�ͨӵ���ⲿ�ɱ����������о�

拥挤收费的主要原因是拥挤外部成本的存在。城市道路交通拥挤外部成本的定性、定量分析是城市道路拥挤定价的基础。文章首先分析了城市道路交通拥挤的产生机理，即出行者忽视拥挤负外部性的存在而盲目加入拥挤队伍；然后明确了城市道路交通拥挤外部成本的构成：额外时间成本、环境污染成本、交通事故成本和燃油消耗成本，并研究其定量计算方法；最后应用实际数据进行了计算分析，证明了该方法的可操作性。该项研究为实施城市道路拥挤收费等交通需求管理策略提供了基础和依据。     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

Non-Linear Combined Prediction Model of Medium and Long-Term Civil Vehicle Population of China

With consideration of the economy development tendency in China, a civil vehicle population prediction model is developed based on the space-time theory. First, with the domestic and international experience on vehicle development, the gray Verhulst model is used to describe the vehicle population development tendency and predict the vehicle population in the next 20 years. Second, several social and economical indexes related to the civil vehicle population are selected by comparing the correlation coefficient value, and then, the principal component method is used to reduce dimension of the selected indexes and obtain some principal indexes. Based on the econometrics theory, a forecasting model is formulated to predict the vehicle population in the next 20 years. Integrating these two forecasting models, a non-liner combination forecasting model is developed based on the BP neural network. The reliability and accuracy of the linear combination forecasting model are tested by the vehicle data from 2003 to 2007. Finally, the civil vehicle population of China in the next 20 years is predicted based on the linear combination forecasting model.     

基于灰色Verhulst模型的民航远期货运量预测研究

从分析民航远期货运量预测的难点入手,引入灰色Verhulst模型,并分析了此理论应用于中国民航长期货运量预测的可行性及方法,在此基础上建立了民航货运量的Verhulst预测模型,结合中国民航货运量的历史数据进行了研究和分析。研究表明,灰色Verhulst模型在民航长期货运量预测方面具有较好的应用效果。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

城市货运量的灰色Verhulst预测模型

以研究城市货运量的预测方法为目的,为了提高城市货运量预测模型的预测精度,分析了GM(1,1)和Ver-hulst预测模型的特点,发现Verhulst预测模型更适用于城市货运量的预测,采用灰色Verhulst预测模型对城市货运量进行预测,通过比较GM(1,1)和Verhulst预测模型的结果可知后者具有较高的精度和可靠性,最后通过实例说明预测方法的可行性,为实际决策提供理论参考。     

基于主成分分析与BP 神经元网络的驾驶能耗组合预测模型研究

近年来交通领域能源消耗问题备受关注,本文从微观交通能耗预测出发,以实现北京市快速路基础路段的油耗预测为目的,基于出租车车载OBD/GPS终端,提取驾驶员微观驾驶行为数据,建立基于主成分分析与BP神经元网络的油耗组合预测模型,实现北京市快速路基础路段油耗的准确预测.结果表明：速度均值及标准差、最大车速、工况百分比、加速度及减速度均值、行驶距离和动能对油耗影响程度相对较高;同时模型能够实现城市快速路基础路段能耗的有效预测,预测精度达到92.46%.该方法的研究为城市交通能源消耗的监管与把控提供了支持.     

道路交通事故灰色Verhulst预测模型

为提高道路交通事故灰色预测模型的预测精度, 分析了GM (1, 1) 模型和灰色Verhulst模型的特点, 发现GM (1, 1) 模型适用于具有较强指数规律的序列, 只能描述单调的变化过程, 而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程, 建立交通事故Verhulst预测模型。Verhulst预测模型和GM (1, 1) 预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人, 相对误差分别为1.49%和9.43%, 可见Verhulst模型的预测精度明显优于GM (1, 1) 模型。     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一,为解决现有预测算法模型精度低、相对误差大的问题,本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入,通过聚类和过滤封装式特征筛选,提取最优特征集合,并基于行驶片段样本量选择预测方法,通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度,通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035,平均相对误差为1.71%,能够精确稳定地实现行驶里程预测.     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一,为解决现有预测算法模型精度低、相对误差大的问题,本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入,通过聚类和过滤封装式特征筛选,提取最优特征集合,并基于行驶片段样本量选择预测方法,通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度,通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035,平均相对误差为1.71%,能够精确稳定地实现行驶里程预测.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.