基于浮动车定位数据的高速公路区间平均速度估计

通过对浮动车定位数据情况的分析,可知大部分速度估计算法仅适用于采样时间间隔不大于行程时间的情况,为在相同浮动车比例以及采样时间间隔的条件下,提高数据利用率,以提高速度估计结果的路网覆盖率,提出两种速度估计算法:车辆跟踪法、速度-距离积分法,并给出路段区间平均速度自适应估计模型.使用真实交通流OD 数据进行仿真,结果表明...     

包含出入口匝道的高速公路路段行程时间估计方法

针对高速公路路段是否包含出入口匝道的特征,提出了1种行程时间估计改进方法。根据不同类型路段流量变化及影响范围,通过匝道物理位置对传统半距离法中路段行程时间的取值进行优化,获得了适应于匝道引起流量不均衡的行程时间估计方法。以南京机场高速公路为背景,通过Vissim仿真所得地点速度值,结合路段行程时间真实值,检验所提方法的性能。实验结果表明:当路段出入匝道的流量均衡时,所提方法较半距离法的精度提高3.71%,较空间线性插值法精度提高4.59%,当出入匝道的流量相差较大时,所提方法较半距离法的精度提高16.27%,较空间线性插值法精度提高17.29%。结果验证了改进方法较半距离法和空间线性插值法更具优越性。     

基于路段平均速度的坡道变速车道长度修正研究

通过对7条国道交通量数据的统计分析,选出我国高等级公路上行驶的有代表性的车型作为研究对象,以道路上车辆行驶的路段平均速度为基础,利用汽车行驶理论推导出坡道上变速车道长度修正系数的计算公式。讨论道路坡度对车辆加速性能的影响,进而推导出道路坡度与变速车道长度的关系,同时计算出不同道路坡道时的变速车道长度的修正系数,并与现行道路路线设计规范进行对比分析,给出坡道上变速车道长度的修正系数参考值,供公路设计人员设计山区或丘陵区高等级公路时参考。     

基于支持向量机的高速公路意外事件检测模型

为建立快速高效的高速公路意外事件自动检测系统,提高意外事件救援效率,就高速公路意外事件检测中的关键技术进行了研究。在剖析现有模型特征的基础上,引入支持向量机理论,建立了基于支持向量机的高速公路意外事件检测模型。利用自主开发的EAD-Simulations系统所建立的数据库,对模型进行了仿真试验,分析了不同核函数对检测性能的影响,研究了单侧输入与双侧输入、不同输入特征因素组合的性能指标。结果表明:与California 8#算法相比,该模型检测率提高了179%,误检率降低至0.50%,平均检测时间缩短了81%;同时得到了上游占有率与流率组合的最优输入特征。     

基于支持向量机的高速公路事件检测研究

高速公路事件检测（AID）系统可以有效的减少交通延误、保障道路安全，减少环境污染，是智能交通管理系统的重要组件。文章采用一种新的模式识别技术——支持向量机（SVM），来进行高速公路的事件检测。支持向量机是以统计学习理论的VC维理论和结构风险最小化原理为基础，算法上采用二次规划、拉格朗日理论，因此有效避免了过学习、局部极小点等问题。最后，采用Matlab对该方法进行了测试。     

基于多指标与支持向量回归的道路监控图像质量检测方法

图像质量是闭路电视监控系统检测中的关键性能参数。通过分析道路监控图像质量检测的主观和客观方法,提出一种基于多指标与支持向量回归的检测方法。借助该方法可提取监控图像的像素数目、对比度、边缘清晰度和噪声干扰等指标,采用支持向量回归算法对多指标进行融合,建立图像质量客观评分的检测模型,最后通过开展仿真试验,验证了各指标提取算法的正确性以及支持向量回归算法对多指标融合的有效性。     

基于可靠度的高速公路基本路段交通安全改善方法

应用系统可靠度原理,对高速公路的安全可靠性问题开展研究。分析可靠度理论在高速公路中的适用性,给出基于事故发生间隔时间的高速公路安全可靠度量化计算方法,并提出基于安全可靠度提升率和日事故次数减少率的2种安全可靠度改善方法。     

路段排队最远点估计方法研究

城市拥堵的发生过程一般是某路段发生拥堵,然后扩散至其他路段进而形成区域拥堵.因而,如果能够在排队上溯至交叉口之前估计出路段排队长度并实施控制,就可以在一定程度上缓解拥堵.为了得到路段实时排队最远点,文中利用点信息对路段上的排队演化进行研究.从分析路段排队形成时的道路交通流运行特征入手,研究了道路交通流运行状态与固定点数据之间的映射关系,提出了分别利用单固定点信息、双固定点估计连续流形成的排队最远点.利用仿真软件对其进行验证,并研究了不同的采样间隔对算法的影响,结果表明,该算法可以在一定的采样间隔下得到较好的结果.     

基于支持向量回归的桥梁抗震动力可靠度计算

为了满足桥梁结构基于性能的抗震设计需求,提高桥梁抗震动力可靠度分析计算效率,提出一种基于支持向量回归(SVR)的桥梁抗震动力可靠度分析计算方法。该方法综合考虑了结构参数随机性和地震动激励随机性的影响。在ANSYS有限元分析软件中建立桥梁有限元数值分析模型,进行随机振动分析计算以确定结构在随机地震动激励作用下的响应功率谱;进而通过首次超越破坏准则得到桥梁结构在地震作用下的失效概率。采用均匀设计试验方法(UD)在结构参数样本空间选取合适的试验点,利用支持向量回归建立起结构参数与失效概率的对应关系式,再通过连续型随机变量的全概率公式得到结构在双重随机性下的失效概率。最后以一座主跨180 m的高墩大跨连续刚构桥为工程背景进行抗震可靠度分析计算,结果表明:采用UD-SVR方法拟合关于结构参数与失效概率的响应面函数进行可靠度分析计算,对复合随机系统的动力可靠度计算具有较高的效率,为复杂结构的抗震动力可靠度分析计算提供了一种新的思路。     

基于支持向量回归集成学习的新能源汽车销量预测

新能源汽车的普及,有利于减少大气污染,提高空气质量.但与新能源汽车相配套的公共充电基础设施、维修服务等问题却阻碍了新能源汽车销量的增长.因此,预测我国新能源汽车销量以完善相关配套措施、促进新能源汽车产业的发展就显得尤为重要.针对新能源汽车产业属于新兴产业,其相关历史数据较少,且销量变动较大以及影响其销量的因素存在非线性...     

基于遗传算法优化支持向量回归的电池SOH预测

针对实车运行过程中电池当前可用容量难获取、电池健康状态评估不准确的问题,提出利用车辆的停车充电片段数据,通过箱型图及卡尔曼滤波算法对安时积分法计算所得的电池容量进行修正,构建支持向量回归模型用于电池衰减预测,通过皮尔森相关性分析确定有效的模型输入参数,结合遗传算法优化模型参数。结果表明：优化后模型的拟合优度可达88%,相较于优化前提高了12%,可以实现电池健康状态的准确预测。     

基于支持向量回归的视距计算模型建立和应用

为了更加有效地对山区高速公路隧道段的行车视距进行检验,建立基于支持向量机的视距计算模型,并将该模型应用于实际隧道的视距检验中。首先对驾驶人视觉图像识别的道路中心线建立视觉车道模型,提取6个特征值作为形状参数,包括视曲线长和视曲率,相关性分析发现上述6个参数之间存在显著的线性相关性,采用主成分分析法将6个参数降维成2个独立的主成分。然后基于支持向量机建立计算行车视距的模型,训练测试完成后,该模型的均方误差为0.071 8,拟合优度为0.359。最后,利用该模型对浙江上三高速公路新昌至白鹤段的10个隧道路段进行视距检验,发现南往北向马岙岭隧道和北往南向龙山隧道存在运行视距不足的情况,对照各个隧道的驾驶人视觉图像,发现这2处地点存在不合理的视觉环境设计,包括速度控制、视线诱导和增强等设施,导致在行驶过程中,视觉环境供给的视距难以满足驾驶人需求的视距。研究结果表明:横向减速标线配合隧道口彩色路面提醒可对隧道入口段进行有效速度控制,从而降低行车视距的需求;通过在隧道内设置闪光式轮廓标和出口外设置绿化带或植被护坡可以增强驾驶人视觉感知,从而减少隧道入口段黑洞现象和出口段白洞现象的持续时间,增加视觉环境中供给的视距;2种设计都有助于实现视距供需的平衡。     

识别路段交通平均速度的一种相关分析法

本文应用线性系统识别理论，提出一种在交通情况下对较长周期内路段交通平均速度进行在线识别的算法，其关键是对路段输入，输出交通量中的随机信号进行相关分析，从而识别该路段交通的脉冲响应函数，优点是所需实测数据少，不必测量每车速度，检测器不必埋设第二个环形线圈。本文进而提出识别段内平均车辆有效长度的算法及确定各交通参数的整套算法，应用结果表明这些算法可行。     

基于GPS浮动车的自然路段行程时间估计方法

针对目前基于GPS浮动车交通信息采集技术的研究大多只是涉及宏观方案,细节研究较少,导致产生所得交通信息质量不高的问题,考虑数据用户需求以及路网空间数据的特点设计了自然路段划分方法,同时结合动态GPS数据与路网空问数据的特点提出了路段行程时间估计算法.利用编程语言完成了算法实现,并且利用实测数据进行了算法验证.结果表明,自然路段行程时间估计算法不仅运行高效、稳定,同时获取的路段行程时间数据精度较高.     

高速公路穿越城镇路段选型方法探讨

随着中国城市化进程的不断加速,对于穿越城镇路段高速公路的选型就显得尤为重要,选型是否科学合理将对城镇的总体规划布局以及城市的空间发展等造成重大影响。该文通过对以往高速公路穿越城区路段设置形式存在的种种弊端的分析,结合杭州地区的工程实践,提出穿越城镇路段高速公路选型设计的思路和方法。     

基于曲率感知的高速公路隧道弯道路段调控方法研究

为定量分析高速公路隧道弯道路段不同半径条件下,线形诱导标志和反光环对驾驶员曲率感知的影响,基于室内仿真试验,选取20 名驾驶员作为被试,分别测量驾驶员在不同试验场景条件下的弯道错觉程度,并对试验数据展开分析。试验结果表明: 1)采用线形诱导标志的隧道弯道视线诱导方法,驾驶员弯道错觉表现为高估弯道半径,且仅在半径为200~400 m 条件下,具有较好的诱导效果,弯道错觉程度小于7%;同时,驾驶员的弯道错觉程度与隧道弯道半径显著正相关,与线形诱导标志的可见个数显著负相关。2)采用反光环的隧道弯道视线诱导方法,驾驶员的弯道错觉程度仅与反光环的可见个数存在显著负相关,且随着可见反光环布设个数的增多(4~6 个),会导致驾驶员低估半径的错觉程度过大(>-20%),不利于驾驶员安全行车。3)在隧道弯道路段(200~1 800 m),当可见反光环为3 个时,不同半径下的弯道错觉程度均小于布设线形诱导标志的方案(小于5%)。因此,采用在隧道弯道路段布设3 个可见反光环的方法更有利于提高驾驶员的曲率感知能力。     

基于Lagrange支持向量回归机的短时交通流量预测模型的研究

在智能交通系统中,进行实时、准确的交通流预测是交通控制和交通流诱导的关键之一,直接影响交通控制和交通诱导的效果.基于支持向量机,提出了一种Lagrange支持向量回归机的交通流量短时预测模型,能够实现对交通流量的有效预测.仿真试验表明,Lagrange支持向量回归机具有良好的泛化性能、更快的迭代速度,预测结果优于改进的BP神经网络.     

基于批处理增量Lagrange支持向量回归机的短时交通流预测模型

实时、准确的交通流预测是智能交通控制和诱导的关键之一,针对实际中短时交通流数据批量增加的情况,为了提高预测模型准确性、缩短运行时间和模型更新问题,文章提出了一种基于批处理增量学习Lagrange支持向量回归机的短时交通流预测模型。仿真实验表明,与传统的支持向量回归机增量学习算法相比,提高了模型的预测精度,缩短了训练时间。     

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。     

基于改进支持向量回归机的锂离子电池剩余寿命预测

为提高电动汽车锂离子电池剩余循环寿命预测的准确性,提出了一种基于改进支持向量回归机的预测算法,利用免疫完全学习型粒子群优化算法对支持向量回归机的惩罚系数和超参数进行优化,增强其预测能力,基于NASA PCoE研究中心提供的锂电池测量数据,与完全学习型粒子群优化的支持向量回归机预测算法进行对比分析,仿真结果显示,本文提出的算法预测相对误差低于6%,容量预测平均相对误差低于0.4%,具有更好的预测性能。