基于大数据分析和多模型融合的交通拥堵高效预测技术

文章利用可变系数加权优化方法对交通大数据进行聚类分析,并为了适用于常发性和偶发性拥堵,采用改进的两级加权优化ELM对分类进行模式识别,以期提高拥堵预测的精确度。同时,引入了上下游关联的拥堵传导模型,进一步提高拥堵预测的关联性。当预测到或已检测到交通拥堵时,在拥堵诱导上采用路网局部最优化模型为出行者规划路线,路网全局最优化模型则为管理部门使用并为未来规划提供辅助决策。仿真实验结果表明,多模型融合技术能预测较长时间后的拥堵情况并维持较高的准确率,为构建高效、经济、安全和便捷的现代化综合交通体系提供科技支撑。     

基于XGBoost的城市轨道交通短时客流预测

城市轨道交通短时客流量具有随机性、周期性、相关性的特征,而短时客流预测作为城市轨道交通运营组织优化的关键技术,其预测数据的准确性将直接影响城市轨道交通运营组织的合理性。本文在分析城市轨道交通客流时间分布特征的基础上,提出了使用随机森林和XGBoost预测模型,对工作日和周末的客流分别进行预测,并以杭州地铁日均客流量最大的火车东站地铁站的进站客流为例进行实例分析,得到的预测数据与真实数据误差较小,验证了模型的有效性。最后将两种模型的预测误差进行对比分析,结果表明XGBoost预测模型对城市轨道交通客流的短时预测有着更高的精度和准确度。     

基于组合预测模型的铁路客运量预测研究

为提高铁路客运量的预测精度,对组合预测模型的权重分配方法及组合方式的预测效果进行研究。综合考虑预测误差及其均方差的影响,构建基于Logit模型的权重分配模型以解决组合预测模型的权重分配问题,并提出模型求解算法。以北京市铁路客运量预测为例,研究BP神经网络、霍尔特线性趋势指数平滑法和ARIMA模型的多种组合方案的预测效果,并验证基于Logit模型的权重分配模型的优势。研究结果表明：线性与非线性预测模型组合的预测精度优于线性与线性预测模型的组合,其中,B-H-A模型的组合预测效果最好,误差低至0.606%。另外,通过与等分权重法对比,基于Logit模型的权重分配模型赋值的权重能提高组合预测模型的预测精度,且适用性更好。     

国家ITS中心863项目顺利结题验收 干线公路网状态综合感知与态势评估技术取得突破

<正>近日,由国家ITS中心承担的国家863高技术研究发展计划课题"国家干线公路网交通状态综合感知与态势评估"顺利通过科技部组织的项目结题验收。该项目面向我国干线公路网运行监测和服务的实际需求,研究提出了基于路网静态结构特性的关键监测点辨识技术和面向路网运行的关键路段集辨识技术,解决了目前交通监测设施布设缺乏定量分析的问题;     

基于绿色低碳理念的济南中央商务区交通体系构建

济南中央商务区是未来集中展示济南全市改革发展成果,代表东部沿海经济大省省会形象的标志性区域,将汇聚高端业态和超高人气,成为创新、创业、创意的总部基地。为了实现片区低碳交通有序运转,商务区按照“内外衔接、运行高效、低碳易达”的发展目标,在轨道引领、公交优先、慢行优质、多种交通方式协调的绿色低碳理念下,从道路、公交、慢行、停车等四个方面构建了绿色低碳交通体系,同时建立了商务区的交通模型,用以预测片区路网运行效率,分析评价绿色低碳交通体系运行效果。     

基于积分求导还原思想的新型边坡变形预测UGM(1,1)建模方法

文章通过研究传统预测模型的误差来源和传统UGM(1,1)灰色预测模型建模原理,提出一种基于积分求导还原思想构建的新UGM(1,1)模型,并以某高速公路一段路基边坡实测数据为依据,验证新型UGM(1,1)灰色预测模型的可行性及其预测结果的可靠性。算例预测结果表明:新UGM(1,1)模型的拟合和预测精度误差均达到合理范围5%以内,对非等时距灰色预测模型数值预测具有一定的参考价值。     

城市轨道交通线网规划的客流预测模型及应用

文章根据轨道交通线网规划客流预测的目标、要点、年限和内容,建立了包含出行生成预测、出行分布预测、交通方式分担预测和交通分配预测的四阶段法预测模型,并利用该模型对兰州市轨道交通线网规划的四种方案进行了客流预测,得出最优方案。     

基于PSO-LSTM算法的智能交通流量预测研究

交通流量本身具有很强的不确定性,复杂、多变,容易受到随机因素的扰动,并且规律性不明显。随着不同预测方法的引入,对短时交通流的预测也出现了许多预测模型。长短期记忆模型擅长于处理和预测时间序列中具有时间间隔和延迟相对较长特征的重要事件。粒子群算法是一种通过模拟鸟群捕食行为设计的随机优化技术。本研究引入粒子群算法优化长短期记忆模型,使用昆明市某个路口断面所采集的过车数据作为训练集和测试集。本研究使用matlab软件进行上述模型的建模和预测,使用均方误差模型进行预测模型的误差分析。结果表明,引入粒子群算法优化模型后,预测误差降低60%,PSO算法优化LSTM模型能够更为准确的预测交通流量。     

基于数据分析的铁路列车到达晚点预测模型

准确估计列车的实际晚点时间对于列车运行图制定、列车调度员决策具有重要意义。为此,以荷兰铁路列车运行实际数据为研究基础,根据列车实际运行数据选择自变量,以列车的实际晚点时间为因变量,建立列车晚点的随机森林预测模型,并以BP神经网络模型作为对比,结果表明随机森林模型预测误差稳定,预测精度较高,比传统的神经网络方法取得了更好的预测效果。     

基于“四阶段法”的江北新区路网客运交通量预测

结合"南京江北新区青龙绿化带东侧片区道路工程"项目,采用"四阶段法"对研究范围内路网进行交通量预测。通过对研究区域进行交通小区划分,以Trans CAD交通规划软件为工具,对各交通小区发生及吸引量及区域交通分布进行预测,并结合南京交通数据对出行方式进行划分,得出交通量在路网中的分配结果。预测结果表明:研究范围内道路的通行能力能够满足预测年的通行需求,服务水平能够基本维持A、B级,研究区域路网规划及断面分配形式是合理、可行的。     

城市道路施工期间交通组织设计研究

城市道路施工建设会对现有区域路网交通的运行和安全造成影响.分析施工期间交通参与者的交通特性,并对交通组织影响范围进行区域划分,确定重点组织区域,然后对交通组织方法设计进行分析,建立一种最优化交通组织设计模型,对于保证各个交通参与者的利益,有着重要意义.     

基于MFD的路网拥挤收费策略

交通拥挤收费是指通过价格杠杆调节城市需求,从而达到缓解城市交通拥堵、提高车辆在路网中运行效率的目的。本文将路网的宏观基本图(MFD)与静态收费理论相结合,类比静态收费模型中费用-交通量关系与MFD中的特征参数,提出了拥挤状态下通过路网内交通量确定拥挤费用的策略,以使路网的通行能力维持在最优状态。在此基础上针对该策略在传统模型上的创新进行了分析总结,并探讨了其应用于路网的实际意义。     

基于变权重组合模型的高速公路路基沉降量预测分析

现有高速公路路基沉降预测方法多是基于单一权重组合模型,在预测结果上存在误差较大的问题。基于此,文章采用变权重组合方法建立高速公路路基沉降量预测模型,通过对预测量对应权重系数的动态优化,使其变为以时间发展为依据的表达模型,进而获得更加准确、稳定的预测模型。经湖城高速公路某沉降路段实际测试,并与另外三种预测模型的实例路段路基沉降数据进行对比,结果表明：基于变权重组合模型的预测结果与实际公路路基沉降测量值之间的误差最小,其误差值为0.871 2,数据曲线表现出来的测量因素的拟合程度更好,整体性能较另外三种权重组合模型提升效果明显,收敛性更好。     

基于四阶段法的兰州西关什子交通量预测

随着兰州市快速发展,中心地区寸土寸金,地上空间发展有限、用地供给不足导致车辆拥堵问题愈发严重。兰州西关什子作为兰州市最重要的商圈之一,也是兰州市交通堵塞最为严重的区域之一。因此,合理的交通组织和相应的改善措施是维持未来交通路网稳定运行的重要前提。本次交通预测基于"四阶段法",以西关商圈为中心,东西分别辐射至西站十字和省政府作为交通预测研究范围。通过Transcad软件分析各主要路段2025年的交通饱和度同时提出交通改善措施,从而为未来兰州发展提供理论依据。     

基于指数模型的城市路网交通拥堵评判方法研究

城市路网交通拥堵评判方法研究一直是拥堵评判技术领域内的重点、难点问题之一。交通拥堵指数模型能够把复杂的城市路网交通运行状况进行简单化、透明化,并能应用到其他城市或区域路网评判体系研究中。文章提出了基于交通拥堵指数模型的一般性交通拥堵评判方法,介绍了该模型各评判指标的计算过程。并以兰州市七里河区和城关区的路网交通为例,对该模型的实用性进行验证,最终得出两城区整体交通拥堵规律及指数变化趋势,说明了该评判方法的可行性和有效性。     

基于LS-SVM的天然气管网负荷组合预测

针对现有组合预测模型,基于经验风险最小化原则,克服预测精度受组合模型限制的缺点,提出一种基于最小二乘支持向量机（LS-SVM）的天然气管网负荷组合预测模型,并与AR模型、BP神经网络模型、GM（1,1）模型以及最优权重组合模型进行了比较,得出基于最小二乘支持向量机的天然气管网负荷组合预测模型能够得到更高的预测精确度,可为天然气管网的安全运行以及优化调度提供决策支持的结论。     

基于Python与Tensorflow的交通信号决策系统

为改变目前我国道路信号配时方案与实际交通流不匹配的情况,提高道路交叉口的通行能力,增加绿灯的使用率,提出基于Python与Tensorflow的交通信号决策系统。介绍交通信号决策系统的整体框架及各个模块的层次关系,详细说明每部分的原理及实现方法。通过Python在互联网上实现实时交通数据自动采集,将搜集的数据分类存储。采用TensorFlow框架建立车速预测模型,通过机器学习不断调整优化模型。根据优化后的车速模型预测未来交通流状态变化趋势,交通信号决策系统能够在不同的交通流状态下自适应决策采取不同的绿波信号配时方案。通过VISSIM仿真结果表明,交通信号决策系统能够显著降低道路的拥堵程度,有效降低了道路机动车的停车次数和停车延误,极大地提高路网的运行效率,增大区域协调控制系统的自动化。     

基于神经网络的无信号路口人车交通行为预测分析

以无信号灯路口人车交通行为为研究对象,对行人和机动车辆在无信号灯路口的整体交通行为进行分类预测。在对路口现场交通情况进行拍摄后,用电脑的分帧技术对所需要的数据进行提取和分类,而后建立BP神经网络模型,确定神经网络的输入变量与输出变量。将样本数据导入神经网络并进行训练和测试后,得出行人和车辆过街类型的分类准确率,并且通过准确率所达到的标准来证明了BP神经网络模型的可行性。     

基于灰色神经网络的输油管道运行费用预测

输油管道运行费用的预测在原油运输中有着重要意义,文中将灰色预测模型与神经网络预测模型结合起来,建立灰色神经网络预测模型,对输油管道运行费用进行预测。灰色神经网络预测模型充分发挥了灰色预测模型和神经网络预测模型样本少、计算速度快的优点。计算结果表明：灰色神经网络与EBP神经网络相比,预测模型精度高,计算量小,收敛速度快。     

上海轨道交通客流预测模型的建立与分析

轨道交通客流预测对于充分发挥路网整体能力和综合效益、最大限度地满足客流的需求以及优化网络运能配置和建设方案都具有极其重要的作用。重点研究了Logistic种群增长模型的产生、类型以及在实践中的应用,并对轨道交通客流的形成、影响因素以及单线客流成长规律进行深入分析研究,将两者相结合,建立了Logistic客流预测模型。