基于聚类分析的非参数回归短时交通流预测方法

大部分非参数回归预测算法并不对交通流历史数据进行区分,而是将全部历史流量数据建立模式库进行分析.基于交通流的现实特征,提出基于聚类分析的非参数回归短时交通流预测方法,首先根据流量分布特点运用聚类分析将其分类成不同的流量模式,然后选择匹配待预测时刻的流量模式作为样本数据库运用非参数回归进行预测.实例计算结果表明,其预测精度优于传统非参数回归方法.      

交通流实时预测的混沌时间序列模型

针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中。为了进一步提高算法的精度与速度,对最优邻域的点数进行动态选择,通过改进,使之成为一种鲁棒性强、预测精度高的实时预测算法,并能有效地用于短时交通流的预测问题中。仿真结果表明:该算法完全满足实时交通流预测的需要,为交通信号智能控制和交通流诱导奠定了坚实的基础。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

基于数据约减和支持向量机的非参数回归短时交通流预测算法

交通流短时预测对保障智能交通系统的快速运行具有至关重要的作用。准确高效的交通流短时预测不仅可给交通流管理者提供辅助决策支持,同时可提高驾驶人员的出行效率,躲避或减缓交通拥堵。利用传统的非参数回归方法短时预测交通流在数据体量大、维度较高时,存在模式库需要的存储空间大、查询速度慢等缺点。针对这一问题,提出了一种改进的非参数回归交通流预测算法,不仅可提高算法的运算效率,同时可提升算法的预测精度。首先,使用主成分分析方法对模式维度进行了降维处理,以克服维度过高引起的匹配速度慢且无关维度的干扰等问题。其次,采用模糊C均值聚类方法对原始交通流数据进行了聚类筛选,以减少所需模式的数量,提升近邻搜索的速度。接着,使用多维搜索结构KD数代替常用的线性表作为模式库的存储结构,实现了模式的高速搜索。最后,融合支持向量机方法,运用搜索到的K个模式估计出最终待预测变量的值。进一步使用深圳市的实际数据对算法进行了检验。结果表明:该算法相比传统方法在运算效率和精度方面都有一定的提高,能够满足实时大规模交通流预测所需要的预测准确度、实时性和动态性等方面的要求,具有一定的应用价值。     

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K近邻算法和支持向量回归组合的短时交通流预测

为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。     

基于R树的非参数回归交通流预测方法

非参数回归在交通流预测中已得到广泛应用,但实际使用中存在实时性差的缺陷.为提高非参数回归预测速度,提出了使用空间索引结构R树作为模式库的存储结构,并依据R树空间聚类的特点进行K近邻搜索,最后根据搜索到的近邻点估算未来的交通流量.实验结果表明R树结构下的K近邻搜索速度比线性结构下的搜索速度提高了59.6%,但预测精度下降了8.8%.而通过缩小K近邻搜索中的距离上限这一参数,可以提高预测精度.结果表明当2种结构下的距离上限相同且小于0.02时,R树结构下的预测精度平均高于线性结构下11.9%,且搜索速度也平均提高了30.8%.因此,该算法能够在满足预测精度的条件下有效地提高预测速度,为实时短时交通流预测系统提供了1种实现算法.      

基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法)。采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用PSO算法,确保短时交通流预测的精确度和可靠性。实例分析结果表明,该方法可有效提高短时交通流的预测精度和可靠性,其预测误差较小。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

基于交通环境承载力的城市交通容量的确定方法及应用

基于交通环境承载力的城市交通容量是衡量交通可持续发展的一个关键定量指标,研究城市交通容量的基本理论和确定方法具有十分重要的理论和现实意义。在对各国交通容量的研究现状进行分析的基础上,将交通容量划分为微观交通容量和宏观交通容量,并给出了相应的定义。然后从系统的观点出发提出了一种新的基于交通环境承载力的城市交通容量确定方法并进行了应用。应用结果表明:该方法能够有效地确定城市交通容量,从而为政府部门进行城市交通规划、衡量城市交通可持续发展提供科学决策依据。     

交通路口混合交通流的分布式模糊控制

考虑非机动车辆对路口信号控制的影响,提出了交通路口混合交通流分布式模糊控制的一种新方法;基于北京体育馆西路路口的实测数据,利用德国VISSIM仿真软件进行仿真,验证了该分布式模糊控制方法是一种有效的方法。     

公路隧道的交通特点研究

由于公路隧道属于封闭空间,交通空间有限、空气不易流通、环境噪音较大、洞内与洞外亮度差异悬殊,在隧道内极易发生交通事故并造成难以想象的后果。从公路隧道的环境特点、司机驾车的心理反应、洞内车辆的行驶方式等3方面探讨了公路隧道的交通特点,研究结果能够为公路隧道交通事故的成因分析和应对策略提供理论参考。     

A traffic monitoring stream-based real-time vehicular offence detection approach

Traffic offences are becoming increasingly serious as traffic volume increases rapidly in large cities, causing serious property damage and threatening public safety. Existing traffic monitoring systems lack the capability of detecting various types of offences in real-time. This paper proposes a novel monitoring stream-based vehicular offence detection algorithm, which discovers various types of offences from high-throughput traffic monitoring stream in real-time. An offence detecting and monitoring system is also designed and implemented. In order to achieve real-time detection, parallel computing techniques are utilized. An optimized data structure, a one producer-multiple consumer model and a re-hash strategy are proposed to reduce the synchronization cost incurred by multiple threads in the parallel implementation. Both real-world data and synthetic data are applied in the experiments. Experimental results demonstrate that the proposed algorithm is able to discover three types of offences from high-throughput traffic monitoring stream in real-time. Scalability is also observed. The experimental results indicate that the proposed system is sufficiently efficient to provide real-time offence detection for major metropolises.     

交警警务模式对交通安全的影响及相关建议

从“三基”工程的视角，阐述“基层基础建设年”以后交通警察警务模式的特征及其与道路交通安全的关系，并对完善交警警务模式提出了几点建议。     

道路交通状态识别技术研究

交通拥堵和突发事件已成为困扰当前城市交通的2大难题,重点讲述了如何识别交通状态,提出了1种基于模糊推理的交通拥堵等级评判算法和1种基于双变量模型的交通事件识别算法。经过验证,这2种算法可达到较好的交通状态识别效果。     

一种新的交通流矢量场微观模型

在分析非机动车行驶特性的基础上 ,根据场的理论与相关的交通流理论 ,用矢量表示非机动车的速度与加速度 ,综合考虑周围所有运动物体与道路的影响 ,建立了一种新的非机动车流矢量场微观模型 ,仿真与回归分析的结果证明该模型能准确地实现非机动车的交通特点     

公路交叉口交通安全诊断方法研究

公路交叉口交通安全诊断方法是对公路交叉口进行交通安全改善过程中重要的一个步骤。在大量资料和现场调查的基础上,总结分析了我国公路交叉口存在的各种不安全因素,并提出了一套非事故的、主观性的、预防性的交叉口安全问题诊断方法。     

道路交通安全管理问题研究综述

道路交通安全研究具有很强的跨学科性,属于综合交叉研究。主要围绕人、车辆、道路与环境与道路交通安全的关系,简要分析了目前道路交通安全研究在交通参与者、道路条件与安全设施及自然环境、交通信息等方面的研究方向、研究内容。     

日本交通安全对策的借鉴与启示

尽管日本的机动车保有量和交通事故数量高于我国,但日本交通事故死亡人数远远低于我国。论文在综合介绍日本道路交通安全对策的基础上,将交通事故发生数量和交通事故造成的死亡数量与日本的乘用车保有量进行回归分析,并以虚拟变量的形式考虑了交通安全相关对策对交通事故量和死亡人数的影响。从分析结果可以看出,交通事故的发生量和死亡人数与乘用车的保有量有很大相关性,但是交通安全的相关对策对交通事故的降低和死亡人数的减少有重大影响,这对我国交通安全管理措施的制定和完善提供了积极的借鉴和启示。