交通人才预测方法的探讨

本文论述了交通人才预测方法及其预测模型的构建，并提出了交通人才预测模型的分析与说明     

基于四阶段法的交通信息量预测研究

四阶段法是经典的交通规划方法,传统的四阶段交通规划模型是目前应用范围最广、应用实践最多的模型之一。文章将交通规划四阶段法的思想移植到交通信息网络规划分析模型中,并结合信息自身的特点、形成交通信息网络规划分析的四阶段法。这种新的规划方法可以准确把握未来的交通信息需求结构与空间分布特征,为陆路和水路交通信息网络布局规划提供科学依据。     

基于小波神经网络的短时交叉口交通冲突预测

文中针对交叉口交通冲突量的非线性时间序列特性,将人工神经网络和小波分析理论引入交通安全科学领域,并将两者有机地结合起来,构造基于小波神经网络的交叉口交通冲突微观预测模型,为道路交通事故预测提供了一种新的有效途径。预测结果表明,该模型具有较高的预测精度,同时能有效节省观测时间和人力消耗。     

基于土地利用的交通预测方法研究

从土地利用与城市交通相互影响关系入手,分别从两个层面进行交通大区和交通小区的交通产生量预测,并运用EMME/2软件进行交通转移和诱增量的预测,最终形成一套基于土地利用形态的交通预测方法。并给出应用实例,验证了该方法的可行性。     

基于系统动力学的交通人才分析和预测

交通行业的发展离不开大量优秀的人才.人才分析和预测是实施和制定人才资源开发战略的重要前提,是提高人才培训效益的有效途径.本文通过尝试建立交通人才系统动力学模型来研究我国交通人才的发展趋势和演化模式,以及对交通行业的影响,为科学制定人才发展规划和实施人才开发战略提供决策支持.     

交通噪声预测遮挡衰减取值研究

分析了交通噪声预测模式中房屋遮挡衰减量估算中存在的问题。针对不同的公路项目提出了实测和类比两种解决方案。研究结果表明,通过实测法和类比法,可以有效解决房屋遮挡衰减量估算中存在的误差。     

基于异方差的递增时间序列自回归预测的改善方法

依据"利用反双曲正弦函数变换提高数据列光滑程度"的结论,给出了两种异方差条件下递增时间序列自回归预测的改善方法.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

基于同方差的递增时间序列自回归预测的改善方法

提出了“利用反双曲正弦函数变换提高数据列光滑程度”的新结论，获得了递增时间序列改善的自回归预测新方法。     

专用公路交通量预测方法的研究

分析了专用公路交通量预测的影响因素,把专用公路交通量预测分为3类：A类机械变化交通量、B类园区诱增交通量及C类趋势交通量。提出了3类交通量的预测方法,并通过实例应用,验证了预测方法的可行性。     

基于广州交通模型的交通影响评估方法

介绍了＂基于广州交通模型的交通影响评估方法＂体系,阐述了应用广州交通模型把握研究项目宏观出行特征,并在此基础上建立了细部模型的技术步骤,提出了基于城市整体模型的交通影响评估方法。     

船舶动力定位系统的广义预测控制方法研究

船舶在海上的航行是一种复杂的非线性运动,其水动力参数很难精确确定,并且会遭遇来自风、流和浪的随机干扰;因此,船舶须要具有鲁棒性和自适应能力的动力定位系统。鉴于广义预测控制算法在非线性控制方面的独特优势以及神经网络具有自学习和自适应的能力,作者研究了基于支持向量机的广义预测混合控制算法,并将其应用于船舶动力定位系统。仿真结果表明,该方法具有较好的鲁棒性和自适应性,提高了动力定位系统的精度和性能。     

城市轨道交通车站分向客流预测方法研究

城市轨道交通车站分向客流预测数据是各出入口通道设计的重要依据,目前适合我国城市轨道交通车站分向客流预测研究工作开展并不多。文中以车站所属的线路客流预测数据为基础,根据车站周边土地利用现状及规划情况,采用＂逐层分解＂法预测各个出入口通过客流量,并研究了全日小时及高峰小时内部的波动系数,通过广州市轨道交通13号线鱼珠站分向客流预测研究证明,预测方法是合理且可行的。     

一种基于交通态势算法的交通预警系统设计

为实时监控高速公路的交通状况,设计并实现一种基于交通态势算法的交通预警系统,该系统主要由态势计算、异常拥堵预警和交通迁徙计算等3个模块组成。采用Van-Aerde模型表征交通流的状态和变化规律,得到密度、速度和流量之间的关系;综合考虑交通预测的时空性,采用基于图卷积网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)单元的时间图进化网络(GCN-LSTM)模型对未来交通流异常拥堵情况进行预警。试验结果表明,该预警系统能通过实时计算当前交通流的密度、速度和流量评估交通状态,并确定密度和速度阈值,警示当前道路在该阈值附近时通行效率高,帮助改善交通状况;相比传统的基于神经网络方法和机器学习方法的预警系统,该预警系统在预测精度方面表现良好,能有效降低误报率,且具有一定的鲁棒性。     

基于时间序列分析的预测控制算法

在分析Turbo码的译码结构以及外部信息传递特性的基础上,从时间序列的角度分析分量译码器外部信息的传递规律,基于预测算法对Turbo码的迭代译码结构进行了改进,提出了单次预测和复次预测的改进算法。建立分量译码器的n阶多项式线性模型,将前n次迭代信息保存至线性模型中,采用多项式曲线拟合或指数拟合算法预测分量译码器第n+1次迭代的外部信息值。利用预测的外部信息值代替分量译码器第n+1次迭代的译码过程。在保证外部信息准确预测、误码率性能相近的前提下,减少了迭代次数和迭代时延,简化了译码结构。     

基于萤火虫算法的船舶交通数据并行调度方法

针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。     

基于GM(1,1)模型的海上交通事故预测

根据舟山海域水上事故的统计资料,应用基于GM(1,1)模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果精度高,与实际情况更为接近。     

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明：该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。     

基于广义预测控制的船舶动力定位约束控制

鉴于广义预测控制(GPC)方法能用同一方式处理设备和安全约束,且具有较强的抗扰动能力,提出了一种基于GPC的船舶动力定位约束控制器设计方法。运用前馈控制器克服风力扰动的影响,且所产生的前馈量被用来实时修正推力约束,在修正后的推力约束下滚动优化GPC。对承受风、浪、流扰动的某供应船,采用提出的方法设计控制器,并进行仿真验证。仿真结果表明,所设计的控制器抗扰动能力较强,能完成对船舶的动力定位约束控制。     

基于预测控制的倒立摆设计与仿真

倒立摆作为一个高阶次、多变量、非线性和强耦合的不稳定系统,一直是控制领域的热点问题。本文针对倒立摆的特点利用广义预测控制算法解决了直线一级倒立摆摆杆自由下垂时,保持倒立摆的自由下垂状态,并用仿真的方法研究了它们的控制性能和特点从而实现对复杂非线性系统的实时控制,实现了倒立摆的摆起及稳定控制,起到了较好的控制效果。