基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的.有效的交通状态预测能从很大程度上优化交通状态,减少交通阻塞.贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一.提出了一种基于贝叶斯网络模型理论的交通状态预测方法.综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的.     

基于交通大数据的动态交通状态预测及全局路径规划研究

为提高动态交通状态预测的准确性,对基于交通大数据的动态交通状态预测及全局路径规划进行研究。以交通大数据为基础,获取指定路段的属性信息与采集信息,通过对样本数据进行描述,得到该路段的试验数据。在具体的预测和分析阶段,构建基于交通大数据的预测模型,实现对动态交通状态的可靠预测。试验结果表明,时间特征值对交通流量的影响较大,某一时间段的交通状态数据可为全局路径规划提供数据源,有利于相关人员作出科学决策,可更好地满足当前智慧交通管理新需求。     

基于互信息和贝叶斯网络的船舶碰撞风险预测研究

船舶碰撞事故对航行安全威胁严重,不仅会导致船舶、货物的损坏,还会对航道和水域环境造成污染,如果船上装载的石油、危化品等物质由于事故原因产生泄漏,更是会对临近水域及生态环境带来灾难性破坏。因此,对船舶(特别是危化品运输船舶)碰撞风险的预测和管理一直受到各界的重视。本文在全面分析船舶碰撞事故风险因素的基础上,利用互信息理论计算事故数据特征因素间互信息值,确定了各碰撞风险特征因素间的依赖关系,并最终建立了船舶碰撞险情的贝叶斯网络预测模型,以期为航运企业和航道管理单位的管理提供理论依据,从而减少船舶碰撞事故,保障我国航运业的安全、高效和绿色发展。     

区域一体化综合交通规划:基于交通预测模型研究

交通预测模型是综合交通规划的重要工具。本文以汕潮揭地区综合交通规划为依托,以TransCAD为平台,构建区域综合交通预测模型,对规划方案进行量化研究,摒弃了传统"理性规划"交通需求引导滞后、与土地利用互动不强等局限。基于预测模型和"一张网"布局规划,构造了"情景假设+因子递进"方法,设计若干战略规划方案,通过对测试目标与决策评价结果的量化比较分析,展现了"情景因子"战略方法对于总体规划方案的贡献,研究过程和研究结论更显客观科学。     

基于自适应神经模糊推理的交通状态判别方法

文章针对交通状态具有模糊性和主观性的特点,建立能够真实反映人对交通拥塞程度感觉的自适应-神经模糊推理系统,使具有变化连续的交通流参数模糊化处理,实现了道路交通状态的准确、快速辨别。     

基于单向交通组织的城市交通微循环网络优化设计

交通微循环是缓解城市干道交通压力、解决城市交通拥堵的一种行之有效的方法,利用干路和干路之间的支路、街巷、里弄等组织交通微循环,可以以较低的成本改善交通状况、缓解城市交通拥堵。单向交通是交通微循环设计中经常采用的交通组织方式之一。论文重点研究了单向交通在城市交通微循环系统中的应用,设计了交通微循环网络组织优化的双层规划模型,上层模型为多目标规划问题,下层模型为容量限制的交通配流模型,并设计了求解的遗传算法,最后通过算例验证了模型的有效性。验证结果表明:与双向交通组织方式相比,单向微循环的交通组织效果更优。     

基于车牌数据的行程速度特性及交通状态评估

针对目前基于车牌的数据信息量大、覆盖范围广,但数据利用率低、资源浪费严重等问题,进行基于车牌的数据挖掘研究。分析已有数据处理方法及可能存在的问题,提出基于聚类思想的时间间隔获取方法,并对提取的行程时间数据进行异常判别和修复。利用相关方法计算平均行程速度,采用统计学分析方法研究了行程速度的时变特性,得到不同天相同时段平均行程速度的稳态变化规律。通过平均行程速度与速度标准差的量化关系研究,获得一天中不同时段行程速度的波动情况,最后设计以速度阈值为判断准则的交通状态评估算法,实例分析结果与实际交通状况一致,说明算法的科学性和有效性,可为交通管理部门提供可靠的决策依据。     

基于社会网络分析法的交通基础设施PPP项目风险管理分析

为了解决交通基础设施项目PPP失败的案例中存在的风险管理不到位的问题,剖析交通基础设施PPP建设项目中所存在风险因素,引入社会网络分析法建立模型明确核心风险,选择有效的策略来进行风险防控并检验效果,希望通过对案例项目风险管理的研究,为交通基础设施PPP项目风险管理引入新的定量研究方法及思路。     

高速公路隧道交通运行状态全面感知技术的应用研究

为了提升道路交通运行效率,降低隧道运营安全风险,结合高速公路建设运营实际,分析隧道运营管理现状问题,详细介绍逆向合成毫米波雷达隧道交通运行状态感知技术系统架构与应用效果,以期为相关人员提供参考。     

基于交通状态识别的信号交叉口模糊控制方法

1引言城市交通的拥堵问题已成为城市化发展过程中最为突出的问题之一。城市道路的信号控制技术,是调节路网交通需求,改善路网服务水平,最终缓解交通拥堵的重要手段。长期以来,对交通系统的控制一直是一个具有挑战性的难题。传统的控制方法在简化假设的条件下对交通流状况做出预测,并以平均延误、排队长度和停车次数等为优化目标,运用模糊控制算法,遗传算法,迭代学习,神经网络,多智能体算法等实施相应的控制策略。然而,这些模型多     

Bayesian network-based formulation and analysis for toll road utilization supported by traffic information provision

Congestion pricing has been proposed and investigated as an effective means of optimizing traffic assignment, alleviating congestion, and enhancing traffic operation efficiencies. Meanwhile, advanced traffic information dissemination systems, such as Advanced Traveler Information System (ATIS), have been developed and deployed to provide real-time, accurate, and complete network-wide traffic information to facilitate travelers’ trip plans and routing selections. Recent advances in ATIS technologies, especially telecommunication technology, allow dynamic, personalized, and multimodal traffic information to be disseminated and impact travelers’ choices of departure times, alternative routes, and travel modes in the context of congestion pricing. However, few studies were conducted to determine the impact of traffic information dissemination on toll road utilizations. In this study, the effects of the provisions of traffic information on toll road usage are investigated and analyzed based on a stated preference survey conducted in Texas. A Bayesian Network (BN)-based approach is developed to discover travelers’ opinions and preferences for toll road utilization supported by network-wide traffic information provisions. The probabilistic interdependencies among various attributes, including routing choice, departure time, traffic information dissemination mode, content, coverage, commuter demographic information, and travel patterns, are identified and their impacts on toll road usage are quantified. The results indicate that the BN model performs reasonably well in travelers’ preference classifications for toll road utilization and knowledge extraction. The BN Most Probable Explanation (MPE) measurement, probability inference and variable influence analysis results illustrate travelers using highway advisory radio and internet as their primary mode of receiving traffic information are more likely to comply with routing recommendations and use toll roads. Traffic information regarding congested roads, road hazard warnings, and accident locations is of great interest to travelers, who tend to acquire such information and use toll roads more frequently. Travel time formation for home-based trips can considerably enhance travelers’ preferences for toll road usage. Female travelers tend to seek traffic information and utilize toll roads more frequently. As expected, the information provided at both pre-trip and en-route stages can positively influence travelers’ preferences for toll road usage. The proposed methodology and research findings advance our previous study and provide insight into travelers’ behavioral tendencies concerning toll road utilization in support of traffic information dissemination.     

基于组合模型的公路客运量预测研究

随着客运量与经济发展的联系越来越密切,如何更科学有效地对客运量进行预测变得越来越重要。文章分别介绍了灰色系统法、时间序列法、Elman神经网络及组合预测的方法原理,并以兰州市公路客运量为例,运用灰色模型、时间序列模型和Elman神经网络模型的组合模型进行客流预测,验证了该组合模型的合理性。     

基于LVQ网络的城市交通安全态势评估模型研究

文章基于城市交通安全态势评估的重要性,提出了一个比较完善的城市道路网交通安全态势评估系统总体框架,构建了基于LVQ网络的宏观城市交通安全态势评估模型,并采用Matlab7.0语言对该模型进行了仿真分析。仿真结果表明该模型能够对城市宏观交通的安全态势进行评价。     

基于信号配时的路网交通流分析及优化研究

文章以南宁市四条主干道上七个交叉口组成的闭合路网为优化对象,通过交叉口交通流量分析,利用R.Kimber饱和流量计算法和F.Webster交叉口信号配时理论,初步拟定车辆延误最小的信号配时方案,然后使用遗传算法优化配时方案,最后利用VISSIM进行交通仿真,验算服务水平指标的变化,验证该优化方案。     

基于交通渗流理论的城市轨道交通网络动态服务瓶颈识别

为准确把握轨道交通网络化运营的新态势和新要求,力求轨道交通系统在大客流下做到运输能力和服务水平的供需匹配,需对轨道交通网络的关键瓶颈进行有效识别和疏解。本文借鉴交通渗流理论,提出了限制网络整体服务水平和连通效能的动态服务瓶颈的识别方法,该方法综合考虑了城市轨道交通系统的网络特性、客流特性和服务特性。其中针对区间服务水平状态,该方法提出了定量评定的复合指标模型。以成都地铁线网为案例,基于实际客流运营数据,构建动态网络,识别服务瓶颈,验证了方法的适用性和准确性,对城市轨道交通系统运营管理有实际指导意义。     

广西高等级公路交通噪声预测值的衰减规律的研究

文章根据广西高速公路目前车流量、车型比以及车速情况,结合交通环境噪声的实测数据,对高速公路交通噪声的变化规律进行分析研究。     

基于BP人工神经网络的滑坡预测分析

文章以汶川地震引发的滑坡为研究对象,以震中距、地震烈度、坡度、前缘高程、坡高和岩性等影响坡体稳定性的因素为切入点,利用BP人工神经网络对实际坡体的稳定性进行了预测分析。结果表明,BP人工神经网络方法能有效预测坡体的稳定情况。     

A dynamic Bayesian network model for real-time crash prediction using traffic speed conditions data

Traffic crashes occurring on freeways/expressways are considered to relate closely to previous traffic conditions, which are time-varying. Meanwhile, most studies use volume/occupancy/speed parameters to predict the likelihood of crashes, which are invalid for roads where the traffic conditions are estimated using speed data extracted from sampled floating cars or smart phones. Therefore, a dynamic Bayesian network (DBN) model of time sequence traffic data has been proposed to investigate the relationship between crash occurrence and dynamic speed condition data. Moreover, the traffic conditions near the crash site were identified as several state combinations according to the level of congestion and included in the DBN model. Based on 551 crashes and corresponding speed information collected on expressways in Shanghai, China, DBN models were built with time series speed condition data and different state combinations. A comparative analysis of the DBN model using flow detector data and a static Bayesian network model was also conducted. The results show that, with only speed condition data and nine traffic state combinations, the DBN model can achieve a crash prediction accuracy of 76.4% with a false alarm rate of 23.7%. In addition, the results of transferability testing imply that the DBN models are applicable to other similar expressways with 67.0% crash prediction accuracy.