���о������ѡ��Ԥ��ģ�ͼ�ʵ֤�о�

城市交通系统是一个开放的复杂巨系统，城市交通管理的政策措施会对居民出行行为造成影响，为使城市交通系统能最大限度地发挥效益，一个城市的规划设计人员经常需要对居民出行需求进行了解，城市居民的出行选择与城市交通系统的服务时间、费用、环境及可选交通工具等诸多因素有关，本文从城市居民出行需求角度出发，考虑出行者的性别和职业属性，建立了基于出行费用、走行时间、出行次数的城市居民出行Multinomial Logit 模型，采用Maximum Likelihood方法进行参数估计，并以中国西北部城市兰州市A区为实例，通过计算机模拟仿真拟合计算得到了该区人员出行行为的分析结果，这一结果可作为兰州市交通管理部门制订相关政策，引导市民出行的依据。     

���ڶ�̬��Ϣ�������ճ����о���ģ���о�

实际道路系统中,交通个体的日常出行决策是一个长期的演化过程,出行者根据出行经验和获取的路径信息确定行驶路线. 考虑有装置和无装置两类用户,在时间反馈策略和平均速度反馈策略下对出行者的出行效率进行了讨论分析. 仿真结果表明,出行者对历史经验的依赖程度决定系统的演化效率. 两类出行者的出行效率均随出行需求增加而减小,随历史经验依赖性增加而先增加然后趋于稳定,并且随市场渗透率的增加,在不同信息策略下表现出相反的趋势. 一般来说,有装置出行者具有较少的行驶时间,且在速度反馈策略下效果明显,两类用户的出行效率差距随着时间的演化有减小的趋势.     

����������ij�������ģ��CFCM�о�

车辆跟驰模型中的驾驶行为是一个复杂的推理、决策、执行过程，在知识表达和推理机制上存在模糊性和随机性。针对当前车辆跟驰模型研究存在的不足，引入云模型理论，确定了跟驰模型中的决策变量及概念判断子集，设计了模型参数标定的实验方法，在实验数据的基础上，计算了相关参数的隶属云特征值，总结了基于行为规则的车辆跟驰云推理机制，构造了车辆跟驰云模型CFCM(Car Following Cloud Model)。     

�人��;��������վ�IJ����о�

近十几年来，人口增长、建成区快速扩张以及经济发展使交通需求迅猛增长，导致我国许多大城市现有的客运站从布局和功能上都不能适应新的需求。对客运站布局模式对城市交通系统的影响进行了一定的理论分析。结合武汉市的空间发展，对现状及规划客运站点分布进行了分析评价。利用地理信息系统（GIS）的空间分析功能对新旧客运站点布局的出行效率进行了定量评估。同时，本文对实施该方案所面临的关键问题进行了一定的分析和探讨。     

�й��������Ƴɱ���̯ģ�ͼ�Ӧ���о�

针对我国城市公交行业管理中亟待解决的公交合理成本确定,以及政府公交补贴责任划分问题,研究了国际公交行业常用的全分摊成本分析模型及我国城市公交行业相关实践经验,本文在规制成本核算的基础上构建了我国城市公交合理成本核算与分摊模型,并用公交专项调研数据进行相关模型和方法的应用性分析.结果表明,本研究提出的模型和方法能为公交合理成本核算、各相关辖区政府公交补贴责任划分、相关政策制定和政府间协调合作提供基本理论及方法支撑,对我国深化落实公交优先战略、促进城乡客运一体化发展有重要意义.     

�г�ʱ���������ݴ������о�

车牌照匹配技术的广泛应用为行程时间样本数据的精确获取提供了一种可行的方式。但是,由于各种客观原因,采集到的原始数据夹杂着大量的噪声数据,只有剔除了这些噪声数据,行程时间样本数据才能更好地应用于行程时间分析与服务。本文对产生噪声数据的原因进行了详细的分析,回顾了现有的噪声剔除方法,并分析其可能存在的问题;基于交通信息提取计算模型,提出了一种噪声剔除的新方法。以荷兰代尔夫特的一条城市道路为研究对象,基于实际数据对新方法和现有方法进行了对比分析。结果表明,新方法能够更好地剔除噪声数据。     

�г�������������о�

政府赋予铁路运营部门一定的定价自主权，为其尝试新的收益管理方法，提供了较为宽松的政策环境.因此，为充分利用列车上经常出现的闲置卧铺，本文将国外的航空收益管理理论应用于我国铁路客运领域；结合差别定价法、EMSR法和投标价格法各自的优势，提出一种新的收益管理存量控制方法:隐藏价格— EMSR法.算例分析表明，不同定价方式下，新方法能够提高铺位利用率，增加网络运输总体收益，实施效果优于传统的投标价格法.     

�й����ܽ�ͨϵͳ��չս���о�

概要地介绍了“十五”国家科技攻关计划项目“中国智能交通系统发展战略研究”的主要内容和结论，该研究站在全局的高度，围绕国家综合交通的发展目标，深入地分析了我国交通运输的需求和必须解决的重大问题，客观评价了国际和国内智能交通的发展水平以及我国的差距，提出未来10～15年我国智能交通发展的指导思想、战略目标、各阶段的重点战略目标及保障措施和建议等。课题的研究成果将为编制我国智能交通的发展规划提供科学依据。     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

��ͨ����ʱԤ���������о�

交通流短时预测中,多个检测点的道路交通状态间的时空联系是客观存在的,但以往研究中通常根据经验假定,很少定量研究其相关性. 本文引进了多元统计分析中的多维标度法对多断面时间序列的相关性进行定量分析,为合理进行多断面短时交通流预测研究提供基础. 首先,根据道路网多个断面各自的时间序列利用相关系数方法得到两两之间相关性的相关系数矩阵,然后,利用多维标度法将道路网中多个断面交通流的相关程度映射到一张二维拟合构图中,以拟合构图中代表各个断面的点之间的欧几里得距离来体现断面之间的相关强度,从而判别断面之间相关性强弱,确定道路网多断面短时交通流预测时相关性分组. 最后,根据相关性分析结果进行多断面交通流预测及效果比较,验证了方法的可行性和有效性.     

交通流短时预测的相关性研究

交通流短时预测中,多个检测点的道路交通状态间的时空联系是客观存在的,但以往研究中通常根据经验假定,很少定量研究其相关性. 本文引进了多元统计分析中的多维标度法对多断面时间序列的相关性进行定量分析,为合理进行多断面短时交通流预测研究提供基础. 首先,根据道路网多个断面各自的时间序列利用相关系数方法得到两两之间相关性的相关系数矩阵,然后,利用多维标度法将道路网中多个断面交通流的相关程度映射到一张二维拟合构图中,以拟合构图中代表各个断面的点之间的欧几里得距离来体现断面之间的相关强度,从而判别断面之间相关性强弱,确定道路网多断面短时交通流预测时相关性分组. 最后,根据相关性分析结果进行多断面交通流预测及效果比较,验证了方法的可行性和有效性.     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

改进小波包与长短时记忆组合模型的短时交通流预测

为克服非稳定交通流状态下短时交通流预测精度不高、过分依赖大样本历史数据的缺陷,提出一种改进小波包分析和长短时记忆神经网络组合(IWPA-LSTM)的短时交通流预测方法. 利用功率谱细化的思想改进小波包分析算法对小样本交通流时间序列进行多尺度分解和单支重构. 对低频序列和高频序列进行相空间重构,完成长短时记忆模型的逐层构建,实现本地保存并根据预测精度进行自适应更新,将重构的子序列输入模型训练和预测. 将各子序列的预测值叠加输出IWPA-LSTM最终预测值. 实验结果表明,提出的IWPA-LSTM模型在小样本情况下的预测精度优于经典深度学习模型,具有较强的实用性.     

基于GA-LSSVR模型的路网短时交通流预测研究

目前,很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者道路上下游路段的时空相关性进行交通流预测,未充分考虑路网所有路段之间的时空相关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型,并应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数,而且可以从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明,与LSSVR模型相比,所提方法具有更好的预测能力;而且,少量时空变量被选择出来构建预测模型,极大减少了信息冗余,改进了模型可解释性.     

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性.