路阻函数的最大似然标定法

针对交通量分配中的路阻池数问题，把行驶时间、行驶我费用和交通量等综合在一起建立了路阻函数模型，在具有ＯＤ调查数据的基础上，应用最大似然估计在计法标定了路阻函数，并通过简单的例子说明了该方法的可行性。     

常发性交通拥挤网络中ATIS最大效益分析与估计

通过分析实际交通网络典型时段不同工作日交通状态的随机变化以及与ＡＴＩＳ期望交通状态的差别认为；ＡＴＩＳ的外部环境因素是城市交通网络所固有的，不随ＡＴＩＳ的实施而发生变化，而技术因素会随着ＡＴＩＳ的发展逐步得到改善，这两类因素可以分别考虑。     

城市道路交通状态分析系统研究

为了实现杭州市城市道路交通状态分析系统的建设和设计,通过对杭州市城市道路交通状态的实际现状和客户需求分析,以及对系统实现的基础之一—数据分析和数据的组织方式进行探讨,从而确定系统的基本功能,及软件架构,为系统的生成和实现,提供了参考和决策作用.     

最大熵模型在福田枢纽换乘量分布预测中的应用

综合客运枢纽换乘量分布预测是枢纽规划和设计中的重要步骤,预测结果的好坏会直接影响枢纽的整体功能和运行效率的发挥。为此,将＂四阶段法＂中的交通分布预测原理运用于客运枢纽的换乘量分布预测,建立换乘量分布的最大熵模型并设计其算法。模型引入重力式先验概率,隐含考虑随机因素的影响,从宏观上描述出行者的换乘行为,发生概率最大时的换乘量分布即为规划年的换乘量分布。将该模型应用于福田枢纽的换乘量分布预测中,通过基础数据的引入和模型参数的标定,可获得比较满意的规划年换乘量分布数据,并为综合客运枢纽的规划建设提供科学依据。     

交通影响因子量化排序的灰熵分析

在灰色系统理论基础上引进灰熵计算，定量分析影响社会效益各项交通因子的影响权重顺序，为区域经济数学模型建立提供了影响因子的量化排序的分析方法，并通过实例运算说明其应用。     

基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

OD矩阵估计在区域交通分析中的应用

OD矩阵是交通运输规划的基础资料,是城市交通规划、控制与管理等工作的基础,而通过观测到的路段交通量和先验OD矩阵来估计未知OD矩阵,是一种效率高、周期短的OD矩阵获取技术。该文在深入研究国内外OD矩阵估计成果和实践经验基础上,提出了双层规划OD矩阵估计模型,并应用于区域交通分析中,取得了比较好的效果。     

多层次模糊综合评判法在交通规划中的运用

模糊综合评判是模糊数学诸多应用当中的一个重要方面,重点介绍多层次模糊综合评判法以及在城市交通规划方案比选中的运用。     

交通荷载状态控制法在斜拉桥换索过程安全性预测中的应用

斜拉索经过长期的运营以后,桥梁状况已经发生了比较大的变化,在斜拉桥换索过程中,单纯根据理想状态进行换索过程的仿真分析,不能够达到安全性预测目的。采用交通荷载状态控制法对斜拉桥的换索过程进行安全性预测,理论简单且安全实用,减少了换索过程的盲目性,可确保换索工程的顺利进行。     

基于概率加权矩与最大熵原理的交通流统计分布估计方法

针对小样本条件下拟合交通流调查数据的统计分布的困难,基于概率加权矩与最大熵原理建立了统计分布函数估计的新方法及其实用的数值计算方法。传统上基于经典矩的最大熵原理是重要的拟合交通流统计分布的方法,然而实际交通研究中的小样本量导致高阶经典矩不能稳健估计参数。将概率加权矩引入统计分布建模建立的新方法克服了基于经典矩在小样本量下统计估计的大偏差问题。新方法直接从样本信息出发,不需要对待估随机变量的统计分布函数作任何先验假定,从为建立统计分布函数提供了便利。理论例题仿真与实例计算验证表明,大样本下新方法计算精度高于经典方法,在小样本量下（＜30）新方法明显优于经典方法。     

基于改进近似极大似然估计的弯道车速预警

超速行驶是道路曲线段事故发生的主要致因,基于智能车辆的提前预警系统是行之有效的安全辅助措施。提出了一种新的弯道车速预警算法,其采用改进的近似极大似然估计拟合曲线半径,改进算法采用最小平方估计取代了传统的平均3点估计。通过模拟实验得到,在不同数量的采样点、噪声和弧长下,改进的估计算法的精度都要高于传统的极大似然估计。根据预估的半径,车辆控制器便能得到相应的安全行驶车速。最后论文根据车辆实际车速和安全车速阈值的差值计算了车辆控制器发出预警信号时车辆与曲线入口之间的距离。     

基于最大熵原理的公共交通需求预测

探讨了基于最大熵原理的公共交通需求预测模型的原理与算法.根据土地利用、人口密度和公交站点覆盖率确定各交通区的公交分担率,得出交通区公交出行量,再应用最大熵原理进行公交出行分布预测.模型引入重力式先验概率,将发生概率最大的公交出行分布视为预测的出行分布,隐含考虑了随机因素的影响,从宏观上描述了出行者的交通行为.最后以安徽省某市公共客运交通专项规划的调查数据进行预测,实例应用显示该模型计算过程简便,能准确标定参数,适用性较强.     

基于最大熵原理的公共交通需求预测

探讨了基于最大熵原理的公共交通需求预测模型的原理与算法。根据土地利用、人口密度和公交站点覆盖率确定各交通区的公交分担率，得出交通区公交出行量，再应用最大熵原理进行公交出行分布预测。模型引入重力式先验概率，将发生概率最大的公交出行分布视为预测的出行分布，隐含考虑了随机因素的影响，从宏观上描述了出行者的交通行为。最后以安徽省某市公共客运交通专项规划的调查数据进行预测，实例应用显示该模型计算过程简便，能准确标定参数，适用性较强。     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警,基于车辆OBD驾驶行为数据及信息熵理论,提出了城市道路交通安全风险预估方法。首先,分析异常驾驶行为高发位置与道路交通事故发生位置的关联性;其次,构建以道路交通安全熵为一级指标,急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系,提出了基于改进熵权法的道路交通安全熵计算方法;然后,基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法,并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性;通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法,可弥补log对数函数无法计算零值指标熵值的缺陷,避免指标权重为负、指标熵值与权重反映信息不一致的现象;两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出,道路交通安全熵与交通事故表征的道路交通安全状态趋势一致;道路交通安全风险等级可划分为高、低风险2级,道路交通安全熵优化阈值为0.042,最后,风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

一种基于交通熵的交通流无序度量方法

交通流无序转化过程的研究需要对交通流无序进行定量的描述。为了定量描述交通流无序，通过对有序、无序概念的分析，给出了一种交通流无序的定义；在此基础之上，应用交通熵理论提出了一种交通流无序的度量模型，并应用该交通流无序度量模型对实际道路交通流无序阂值作了分析。计算了9种不同道路交通流的无序阈值，通过其结果比较分析，得出一个基本结论：当阈值N为1．10时，实际道路交通流为交通流无序状态。此时，车速一般小于设计车速的30％。该模型成功地解决了交通流无序度量问题，为交通流有序与无序之间的转化过程研究提供了理论基础。     

Data Fusion-Based Traffic Density Estimation and Prediction

Traffic congestion has become a major challenge in recent years in many countries of the world. One way to alleviate congestion is to manage the traffic efficiently by applying intelligent transportation systems (ITS). One set of ITS technologies helps in diverting vehicles from congested parts of the network to alternate routes having less congestion. Congestion is often measured by traffic density, which is the number of vehicles per unit stretch of the roadway. Density, being a spatial characteristic, is difficult to measure in the field. Also, the general approach of estimating density from location-based measures may not capture the spatial variation in density. To capture the spatial variation better, density can be estimated using both location-based and spatial data sources using a data fusion approach. The present study uses a Kalman filter to fuse spatial and location-based data for the estimation of traffic density. Subsequently, the estimated data are utilized for predicting density to future time intervals using a time-series regression model. The models were estimated and validated using both field and simulated data. Both estimation and prediction models performed well, despite the challenges arising from heterogeneous traffic flow conditions prevalent in India.     

基于交通运行指数的速度分布聚类与排放测算

交通拥堵评价指标与机动车排放强度的关系缺乏论述.利用北京市浮动车数据,处理成分道路等级的交通运行指数与速度分布数据.以车辆排放测试数据、工况数据为基础,量化速度与排放因子间的关系.分析交通运行指数与排放因子的测算机理,选择速度为中间变量,建立二者的关系量化模型.为降低交通运行指数与排放因子关系的不确定性,结合速度分布的影响因素,利用K-Means聚类方法,对交通运行指数与速度分布数据聚类分析.研究发现按道路等级、交通规律相似的工作日/周末以及时间段(6:00-12:00时,12:00-22:00时,22:00-6:00时)交叉组合分类,快速路、主干路、次支路速度分布不确定性分别降低了10.1%、13.6%、14.6%,排放因子不确定性分别降低了10.1%,13.4%,14.2%.测算了各分类条件下交通运行指数与排放因子间的定量关系.