考虑噪声影响的短时交通流预测模型及验证

为进一步提高交通流预测的精确性,相较于忽略噪声影响的传统预测方法,提出一种基于小波变换的双向长短时记忆神经网络-自回归滑动平均模型的预测模型(WBLA)。WBLA模型首先采用小波变换,将交通流数据分解为特征项及噪声项,在此基础上,对特征项采用双向长短时记忆神经网络(BiLSTM)进行预测,对噪声项采用自回归滑动平均模型(ARMA)进行预测,最后对两项预测结果求和作为最终的预测结果。将未考虑噪声影响的其它基准方法作为对比模型,在美国加州高速公路交通流数据集上进行测试及验证,实验结果表明：WBLA模型同未考虑噪声影响的次好模型相比,MAE、RMSE和MAPE分别下降17.86%、15.98%、16.39%,表明WBLA模型符合实际交通流速度变化趋势,模型合理性得到验证。     

基于约束卡尔曼滤波的短时交通流量组合预测模型

为了克服单一的交通流预测模型性能不稳定的问题, 提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量, 交通流量为观测变量, 预测结果是单一预测模型的加权和, 加权系数由约束卡尔曼滤波方程递推动态确定, 最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明, 在不同预测步长情况下, 约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平, 并且不受某一较差的预测模型影响, 具有较高的鲁棒性。     

基于驾驶模拟实验的85％位车速预测模型

应用运行车速（85％位车速）对道路设计一致性进行评价已被世界各国广泛采用,但用来进行评价的参数——运行车速的获得大都是在道路上测得的,提出一种通过在专用汽车驾驶模拟系统上进行实验,获取运行车速,从而建立运行车速预测模型的方法。实验采用真实路段的虚拟场景,并可在实验中实时记录速度数据,利用速度数据对平均车速、85％位车速与单圆曲线的曲率变化率CCRs及坡度进行回归分析,最后应用CCRs及坡度建立平均车速、85％位车速的预测模型。     

汽车碰撞模型中力学参数误差对碰撞前车速的影响

为了准确度量汽车碰撞模型中力学参数误差对碰撞前车速的影响,应用矩阵理论建立了影响程度分析方法.针对常见的误差形式,通过实例分析了以质心为坐标原点的碰撞模型和以碰撞中心为坐标原点的碰撞模型中力学参数误差对碰撞前车速的影响.结果表明,以碰撞前车速相对误差≤3%作为约束条件,以质心为坐标原点的碰撞模型和以碰撞中心为坐标原点的碰撞模型中,力学参数误差范围的最大值为±9.7%和±8.7%.     

基于MLR的公交车行程时间预测模型

分析了站间距离、上下车乘客数、停车延误等因素与公交车行程时间存在的线性映射关系,推导并建立了多元线性回归(MLR)模型,利用大连市21路公交车的数据,对模型进行了标定和检验,并对线性模型的误差来源进行了详细的分析和探究.重点探讨了行驶车速-行程时间线性相关性、乘客数-停站时间线性相关性、延误和行程时间线性相关性,解释了MLR标定的系数的含义,并阐述了导致MLR模型产生误差的来源,分析了非线性因素的影响.研究结果表明多元MLR模型能够解释影响因素与行程时间之间的线性因果关系,可以用来估计和预测公交车行程时间.     

基于UML的BRT交叉口信号优先控制分析

BRT(Rapid Bus Transit)是一种介于轻轨和巴士之间的灵活的公共交通方式,是城市公共交通系统中的一种有效补充形式.BRT的运营方式有多种,对于其中的地面型BRT来说,交叉口信号优先控制是其运营的关键环节,是其接近轨道交通运营服务水平的保证.本文借鉴了交叉口信号优化控制的理论和方法,以及轨道交通中的一些理念,考察了BRT通过交叉口这一实际过程,分析了BRT交叉口信号优先控制系统的相关策略,控制流程和控制方法,并采用UML (Unified Modeling Language)统一建模语言,运用面向对象方法(OOA)对系统进行了进一步的建模和设计,使用VP-UML工具建立了系统的初     

基于时间序列季节分类模型的轨道交通客流短期预测

轨道交通客流的分析中,数据季节性特征对客流预测的有效性存在显著影响.通过分析轨道交通客流曲线,发现轨道交通客流呈现出季节性特征;针对这种特征,提出基于季节分类模型的轨道交通客流预测方法.根据客流季节特征建立季节分类模板和季节时间序列;采用乘法季节自回归差分滑动平均模型建立客流季节分类模型;使用季节分类模型预测对应类型日期的客流.实验表明:季节分类模型既能有效预测轨道交通客流,又能较好地避免预测误差波动性问题.     

基于深度强化学习的道路交叉口生态驾驶策略研究

在互联和自动驾驶环境下,生态驾驶具有显著的潜力,可提高交通效率并降低能源消耗和排放.本文探讨一种基于深度强化学习算法的生态驾驶策略,该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策;将状态空间分为与车辆动态特性相关的局部变量,以及与信号交叉口相关的全局变量,确保CAV与环境之间的充分互动;奖励函数综合考虑了车辆的驾驶要求,与信号灯的协同作用以及全局节能激励因素;此外,设计一个典型的城市道路场景训练模型.结果表明,在信号灯和智能体输出协同控制下,本文提出的策略可以实现CAV的生态驾驶,并确保CAV准确驶入目标车道;在动态交通环境下进行仿真显示,通过控制多辆CAV引导人工驾驶车辆,本文方法可将交叉路口的通行能力提高约17.90％,并将交通系统的燃料消耗和污染物排放降低约8.76％.     

船舶碰撞概率的广义线性预测模型研究

根据Logistic模型基本原理建立事故概率预测模型,并对事故概率进行预测。通过模型预测结果与实际值对比,得出利用广义线性预测模型对事故概率进行预测具有一定可信度。     

����ȼ�ͼ۸�Ԥ��ĺ����⴬ȼ�Ͳ��������Ż��о�

燃油成本是船东在经营航次租船业务中控制运营成本的关键要素,由于燃油价格随时间频繁波动,而海上运输周期长,因此船舶在挂靠港的燃油补给计划成为船东面对的重要决策问题.本文以不定期航次租船为背景,从船东的视角,研究船舶在连续航次租船运营中的燃油补给问题.首先,基于ARMA模型建立燃油价格预测模型;其次,以连续多航次收益最大为目标,以补给地点和补给量为决策变量,基于燃油价格预测建立优化燃油补给方案的非线性规划模型.最后,针对一个干散货船舶的环太平洋的连续租船航次实例进行计算.结果表明,求解模型获取的最优燃油补给方案比传统的加油方式能够节省成本26.34万USD,占营运总收益的14.3%.     

车联网环境下信号交叉口车速控制策略

为了减轻城市道路上信号交叉口对交通流的阻断,针对车联网环境下个体车辆可 以与路侧设施及交叉口中心控制系统实时信息交互的特征,提出了信号交叉口车速控制策 略,在提高交叉口通行效率的基础上兼顾驾驶舒适性与环境友好性.为验证车速控制模型的有 效性,基于多智能体技术建立了车联网环境下信号交叉口车速控制仿真系统,以典型十字交 叉口为例,模拟对比分析了传统驾驶和车联网2 种环境下车辆通过交叉口的行程时间、燃料消 耗与污染物排放.结果表明,该速度控制策略下车辆通过交叉口的平均行程时间减少了约 60%,燃料消耗减少了约40%,污染物的排放也有显著减少.     

���ڳ������������㷨�ĵشŴ��������ڵ㳵�ٹ���

地磁车辆检测器是近年来兴起的新型交通流信息检测技术,而利用单节点检测数据完成车速估计是该技术研究的重点之一. 本文首先对地磁车辆检测技术予以简要介绍,然后基于对道路车辆车长分布规律的分析,在合理假设的前提下,提出了车流特征分区的车速估计算法. 该算法充分考虑实际应用中各类车型组成情况,应用最大类间方差法实现大型车与小型车的分类,基于城市道路小型车居多且车长分布集中的特点,仅利用小型车通过时间检测数据完成对平均车速的估计. 最后,选取实际路段开展试验,并基于Matlab平台对该算法进行了验证. 结果表明,本文提出的车流特征分区算法稳定性好,平均准确率达到85％以上.     

ʵʱ��ͨ��Ϣ������Ԥ��ϵͳ�������ķ�չ�ſ�

介绍了美国联邦公路局（FHWA）支持的动态交通分配（DTA）研究项目的发展概况。FHWA启动DTA项目的目标是研发一套可实际应用的实时交通信息估计与预测系统(TrEPS),其中提供的交通估计与预测信息可用于动态交通管理,以满足智能交通系统（ITS）的信息需要。讨论了DTA项目,ErEPS在FHWA的战略规划和美国国家ITS体系结构中的地位,ErEPS的用户,以及其研究、开发、实施概况;提出了在我国发展类似系统的一些建议,包括实现ErEPS原型的本地化、引入各向异性交通流模型及混合交通仿真法以改善TrEPS的性能等。     

基于车流特征分区算法的地磁传感器单节点车速估计

地磁车辆检测器是近年来兴起的新型交通流信息检测技术,而利用单节点检测数据完成车速估计是该技术研究的重点之一. 本文首先对地磁车辆检测技术予以简要介绍,然后基于对道路车辆车长分布规律的分析,在合理假设的前提下,提出了车流特征分区的车速估计算法. 该算法充分考虑实际应用中各类车型组成情况,应用最大类间方差法实现大型车与小型车的分类,基于城市道路小型车居多且车长分布集中的特点,仅利用小型车通过时间检测数据完成对平均车速的估计. 最后,选取实际路段开展试验,并基于Matlab平台对该算法进行了验证. 结果表明,本文提出的车流特征分区算法稳定性好,平均准确率达到85％以上.     

��·Эͬ�µ�·������źſ����Ż�����

车路协同系统能实时获取车辆个体的运行状态信息,并能通过速度引导实现车辆与交通控制系统之间的动态交互,为交通信号控制提供了新的数据源和技术手段.分析了现有车路协同下交通信号控制方法存在的不足,引入基于时间窗的滚动预测方法,提出了改进的交叉口信号控制优化流程;将相位饱和度作为表征信号控制效果的指标,在考虑速度引导对车辆运行状态影响基础上,建立了车路协同环境下道路交叉口信号控制优化方法和模型.运用VISSIM软件进行了仿真实验,结果表明,本文方法优于感应控制方法,在各种交通流量下均能有效降低交叉口平均延误和停车次数.     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

���ڸ��������ݵ��Ŷӳ��ȼ�ⷽ���о�

排队长度作为评价信号交叉口运行效率的一个重要指标,能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器,且模型假设过于理想化,本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法,方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔,主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系,在浮动车比率较高的许多主干路交叉口,精度可以达到理想效果,30 m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值.