动态航迹推测方法

应用大圆航迹和等角航迹原理,融合雷达、电报等动态数据,研究了动态航迹推测算法,以及该算法在航空器飞行轨迹预测、航空器过航路点时间预测和空中交通流量动态统计预测等方面的应用。利用广州机场的实际航班数据,将动态航迹推测算法与经验时间累加法进行了对比研究,发现动态航迹推测算法符合航空器运行规则,其误差在±0 5 min之内,能及时修正航空器的飞行轨迹,反应灵敏。结果表明动态航迹推测方法能更好地预测未来短时期内空域使用情况,是一种为空中交通战术流量管理提供准确数据的有效方法。     

航路网络流量波动行为分析

空中交通系统是一个动态的复杂系统,各种因素导致的网络流量变化引起网络结构的改变,进而影响网络功能并造成延误与拥堵。为缓解我国空中交通延误较大的现状,需要深入分析航路网络流量的波动行为。以我国中南地区实际网络数据构建航路网络模型,分析节点流量的波动特性和动态特征。研究表明,该航路网络节点流量对时间的均值和标准差满足幂率且幂指数在1/2到1之间,并且在不同的时间和空间尺度下动态特性各异,意味着其波动性是内外影响因素共同作用的结果。并且将影响航路网络流量波动行为的内部影响因素从外部影响因素中分离出来,定量确定波动性的来源。最后,给出内外影响因素主导地位在观测尺度上的转换点。     

繁忙机场机坪空间构型对航班离港滑行时间的影响

航班离港始于停机坪推出，经由滑行道滑行并止于跑道离地，因此机坪空间及其与跑滑系统构成的相对位置关系对航班离港滑行具有较大影响，滑行时间的预测精度对ACDM机制下航班推出时刻优化和跑滑系统效率提升具有重要作用。首先提出机位组概念表征机坪空间构型，据此设计场面实时动态航班流量、机位组无阻碍滑行时间和机位组空间影响指数等新特征变量，然后基于分类回归树构建预测模型，验证新特征引入对离港滑行时间的预测效果。以首都机场实际运行数据为例，预测结果表明：在保持较高拟合优度的同时，新引入的表征机坪构型及其与跑滑系统相对位置关系的特征变量提高了离港滑行时间预测模型精度，预测与实际误差值在 3 min和5 min内的航班数量分别提高了4.88%和6.46%，每高峰小时可为首都机场减少约2~3个起飞时隙的浪费；新特征变量对离港滑行时间预测精度的整体贡献较大，且场面整体流量特征变量的贡献超过单一跑道流量，进港航班相关特征变量的贡献超过离港航班。     

平行跑道运行模式对终端区交通流特性的影响研究

为提升终端区空中交通运行效率,研究平行跑道运行模式对终端区交通流特性的影响.根据终端区空域结构特点、跑道运行规则,建立了终端区进场动态排序策略、进离场协调策略和航空器跟驰行为模型;选取国内某终端区标准进离场程序SID-STAR和双平行跑道构型,基于NetLogo仿真平台实现了终端区交通流运行仿真,对比分析了独立运行、相关运行和隔离运行典型跑道运行模式下终端区交通流特性参数的变化规律.结果表明:独立运行模式下终端区交通流运行效率较高但流量波动性较大,隔离运行模式下运行效率最低但最稳定;独立运行模式下终端区交通流的拥堵消散最快且延误最小,相关运行模式次之,隔离运行模式下终端区交通流的拥堵消散最慢且延误最大.     

基于滚动时域优化的共享自动驾驶汽车动态调度方法

共享自动驾驶汽车被视为未来城市交通系统的重要组成部分。本文考虑随机订单需求研究共享自动驾驶汽车的动态调度优化方法。通过建立车辆调度时空网络，分别针对订单分配与空车移位生成车辆运行时间弧，提出车辆调度问题的刻画方法。基于马尔科夫决策框架，以时空节点流量为状态，以时空弧流量为决策变量，建立最大化系统净收益的车辆动态调度优化模型。 采取滚动时域优化思想，建立含前视时间窗的随机规划模型，并利用CPLEX优化引擎，滚动求解车辆动态调度决策结果。Sioux Falls网络算例结果表明，滚动时域优化方法可保证车辆动态调度决策效果，提升系统运营效率。在计算时间限制下，滚动时域方法应优先采用长时间窗中等规模 样本。在最大化系统净收益的同时进一步最小化乘客等待时间，可有效提升车辆动态调度决策效果。     

扇区空中交通风险态势网络建模与演化特征

为了准确感知空域内空中交通运行态势,提升飞行运行效能,研究了扇区空中交通风险态势的网络建模方法和演化特征,基于实测数据验证了方法的可行性与有效性;在扇区内以活跃航空器为网络节点,依据航空器位置偏差下的冲突关系构建连边,建立空中交通风险态势网络,利用连通分量的概念定义并识别网络内的航空器集群;基于航空器集群特征构建状态向量,进一步划分空中交通风险态势模式;以分类后的态势等级时序为基础,针对各模式的样本进行持续时间分析及建模,讨论了单一态势模式的生存特性与多模式间转移行为的偏好水平;为了验证方法的有效性,以广州管制AR05号扇区的实际数据为样本展开分析。研究结果表明：低风险至高风险模式的生存特性差异明显,平均生存周期分别为82.49、118.11、75.77、90.51 s,中等风险模式是估计生命周期最长且生存率最高的模式;在模式迁移的过程中,集群数目与规模相对简单的风险模式主要表现为前向可达性较高,而回迁及跃迁概率低于0.05;复杂程度较高的风险模式则表现出了较为明显的回迁行为,且概率会随着时间步长的增加(30、60、90、120 s)逐渐趋于稳定。可见,建立的空中交通风险态势网络模型能...     

基于ARCH 模型簇的路径行程时间可靠性分析

 行程时间可靠性是反映道路交通网络可靠性的重要指标.由于交通系统存在不 确定性,行程时间的波动具有异方差性,利用传统数理统计方法建立的行程时间预测模 型,无法对行程时间进行准确的预测.针对行程时间波动的尖峰厚尾、集群性等特点,引入 计量经济学中的ARCH 模型簇.通过实证分析,评价行程时间波动的时变性、持续性,描 述系统外部信息冲击的分布,分析行程时间波动对外部信息冲击的反应机制.结果表明, ARCH 模型簇能很好地适应行程时间序列数据的方差变化特点,与交通系统的自身特性 相吻合,能够对路径行程时间的可靠性进行有效的评价.     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

基于改进KNN算法的城轨进站客流实时预测

针对实时进站客流数据的高维数、多噪声、波动频繁等特征,本文提出一种基于改进 K最近邻(K-nearest-neighbor, KNN)算法的城轨进站客流实时预测方法.首先,通过对分时客流数据的相关性分析,确定表征客流特征的状态向量;其次,结合数据特性改进近邻样本的模式匹配过程,利用关键点法去除原始序列中的噪声扰动,并引入动态时间规整算法实现考虑序列形态的相似性度量;再次,根据样本间流量差异引入距离权重和趋势系数,推演未来时段的进站量,实现滚动的实时预测;最后,依托广州地铁客流数据仓库对预测模型进行精度分析. 结果表明,对于全网159个站点,5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%,能够为路网状态监控提供可靠的数据支撑.     

基于偏好序的高铁票价与售票时间窗联合优化

采用形式灵活且适用性好的偏好序模型刻画旅客购票选择行为，拓展现有高速铁路动态定价与售票控制策略联合优化的研究方法。按照票价变动范围划分客票等级，结合偏好序模型的特点，通过决策各等级客票售票时间窗进行售票控制，同时，在一定范围内优化各客票等级的票价，实现票价与售票控制的联合决策。本文在分析弹性客流的基础上，采用偏好序选择概率、 到达率和时间窗长度测算客票销售量。根据运营需要设定客票产品排序，以各客票产品停售时间和票价作为决策变量，建立以期望总收益最大为目标的非线性规划模型，并且将粒子群算法与线性规划精确求解嵌套求解模型。以京沪高铁为背景进行数值实验，结果表明：与固定各等级票价只优化售票时间窗的方案相比，联合优化方案可提升期望总收益约4.54%；不同需求水平下，联合优化方案的期望总收益均高于固定票价方案；期望总收益随着转移购买概率增加而增加，且不同转移概率取值下联合优化方案的期望总收益均高于固定票价方案。所提方案可为高铁列车动态定价和制定售票控制策略提供决策支持。     

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.      

航路扇区容量需求的交通流动力学推演与预测

为科学应对交通需求的持续增长，合理进行空域规划，从介观层面刻画交通流动态演化过程，提出航路网络交通流演化模型. 以此为基础，将预测得到的城市对间年度交通总需求量推演到整个航路网络中，实现未来交通需求时空分布的中长期预测；构建航路扇区容量需求预测模型，选取华东地区两个相邻航路扇区为研究对象，进行实例验证.结果表明，所提方法能对航路扇区容量需求进行有效预测，未来5 年内两个航路扇区容量需求将分别由50架次/h、 39架次/h上升为70架次/h、45架次/h.     

不同能见度条件下高速公路车辆速度特性研究

本文以京港澳高速公路湖北省内金山-武汉南路段内的交通流检测器及其附近设置于路侧的公路气象站的历史数据为主要研究数据,针对雾天低能见度等天气因素,分析有无雾及不同能见度条件对车辆速度均值及速度离散型的影响;研究在雾天条件下,不同车道位置、不同车辆类型、不同时间时段的车辆行驶速度的差异性;基于交通流Greenshield 经典V-K关系,采用非线性回归方法,建立雾天车辆平均行驶速度综合预测模型,模型的拟合优度达到80%.研究成果对研究公路沿线能见度因素对行车安全影响,分析雾天等低能见度条件下的公路通行能力,制定雾天等低能见度条件下可变速度控制等交通控制措施具有重要参考与借鉴意义.     

考虑周期性波动因素的中长期空中交通流量预测

为准确把握空域单元交通流量的变化趋势和周期性波动规律,综合考虑气候、季节、交通需求等因素,通过分析中长期历史流量数据,在线性增长模型的基础上,建立了考虑周期性波动因素的空中交通流量动态线性改进模型,采用贝叶斯状态估计和预测方法对模型进行求解,提出了一种根据空域单元流量时序数据预测中长期流量及其变化趋势的预测方法.利用国内典型空域单元实际流量数据,对比分析了上述两种模型的预测性能.实例研究表明:与线性增长模型的预测结果相比,本文模型的流量预测结果更符合我国的实际情况,反映了流量周期性波动特点,年流量预测结果的平均绝对误差从3.14%下降到了1.71%,预测误差的标准差从2.01%下降到了0.02%.      

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

基于时空注意力卷积神经网络的交通流量预测

为充分挖掘交通流量的复杂时空动态相关性以提高交通流量预测精度,引入空间注意力机制与膨胀因果卷积神经网络,提出一种基于时空注意力卷积神经网络的交通流量预测模型（spatio-temporal attention convolutional neural network,STACNN）.首先,由膨胀因果卷积与门控单元构建的门控时间卷积网络模块用于获取交通流量的非线性时间动态相关性,避免在训练长时间序列时发生梯度消失或梯度爆炸;其次,采用空间注意力机制为路网中的交通传感器节点自动分配注意力权重,动态关注不相邻节点之间的空间关系,并结合图卷积神经网络提取路网的局部空间动态相关性特征;然后,通过全连接层获取最终的交通流量预测结果;最后,利用高速公路交通数据集PEMSD4、PEMSD8进行了60 min的交通流量预测实验.实验结果表明：与基线模型中具有良好性能的时空图卷积网络（spatio-temporal graph convolutional network,STGCN）模型相比,提出的STACNN模型预测结果的平均绝对误差（mean absolute error,MAE）在两个数据集上分别提...     

基于SARIMA 模型的北京地铁进站客流量预测

通过对北京地铁2013 年5 月~7 月的进站客流量数据进行详细分析,总结北京 地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁 进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预 测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型 适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特 点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议.     

基于粒计算的交通流参数预测

交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基 础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时 间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态 可变的区域间隔长度.此方法主要特点是基于Gath-Geva 模糊聚类的时间序列分割,利用 模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化 趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区 间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.     

空中高速路交通流的跟驰现象及流量模型

为研究下一代航空运输系统空中高速路的流量模型,针对连接远程、繁忙航线城市对的空中高速路具有航路单向、无交叉、有性能限制、高密度运行的特点,以下一代航空运输系统的运行规则为基础,基于跟驰理论,对单层航路建立了空中高速路交通流微观跟驰模型.通过对空中交通流量密度关系的分析,扩展出空中交通流的宏观流量模型,该模型可用于航路流量优化、安全分析和航路容量评估等.计算结果表明:由微观跟驰模型得出,运行于空中高速路上的航空器间隔越小、速度越快、后机反应强度越小,后机相对于前机的跟驰反应就越强烈;由宏观航路流量模型得出,飞机流中航空器间隔越小、起始速度越大,流量变化就越明显.