道路交通流数据检验与修复方法

交通流数据常见问题分为数据缺失、数据无效和数据时间点3类，针对这些问题，提出了一种交通流数据检验与修复方法。以北京市交通流数据为例，应用这一方法进行了分析与验证。结果表明该方法具有很好的实际应用效果。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性，为数据的管理和应用提供了可靠的数据基础.     

交通流突变分析的变点统计方法研究

针对ITS的开发，建立了分析交通流突变的变点统计方法。依据交通流理论，结合均值变点模型，对突变存在与否的检验，变点个数的判定以及变点搜索的最小二乘法等问题进行了详细论述，最后利用英国南安普敦市的实际数据对上述算法进行了标定，并给出模型应用的实例，验证了方法的有效性。     

季节性ARiMA模型在稀疏交通流下的预测方法

交通流监测存在普遍的稀疏性,理想的交通流预测模型应该能够充分利用交通流数据的特征,克服稀疏性问题.通过大量的数据分析,城市道路交通流被证实存在时序上的周期性特征.同时,数据分析结果也表明了交通观测数据稀疏性的普遍存在,而且稀疏的分布不均匀,有些极端稀疏道路甚至出现数天的观测缺失.因此,交通流预测模型应该有对稀疏的适应性,而季节性ARiMA交通流预测模型的引入能够很好地利用时序周期特征计算交通观测值的缺失.这种模型的优势在于融合了邻近的交通流观察值和交通流数据的周期性,消除了道路稀疏性导致观测值缺失带来的预测障碍.对比试验的展示表明了这种模型对交通流数据周期性特征的利用和对稀疏性的适应.     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

理论.方法.数据：交通流模型成功三要素

本文通过分析现代交通流模型研究中存在的问题，指出认识理论，方法和数据在交通流模型研究中地位问题的必要性，提出并论述：在交通流模型研究中，交通流行为理论是基础，方法是工具，数据是原料，三者缺一不可，构成交通模型成功的三个必要因素；同时，对理论，方法和数据使用中存在的问题进行了详细分析并试图提出相应的解决途径。     

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

城市快速路交通流分形预测算法的研究

根据城市快速路交通网络几何结构及交通流的混沌性,在分析交通流分形特性的基础上,应用小波系数方差法求解Hurst系数,同时建立了城市快速路交通流分形预测模型.利用实测数据,运用分形预测模型对上海市高架路的交通流进行了预测及误差分析,探讨了交流量不同状态下,即不同时段相同时间尺度,同一时段不同时间尺度;同一时段同一时间尺度下不等长数据序列的交通流分形特性及预测结果,并与传统方法进行比较,验证了模型的有效性及正确性.     

高速公路交通流特性分析与应用实例

实测数据表明，高速公路的交通运行同时具有连续性与非连续性。传统的交通流模无法解 种现象，因此有必要对高速公路的交通流特性进行深入的分析，本文结合上海内线高架的调查数据业分析拥挤状态下的交通流特性并进行拥挤类型判断。     

基于路网空间拓扑结构的交通流数据填补模型研究

由于传感器故障、状况不稳定或数据传输等问题,交通流数据存在大量丢失的情况,对依靠这些数据进行交通科学决策产生了很大的影响.基于以上问题,提出一种基于空间拓扑结构的交通流数据填补方法,模型通过选取区域的典型道路训练上下游之间相关参数,根据道路类型匹配典型道路,应用典型道路的参数进行交通流数据填补,并利用武汉市实际交通检测器数据进行模型验证.选取武汉市实际道路上2个典型地磁检测器进行数据填补误差分析,不同填补方式下的平均相对误差为52.88%和51.93%,相对于传统的交通流数据填补建模来说,基于空间拓扑结构的填补模型在实际的应用过程中,能够在更大的范围内对丢失的交通流数据进行填补.      

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

高速公路动态交通流的建模与控制策略

从高速公路交通流的宏观、动态特性出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并结合交通调查数据，利用仿真和优化技术对模型中的参数进行辨识，从而获得了能比较准确地描述了交通流真实行为的模型，然后提出了低密度区的可变速度控制，中密度区的可变限速和入口匝道联合控制及出口匝道分流和入口匝道协高控制模型，并给出了上三个问题的最估解，最后利用计算机模拟了受控和未控交通流，其结果令人满     

局部比较的变点统计理论及其在交通流突变研究中的应用

交通流变点就是交通流模型中的某些参数起突变化之点，在变点附近的局部中，某种量有了显著的变化，而在非变点的局部中，量保持稳定，本文针对ITS开发，依据交通流理论并结合均值变点模型，建立用局部比较的方法分析交通流突变的变点统计理论，利用某种交通流参数构造有针对性的统计量并考察它在各个局部内的变化，取其显著之处作为突变发生位置的估计，使用实测数据对算法进行标定和检验，证明方法的有效性。     

周相似特性下的交通流预测模型研究

针对城市路段交通流的周相似的特性，提出将路段的每日交通流数据分解为日交通流规律和日交通流水平，同时认为每日的交通流规律是由对应的类交通流规律和随机干扰构成。借用电路中的放电规则，给出交通流预测的模型。具体算例的结果显示：将交通流进行分解和采用本预测模型是合理的，它具有计算简单、使用数据少等优点，具有一定的工程应用价值。     

高速公路短时交通流预测方法对比分析

高速公路短时交通流预测对于高速公路智能管控具有重要意义。通过总结不同文献中关于高速公路短时交通流预测的研究内容，发现了目前高速公路短时交通流预测研究存在的不足，给出了高速公路短时交通流预测的流程，对高速公路短时交通流预测模型进行了分类比较，明确了不同模型的适用场景和优缺点，通过具体案例数据分析比较了KNN模型、SVM模型、LSTM模型的预测精度，研究发现KNN模型的预测精度最高，明确了数据质量和算法精度是交通流预测的关键。本研究可以为高速公路短时交通流预测发展提供借鉴。     

基于改进BP神经网络的交通流数据融合

提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.     

基于多国实测数据下的交通流模型对比研究

为检验最新的S3交通流模型和多个经典交通流模型对交通状态的描述精度和对不同国家交通流数据的适应性,利用模型分别对中国西安市长安大学CHD数据集、德国HighD数据集和美国PeMS数据集进行参数拟合和特性分析,利用流量、速度和密度作为输入参数,采用最小二乘方法拟合,并利用均方误差指标(MSE)对参数拟合后的模型进行性能评...     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

基于小波分析的事故检测算法

讨论了事件检测算法，建立了基于小波分析的算法。首先构造二进小波，对交通流数据进行二进小波变换，检测其奇异点。根据判断逻辑确定是否有事件发生。要用广佛高速公路交通流数据对该算法进行离线测试，与加利福尼亚算法，滤波算法比较，结果显示该算法具有较好的效果。