交汇航路空中交通流的非线性特征研究

针对空中交通流仿真、预测与控制工作中普遍需要空中交通流时空动态基本特征的问题,从混沌与分形角度对交汇航路交通流量时间序列的非线性特征进行了研究.首先,提出了一种基于航路网络结构的交通流识别方法,构建了不同时间尺度下交通流量时间序列;其次,在相空间重构的基础上,利用最大Lyapunov指数定量判断了交通流中混沌特征的存在,并利用递归图分析了不同时间尺度下交通流量时间序列的混沌特征;最后,通过计算关联维数,研究了不同时间尺度下流量时间序列的分形特征.研究结果表明:不同时间尺度下交通流量时间序列均具有混沌特征;当时间尺度为5 min时,流量时间序列的混沌特征最为显著;随着时间尺度增大,流量时间序列的随机性增强,且对系统复杂性的表现能力变弱.     

Y型航道内船舶交通流量的非线性特征研究

针对Y型航道管理中需要掌握船舶交通流量的基本特征问题,基于历史数据,构建了船舶交通流量时间序列,利用时间延迟、最大Lyapunov指数和递归图验证了序列具有混沌特征.通过计算关联维数,证明了序列具有分形特征.研究结果表明Y型航道内船舶交通流量时间序列具有非线性特征,由于时间间隔的不同,非线性的强弱也不相同,其中时间间隔为30 min时,序列的非线性特征最明显,随着时间间隔增大,系统的非线性特征逐渐减弱.     

�о����п��ٹ�·��ͨ���ķ�����ѧ����

分形几何是一门新兴的数学分支，它是一个研究和处理自然与工程中不规则图形的强有力的理论工具本文用分形插值函数的图象来表示随时间变化很强的交通流的曲线.首先，通过测量的交通流量的离散时间一流量坐标数据，用分形插值函数方法模拟交通流整体函数的图像.然后，应用分形插值函数的思想，根据交通流普遍存在统计上的自相似性，提出分形预测方法.最后，对以后的工作进行了展望.     

短期交通流的局部分形研究

根据短期交通流的混沌与分形特征，提出利用时间序列的最小覆盖维方法分析其局部分形特性，研究了最小覆盖维与短期交通流量波动的关系，运用最小覆盖维估计交通流的发展和变化趋势。     

基于重现定量分析法的交通流量时间序列周期特性

为了提高交通流量的预测精度,用重现图和重现定量分析法,定量分析了交通流量时间序列的周期特性,并利用BP神经网络法和K近邻法,对短时交通流量进行了预测.实例分析表明:不同统计时间间隔和不同时段的交通流量时间序列的周期特性不同.统计时间间隔为5 min的交通流量时间序列有较好的实时性和较强的周期性.交通流量时间序列的周期特性与预测精度正相关,夜间交通流周期性弱,预测精度为87.41%;日间交通流周期性强,预测精度为92.16%.     

基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上,通过对混沌时间序列预测方法的研究,提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值,使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测,取得了令人满意结果。     

���ڶ����ѧϰ�������ԵĶ�ʱ��ͨ��Ԥ��

交通流量预测是当前交通大数据应用的重要议题之一.经典的交通流量预测方法通常只根据被预测道路自身的数据进行分析和决策,而往往较少考虑由于同一区域不同道路之间的交通流量关联性.本研究根据城市核心区交通流量数据的特点,构建同区域内多条相关道路的交通流量多维度数据模型.并且,基于该数据模型提出了一种基于多机器学习竞争策略的交通流量预报算法.该算法的主要核心思想是利用时间序列聚类的方式将多维交通流量数据进行降维,然后通过引入多种多机器学习方法进行并发训练,其训练结果通过竞争获得最优分类器群.最后设计了多最优机器学习集成预测方法进行交通流量预测.本模型通过在南昌市中心道路进行的实验显示,其预测结果优于传统单时间序列机器学习方法.     

���ڻ������۶Ա�������·���ж�ʱ��ͨ����Ԥ����о�

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.     

基于混沌理论对北京二环路进行短时交通流量预测的研究

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。