现代交通控制相关技术的发展趋势分析

讨论了现代交通控制的涵义,通过广泛的文献回顾,将现代交通控制与传统交通控制进行对比,对现代交通控制在系统控制理论和技术、交通综合信息技术、通信和硬件平台技术以及交通控制计算机软件与其平台技术4个方面的发展趋势进行了具体分析。     

信号交叉口渠化与信号配时协调优化研究

目前在信号交叉口方案优化时,渠化组织优化研究与信号配时优化研究相分离,从而影响了研究的整体效果。文中以北京市怀柔区的典型交叉口为例进行分析研究。在实际调查的基础上进行特性分析,利用Synchro仿真软件对信号交叉口的现状信号配时方案进行分析,并对配时方案进行优化。结合分析结果,判断渠化组织的合理性,再根据渠化组织确定相应信号配时方案。将信号配时优化与渠化组织协同考虑,最终确定推荐的渠化与信号配时设计方案。     

平行系统理论在交通工程中的应用浅探

阐述了平行系统的概念、理论框架以及研究内容,并将平行系统理论应用到城市交通系统中,建立了平行系统理论在交通工程中的理论框架体系,探索分析了其研究内容和过程.通过怀柔区青春路信号灯绿波控制实例的简要分析,通过实际交通系统与人工交通系统的交互运行和过程演绎,表明平行系统理论在交通系统中的实际应用效果明显优于传统交通仿真方法,能以最短的时间得到最佳的优化方案.     

路网容量压力测试方法研究

路网容量是对城市道路网进行综合评价的一个重要指标,由于理论模型计算精度的不足,建立一套研究路网容量的方法是目前紧迫的需求.研究将压力测试的方法运用到交通领域,采用实验交通工程学的理论思想,考虑路网容量影响因素及路网运行质量评价指标,建立路网容量压力测试方法,确定路网容量,为路网规划以及交通的管理与控制提供理论支持.     

基于浮动车数据调查方法的交叉口延误计算

针对目前城市中现有的GPS浮动车研究城市交叉口延误估计方法,为了摆脱传统计算方法,提出一套利用浮动车数据估计延误的新方法。在分析了车辆经过交叉口的受阻过程,界定了交叉口范围以及车辆经过交叉口的畅行速度的基础上,确定了交叉口延误的计算流程以及计算公式,并且对此方法进行了验证。     

基于马尔科夫链的高速公路机电设备寿命预测研究模型

利用机电设备的历史故障数据及故障概率,基于马尔科夫链的理论,研究高速公路机电设备故障预测情况,提出了基于马尔科夫链的高速公路机电设备寿命预测研究模型。高速公路机电设备的运行状况和诸多因素相关,存在大量的不确定性和随机性,不同的高速公路机电设备故障概率和设备寿命一般符合浴盆曲线理论,将机电设备的大量历史故障数据转化为极限概率问题,可以判断机电设备的使用寿命和有效寿命。首先运用马尔科夫链的相关理论计算并得出转移概率、极限概率和时间滚动窗口的设备状态之间的关系,掌握设备故障的变化规律;然后根据浴盆曲线理论结合马尔科夫链的方法对转移概率和极限概率进行分析判断设备的有效寿命,并根据极限概率和故障累计次数预测设备的使用寿命。通过应用马尔科夫链的方法对故障概率趋势图的研究建立了一种新的寿命预测模型;并选取高速公路车辆检测器设备进行历史故障数据分析,验证了该预测模型的有效性和实用性。在高速公路机电设备的维护中利用该寿命预测研究模型,判断设备的寿命情况,并预测机电设备的故障发生趋势,可为高速公路机电设备的维护和更新提供决策依据,指导未来设备维修工作的重点,同时评估设备的运行状态可以有效保障系统的正常运行。     

我国“三滤”行业出路何在？

滤清器是内燃机的重要附件,它包括三个组成部份即:空气滤清器、机油滤清器和燃油滤清器,故通称为“三滤”。其作用主要是过滤空气、机油、燃油中的杂质。这直接关系到发动机的动力性、经济性、可靠性及使用寿命。对环境污染包括废气排放与噪音也有很大影响。随着国际上排放与噪音标准的提高,对“三滤”也提出更高要求。所以“三滤”已被人们越来越重视。     

基于XML的网络型信号灯控制设备的通讯标准

城市交叉路口信号灯控制设备来自不同的制造厂商，通信接口标准各不相同．很难满足ITS对城市交通协调控制的需要。为建立城市信号灯系统中的电子数据交换基础．实现交通控制系统跨平台集成，应采用通用电子数据交换格式建立相关开放的技术标准。章介绍了应用扩展标记语言(XML)建立信号灯控制设备数据交换标准的过程、方法，提出了开放式信号灯控制信息交换的标记语言SignalML。     

我国多层分布式交通信号控制系统结构的研究

现在我国大部分城市出现了多种交通信号控制系统并存的情况，由于这些交通信号控制系统来自不同国家的不同生产厂商，系统内部的结构和通信协议、控制命令格式等部不尽相同，因此不能满足统一进行交通信号控制管理的需要。本通过对几个典型交通信号控制系统的结构分析，提出我国多层分布式交通信号控制系统结构，并且对构成系统的各个部分的功能进行了讨论，从而达到既能够兼容多个交通信号控制系统，又能够独立发挥交通信号控制系统的功能的目的。     

基于粒子群优化小波神经网络的行程时间预测

为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息,提高出行效率,需提升高速公路行程时间的预测精度。鉴于此,将生物学中粒子群优化算法（Particle Swarm Optimization Algorithm, PSO）引入小波神经网络（Wavelet Neural Network, WNN）中,构建基于粒子群优化小波神经网络（Particle Swarm Optimization Wavelet Neural Network, PSO-WNN）的高速公路行程时间预测模型。首先将高速公路原始收费数据规整化,截取其中有效字段,获取研究路段一个月的行程时间数据并对其进行数据处理。然后分别基于PSO-WNN模型和WNN模型,利用Matlab进行实验。实验结果显示,PSO-WNN模型预测结果的平均绝对误差、平均相对误差和均方误差较WNN模型分别降低了83.36%, 82.20%和98.15%。PSO-WNN行程时间预测模型不仅预测精度高,而且能较准确地预测出行程时间的走向及波动情况,在收敛速度方面也呈现出一定的优势,具有较好的适应能力。