路网中关键路段识别的理论方法研究

从静态相关性和动态传播性2个角度,以相邻路段服务水平等级相关系数及拥挤传播的范围、持续时间的长度为判断指标定义关键路段。从北京市环路的基本交通流数据着手,寻找影响环路交通运行状态的重要路段。关键路段的识别为交通诱导、交通控制、交通优化提供了重要的决策支持。     

���������ģ�͵ij��п���·��ͨ״̬Ԥ�ⷽ���о�

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级. 最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性. 实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性. 最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.     

基于最大熵模型的城市快速路交通状态预测方法研究

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级. 最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性. 实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性. 最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

基于改进模糊滑模控制的列车速度跟踪研究

列车运行过程具有强耦合、非线性等特征,且往往存在较大且不可观测的外界干扰,这些特性加大了列车运行控制的难度,针对列车运行速度跟踪控制问题,提出一种新的模糊滑模控制器设计方法。首先基于模糊滑模控制,引入全局快速终端滑模控制,使系统在有限时间内达到稳态;然后构造以李亚普洛夫函数导数的绝对值为补偿的自适应干扰估计项,对外界干扰进行准确估计,进而提出一种双层递阶指数趋近全局快速终端模糊滑模控制器,并且引入指数趋近率来调节滑模面的动态品质,该控制器能快速收敛到稳定状态,且有效地消除了控制器的抖振情况;最后通过仿真算例验证了所提方法的有效性,且提高了列车运行控制系统性能。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

基于网络可控性的城市轨道交通客流网络限流优化控制方法

城市轨道交通客流网络的可控性决定客流状态密度在时间空间上是否达到均衡。建立城市轨道交通客流网络模型,提出限流车站备选集评价指标。基于系统可控判定理论,将客流分布转化为系统状态方程,提出城市轨道交通客流网可控性判定方法,建立基于驱动节点匹配的路网限流车站优化方法,实现对城市轨道交通客流网络限流车站的优化控制。以北京城市轨道交通客流网络进行实证分析。结果表明,当限流车站达到车站总数25.3%以上时路网达到可控状态,并计算出早高峰时的路网可控状态下的最小限流车站集合。     

基于GIS的轨道交通网指挥中心综合监控系统的设计与实现

基于轨道交通网指挥中心对路网协调指挥、各线路运营系统集成、信息共享和决策支持等系统需求的分析,构建路网综合监控系统。系统的体系结构包括网络通信平台、数据平台、信息共享平台和综合应用平台等核心部分,以及网络和信息安全保障体系、信息化标准规范体系和信息化运营管理体系等支撑部分。根据系统涉及的业务基础信息、动态监控信息、业务管理信息和空间数据,设计系统的信息处理流程,进而按照数据获取、信息共享和综合应用3个功能层次进行系统功能设计。运用时空的数据集成和应用集成等核心技术,将整个系统的功能分别封装成面向相对独立业务的软件包,形成信息共享平台、营运管理、应急指挥管理、辅助决策支持库和对外服务等子系统。针对北京市轨道交通网的实际业务需求,运用上述设计思想和关键技术,开发相关的应用软件原型系统,其功能实现验证了此系统设计和技术方案实现的可行性。     

铁路地理信息系统(RGIS)框架体系

阐述全国铁路地理信息系统(RGIS)的设计原则和设计目标,研究RGIS系统在铁路信息化中的定位,认为铁路信息化是一个分层次的模型,RGIS系统是所有信息应用子系统的基础设施和共享平台,是铁路信息化其他信息系统之间的信息交换和共享平台。对RGIS系统的框架体系进行研究与设计,提出了一个分层次、多要素综合的网络信息系统架构,并根据铁路行业信息与应用的异域、异构、分布等特性,分别从数据库、共享平台、网络基础设施、标准体系、管理体系等几个方面进行详细阐述,用于指导整个RGIS建设的实施。     

基于时空序列的铁路客运量数据挖掘预测

在分析铁路客运量数据的时空复杂性特征的基础上,以铁路假日运输管理系统中春运期间的客运量数据为依据,采用BP神经网络的数据挖掘方法进行铁路客运量数据挖掘预测研究。通过BP神经网络的建模方法把客运量的空间属性、数据属性和时间属性有机地结合起来,将数据的建模含于网络的数值当中。网络在学习过程中系统误差始终保持持续稳定的下降趋势,没有产生局部振荡和陷入极小现象,整个学习过程中系统稳定性较好。各样本之间的期望输出和实际输出之间吻合较好,从而证明所采取的数据处理方法的有效性和网络学习参数的合理性。根据BP神经网络得到的预测模型在仿真试验中的期望输出和实际输出之间吻合较好,预测的客运量和实际客运量数值非常接近。