基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03%,达到较好的预测精度.     

服务型互通立交被交路侧交叉方式研究

高速公路服务型互通立交平交口位于地方主干道时,道路交叉口由于不同交通流的转向而引发相互冲突,交通特性较复杂,尤其是在无信号控制交叉口,由于缺乏严格的管理控制,往往成为城市道路网中通行能力的“关隘”和交通事故的“多发源”。文中通过对清南(清远清新—佛山南海)高速公路太平东互通与广东省道S354交叉口交叉方式的研究,比较平面交叉、单喇叭互通及菱形互通的优劣,研究合适的服务型互通立交被交路侧交叉方式。     

基于少数据云推理的短时交通流预测模型

针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,提出少数据逆向云算法,建立交通流序列一维云推理机制;最后综合利用历史云及当前云生成预测云,用于短时交通流实时预测.实例分析表明,预测精度良好,能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题,降低了数据处理工作量,开拓了云模型在短时交通流中的应用.     

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.     

城市混合交通流综合治理措施的探讨

混合交通是指各种交通工具或各种交通工具与行人共用同一单幅道路的交通现象,通常分为三种情况：一是不同种类机动车的混合交通 二是机动车和非机动车的混合交通 三是机动车、非机动车与行人的 混合交通。其中．机动车与非机动车的混合交通是我国城市交通的主要特征．尤其是机动车与自行车在交叉口的混合通行状况更是各城市交通管理的一大难点。主要表现在机动车与自行车在交叉口的冲突所带来的问题．     

信号交叉口绿灯黄灯时间优化模型的建立

为系统全面地研究交叉路口红绿灯的最佳时间间隔问题,在假定车流均匀的前提下,对于绿灯的最佳时间,采用最短积存车辆长度的方法,在考虑各种因素的情况下,以积存车辆的长度为目标函数,利用lingo软件求得最优解。对于黄灯的最佳时间,采用最长所需时间的方法,计算所需的安全时间,以此作为最佳的黄灯时间,最后以观测资料进行模型验证。     

国外城市交通微观模拟系统简介

城市交通微观模拟系统通过在计算机上建立道路交通流的模拟模型,充分利用计算机存储容量大,运算速度快的特点,以安全、快捷、经济的方法获得决策者所需要的数据图形结果,使城市交通管理更具科学性和可操作性,为城市交通管理决策提供依据,使未来的城市交通在满足城市发展需要的基础上逐步纳入科学管理的轨道.分别对国外的几个城市交通微观模拟系统进行了概述.