基于交通量分析的高速公路路面结构后评价

针对京沈（北京—沈阳）高速公路天津段进行绩效考评项目之一的交通量现状评价研究,从交通量组成、交通量增长率、交通量的时间分布特征、分车型超载情况和轴载状况进行分析,结果表明交通量提前3年达到设计年限,说明现有半刚性基层沥青路面结构不能适应现在交通量增长和重载超载轴载的作用。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

新冠疫情对高速公路交通量的影响评价

采用时间序列分析中的A RIM A模型对湖北省某高速公路2020年交通量本底趋势值(不考虑疫情影响)进行预测,并通过分析疫情危机的生命周期,将此次新冠疫情危机分为征兆期、爆发期、高峰期、后疫情期4个阶段,对各阶段中收费车流量进行统计分析,计算交通量损失率,判断此次疫情对高速公路交通量的影响程度.选取经济指标、感染人数等相关因素,采用主成分分析、线性回归及曲线估计等方法,建立疫情影响下高速公路交通量短时预测模型,模型误差在±5％ 以内为可接受范围.该模型能够帮助政府主管部门及高速公路运营管理单位对交通量发展趋势进行准确判断,有利于相关应急措施的制定.     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

当代城市互通式立交设计要览

从交通量预测分析来考虑城市立交形态的选择一定级别和相关问题,又重申了立交的技术标准,与描述了设计要览。     

高速公路交通噪声变化趋势及相关性研究

基于2017年10月—2018年9月期间4处高速公路交通噪声在线监测点的监测数据,将每月的监测数据进行平均化处理,分析了1年的昼间和夜间交通噪声以及交通量的变化趋势,并根据已有研究成果,利用SPSS软件对等效声级与车流量的对数进行了相关性分析,研究表明,车流量的对数与昼间、夜间等效噪声具有较显著的相关关系,因此对高速公路交通噪声具有一定的影响。     

沿海港口地区路线方案策划探讨——以江苏盐城响水县为例

目前在港口发展和形成产业规模的过程中,除了作业区的自身建设以外,主要是道路基础设施的建设,以实现水陆交通的联动和快捷转换。通过结合江苏盐城响水县为例,来探讨该类型地区的交通发展,为同类项目提供参考借鉴。