道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型: 统计预测算法和人工神经网络模型。对其中各种模型的特征进行了比较, 将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF) 神经网络模型与贝叶斯组合神经网络模型, 应用于一个真实路网的短期流量预测, 比较了各模型的预测结果。结果表明, 组合神经网络模型预测误差最小, 可靠性最高, 是一种对短期交通流预测的有效方法。     

轴流式涡轮机动叶片的叶顶间隙对其气动性能影响

采用数值方法对不同叶顶间隙下某型号船用轴流式涡轮机的气动性能进行了对比分析.结果表明,叶顶间隙对喷嘴环前缘的压力分布和涡轮内的温度分布影响明显,过小和过大的叶顶间隙都会导致喷嘴环前缘高压力区的产生,并导致涡轮内局部高温度区域扩大;随着叶顶间隙的增大,喷嘴环后缘底部、吸力面及叶顶间隙内局部高熵区随之增大,燃气能量损失增大.     

大城市客运铁路枢纽客流分配模型

不同时段内,不同区位的旅客会根据不同的接驳方式及城际列车班次进行城际出 行.只根据城际间的出行成本无法准确地刻画旅客的出行.在已知不同时段内城市间各分区 OD客流、城际列车时刻表和铁路枢纽布局的前提下,构建城市内接驳交通网络;利用多项 Logit 模型,建立各个交通分区到铁路车站的接驳子模型;进而利用列车时刻表得到城际出行 成本,并考虑列车拥挤造成的成本增加,根据总成本最小原则及接驳子模型,构建分时段的铁 路枢纽客流分配模型.通过改进的MSA算法进行求解,得到各时段内各交通分区到铁路车站、 以及铁路车站之间的客流量.最后通过算例,对方法的可行性及有效性进行了验证.     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

基于有限元分析的透水沥青路面结构优化方案

为深入分析降雨条件下透水沥青路面排水层内部渗流状况,更充分地发挥透水材料的渗透性能优势,对透水沥青路面的结构进行了优化。采用有限元软件SEEP/W,基于非饱和渗流理论分析了排水层在降雨过程中的内部渗流状况,针对影响排水层排水效率的结构性因素,提出了透水沥青路面的结构优化方案,并对该方案进行瞬态模拟。模拟结果表明,与常规方案相比,所提出的优化方案均在不增加排水层材料用量的情况下,大幅度提高了路面排水能力。其中,2%横坡路段,不等厚上面层模型和增设排水沟模型相较常规模型,在对降雨强度的适应能力方面分别提高了38.2%和158.8%;8%横坡路段,不等厚上面层模型和不等厚-增沟模型相较常规模型,在对降雨强度的适应能力方面分别提高了130.8%和234.6%。研究表明,对透水沥青路面结构进行的优化有效提高了其排水性能,增强了透水路面排水层对降雨的应对能力。     

连续流交叉口左转非机动车优化设计方法

为了提升连续流交叉口的通行能力,消除其主信号处左转非机动车与直行机动车的冲突,提出了一种左转非机动车优化设计方法.优化模型以机动车通过量最大为优化目标,考虑了信号相位相序、周期时长、绿灯时长等约束条件,建立线性规划优化模型.通过案例和敏感性分析,验证了该设计方法的优化效益.研究结果表明,该方法不仅能在高流量情况下显著提升交叉口通行能力,使得原本处于过饱和状态的交叉口变为不饱和,而且在高流量或低流量情况下,都有助于减少交叉口延误.进一步发现,左转非机动车流量每增加100辆/h或直行机动车流量比例每增加1.5%(直行机动车流量比例大于40%),优化设计对机动车最大通过量的提升比例增加4.5%.     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响,本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段,基于百度迁徙大数据,利 用双重差分模型,识别长沙市不同阶段的交通防控政策以及量化防控效果,分析交通防控政策对 长沙市人口流动的影响。结果显示,长沙市在交通管制阶段,平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%,有效地控制了人口流动,降低了 疫情扩散危险。在交通恢复阶段,长沙市人口流动强度逐渐反弹,城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性,为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

平行流交叉口行人过街控制策略研究

为解决平行流交叉口行人与机动车冲突问题,考虑行人与机动车在冲突点为寻找间隙穿越的交替穿插的抢行博弈过程,重新设计行人过街信号相位方案,提出人车搭接相位行人过街模式;考虑行人专用相位过街模式,给出两种行人过街模式的信号控制策略;构建优化模型,并对模型等价变换,降低计算复杂度.结果显示：常规交叉口处于高饱和状态时,两种行人过街模式下平行流交叉口分别降低了73.8%、50.3%的车均延误,故人车搭接相位过街模式效益更优;人车搭接相位过街模式与不考虑行人过街模式相比,交叉口车均延误仅增加 0.6~3.8 s⋅ pcu-1 .研究成果可为平行流交叉口行人信号配时提供理论依据.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...