基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

中心城区路网优化策略研究 ——以沧州市为例

为解决中心城区道路拥堵问题,分析了城区交通拥堵形成的主要原因,并基于此提出中心城区路网优化策略。以沧州市中心城区为例,详细阐述了其路网优化设计的基本思路和路网布局,最终得出沧州市中心城区路网优化设计方案。     

城市道路网可行性研究中CIVIL 3D应用浅谈

以武汉航空企业总部区域市政配套工程(四期)为例,采用AutoCAD Civil 3D计算道路和场地土石方,并与传统设计软件EICAD进行了比较。对Civil 3D的运用进行了简单的探索。     

Bayesian network for red-light-running prediction at signalized intersections

Abstract

Red-light-running (RLR) is an important reason for the large number of intersection-related fatalities, injuries, and other losses. The accurate RLR prediction can effectively reduce crashes caused by RLR behavior. The RLR prediction is usually composed of two parts: the vehicle’s stop-or-go behavior and the arrival time when the vehicle reaches the stop line. Previous stop-or-go prediction models are usually based on embedded traffic sensors using machine learning algorithms. While based on the continuous trajectories collected by radar sensors, RLR prediction can be conducted more effectively. In this paper, a probabilistic stop-or-go prediction model based on the Bayesian network (BN) is proposed for RLR prediction. We extend the deterministic output into the probabilistic output, which provides decision-makers with greater autonomy. The causality of BN improves the interpretability of the prediction model. The BN model is calibrated and tested by the continuous trajectories data measured by radar sensors installed at a signalized intersection. We not only consider the movement measurements of individual vehicles (e.g., speed and acceleration), but also take into account the car-following behavior. As a comparison, different machine learning models and the model based on the inductive loop detection (ILD) are adopted. The results show that the proposed BN model has a high prediction accuracy and performs better in the feature interpretation. This paper provides a new way for probabilistic RLR prediction based on continuous trajectories, which will significantly improve traffic safety of signalized intersections.     

多传感器融合车载电池舱灭火方法研究

电动汽车属于汽车行业的支柱产业,越来越受到社会的重视,但随之产生的汽车安全问题也逐渐增多。电池舱属于复杂环境,易出现着火事件,本文开展多传感器融合车载电池舱灭火方法研究,运用温度、烟雾浓度传感器实现对火灾的实时监测。设计贝叶斯网络模型,并考虑到了传感器失效及误报,实验结果表明本系统具有良好的响应速度及稳定性,为相关领域研究提供了一种解决方法。     

车载网络安全的系统设计研究及关键技术开发

本文介绍了车载网络安全的系统设计研究及关键技术开发,以应对黑客通过网联攻击车辆,建立智能网联汽车车内网络信息安全交互模型;分析“外部网络环境”与“车内ECU群体”之间进行“信息资源”交互过程中的安全风险,研究其对车内网络信息安全的破坏机理;利用基于密码学理论研究车内网络安全通信协议的设计方法,解决车内网络在智能网联汽车环境下面临的信息安全问题。     

考虑网络外部性航运商与无车承运人竞合研究

构建由 1个海洋航运商和 2个无车承运人组成的上下游的合作与竞争关系,2个无车承运人有不同的市场地位.通过斯坦伯格博弈研究发现,航运商负责货源或处于领导地位的无车承运人负责货源会影响各方的均衡利润及渠道结构.分析比较了海洋航运商的整合策略和利润共享策略.结果表明,在网络外部性和无车承运人提供差异性服务时,纳什均衡是航运商负责货源且上下游整合或利润分享.     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

基于S注入法的自闭贯通线路故障定位系统

将S注入法和无线传输节点相结合，利用传感器网络的自组网功能以及高容错性构建了无线节点通信网络．提出了采用传感器网络技术的铁路自闭贯通线故障定位系统．该系统由信号注入装置、无线节点、开关站无线处理单元和智能故障信息处理系统构成．通过无线节点检测注入信号．智能故障信息处理系统接收无线节点传来的检测结果，并判断故障位置．注入信号的电源为恒流源，频率范围为220～320Hz．设计了并列方式和交错方式两种检测节点的布置方案．这两种方式均能满足信息传输可靠性的要求，但并列方式的系统可靠性比交错方式提高了2倍．该系统定位精度可根据需要调整．     

神经网络集成在工程造价估算中的应用研究

工程造价和主要工程量是评价一建筑工程的重要经济指标,特别是工程量清单于2003年7月1日在全国范围内展开以来,快速估算工程造价和主要工程量更具有其重要意义.文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab6 1计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论.