短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

关于公交停靠站影响区范围的研究

随着城市公共交通系统的发展,公交停靠站对道路交通流的影响已逐渐引起人们的注意。分析公交停靠站的影响首先应该对停靠站的影响区范围进行界定。在分析前人研究成果的基础上,基于交通波理论,按考虑超车与否,分析公交停靠站的影响区范围长度,得到不同交通流密度条件下公交停靠站影响区长度的计算公式。     

机动车交通流比功率与能耗模型研究

为研究机动车交通流能耗,将机动车交通流比功率(VSP)作为研究对象.从最常见的单车比功率研究出发,使用气体动力学交通流模型联系单车比功率与交通流整体比功率,以此建立交通流比功率模型.为使此模型具备更显著的物理意义,将交通流比功率分为两部分,一部分为平衡交通流状态下的比功率,另一部分为偏离平衡交通流状态导致的比功率变化量,模型中的交通流参数与变量能够通过现有的交通流探测设备获取.将比功率理论模型从单车扩展到了交通流,用数学公式反应了交通流状态与比功率的关系,并且证明了交通流比功率能够通过交通流参数进行估计.并由交通流比功率出发,推导出交通流比功公式.此外研究了平衡态交通流比功率及比功与密度的关系.为研究机动车交通流能耗探索了新的思路.     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

交通流速度时空二维预测方法

从时间和空间2个维度分析了交通流速度的自相关和互相关特性,提出了交通流速度的时空二维预测模型,可对未来交通流进行多步预测.该模型包含曲线拟合加权预测模型和递推时空二维自回归预测模型,动态模型参数可由递推最小二乘法实时识别,静态模型参数通过离线优化得到.将预测的交通流速度应用于车辆宏观运动规划方法中,可将车辆的燃油经济性...     

基于自相关分析的交通流预测输入步长研究

目前的交通流预测研究中,输入步长主要取决于人为的选择,容易受到干扰,并且缺少从理论方面选择输入步长的方法。为了能够自适应地选取输入步长,基于交通流历史时间序列的自相关分析,以机器学习中典型的最小二乘支持向量机（LSSVM）、随机森林（RF）以及长短记忆（LSTM）3种算法进行多输入步长的交通流预测,探究以自相关系数值选取最佳输入步长的方法可行性。实验结果表明,在输入步长的自相关系数为0.80～0.91时,LSSVM能获得较优的预测精度,当自相关系数为0.47～0.51时,LSTM能有较好的预测精度,而RF交通流预测的最低误差对应的输入步长自相关程度较低,自相关分析方法 可能并不适用。     

AIS信息服务平台上线运行 公众可免费获得船舶实时动态数据

<正>2月4日,交通运输部海事局船舶自动识别系统(AJS)信息服务平台上线运行,标志着我国沿海及内河船舶实时动态权威数据正式对社会开放。社会公众可免费通过平台了解航行于我国沿海和内河水域船舶的实时动态数据。初步估算,社会公众可通过平台掌握日均3.5万艘船舶的动态数据,了解船舶交通流密度,并可按需以单船或组合方式查询船舶相关信息,包括船舶实际位置、航速等。同时,平台还集成了船舶劳氏数据信息、港口基本信息,潮汐预测信息、气象信息等综合数据,为用户     

面向多类型交通冲突的道路条件及交通状况影响评估

交通冲突为交通事故发生前的潜在状态。探究静态路段属性和动态交通流特性等宏观特征对于交通冲突的影响至关重要,但现有研究主要关注2辆车之间的危险状态,对于涉及多个交通主体的冲突缺乏重视。为有效提取包括单一冲突和连锁冲突在内的多类型交通冲突,基于无人机采集的车辆轨迹数据首先识别车辆对之间的单一冲突,另通过关联匹配辨识连锁冲突,并基于聚类将连锁冲突划分为纵向风险下降模式、纵向风险增加模式和横纵向高风险持续模式。构建巢式Logit模型探究宏观交通属性及路段条件对多类型单一冲突和连锁冲突的影响,结果表明合流区和基本路段为单一冲突的高发区域,而分流区和交织区为连锁冲突高发区域,尤其会导致横纵向高风险持续模式的发生,但车道数的增加有助于减少严重连锁冲突的发生。此外,主线交通密度增大,连锁冲突发生概率增加;匝道与主线的流量比增大时,连锁冲突更易发生,其中纵向风险增加模式对交通流量最为敏感。将各类型冲突发生的交通流条件与宏观基本图结合分析,表明各类型交通冲突的发生次数存在峰值,且路段上交通冲突发生最多的临界密度要高于同一路段宏观基本图的临界密度。研究结论有助于理解多车连锁冲突发生的宏观原因,有效阻断其演化...     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

混行非机动交通流车速离散特性研究

我国城市非机动道路内的交通现象通常为电动自行车与人力自行车混合行驶状况,车速离散是该类道路内交通流的重要特征。结合杭州市的调查数据,采用统计学方法定量分析混合非机动交通流车速离散特性,分别建立车速离散特性评价参数与各主要影响因素之间的回归关系。结果表明,归一化车速离散度分别与各影响因素成线性回归关系;除电动自行车比例因素之外,车速变异系数与其它各因素成线性回归关系。