基于灰色系统理论的航道交通流预测研究

将陆上交通运输流的预测研究方法引入水路交通流预测研究之中,重点分析航道交通流观测系列的非线性特性,通过状态空间的重构,计算关联算子。提出航道交通流量的预测工作流程,基于灰色系统理论建立GM(1,1)的预测模型,将该模型应用于航道中、长期交通流,能实现较好的预测准确性和有效性。     

船舶交通流组合预测方法研究

船舶交通流预测的研究能为港口设计及船舶通航安全管理提供基础性数据.基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足.以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性.     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

基于ARIMA的交通流量短时预测

采用AKIMA方法进行交通流量趋势预测．建模是利用现场调查得到的非平稳时间序列进行数据处理、建模．并根据AIC准则进行模型定阶,最后通过实测数据进行验证,结果表明。该ARIMA模型能够获得较好的中短期预测精度,因而可用于动态交通信号控制。     

城市公交站交通冲突分析及对策

公交站是城市公交系统的重要组成部分,客流通过在公交站点上下车的方式实现了公交系统的日常运营.但在公交站往往因其在有限空间内集聚大量人流与车流产生交通冲突,对城市交通的顺畅及通达产生消极影响.本文分析了城市公交站主要交通冲突影响因素及其冲突成因,并针对一般停靠和港湾式停靠方式产生的交通冲途性提出了解决问题的对策与方法.     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

信号采样理论在交通流检测点布设中的应用

在对交通流检测点布设领域研究应用现状进行分析与抽象的基础上,提出交通流检测点布设本质上属于空间交通流信号采样问题。依据信号采样理论,建立了确定检测点间距或密度的方法与流程,该流程包括空间交通流信号产生、离散傅里叶变换、频谱分析、间距确定、误差分析5个步骤。对高速公路拥挤状态下的仿真分析表明:100 m的检测点间距可以满足对拥挤交通流状态的真实检测,该数值接近于实际应用中的最小值(125 m),说明该理论方法具有较好的实用性。