一种夜间采集交通信息的新方法

本文提出了一种采集夜间交通信息的新方法,即夜间对路段上的车辆进行拍照,对曝光时间内车灯留下的光柱进行分析而获取交通信息。通过3Dmax建立虚拟相机和三维虚拟空间,可以重构出实际拍摄所得的光柱的三维模型,由此我们可以获得车辆行驶的轨迹线。同时,本文从摄影测量的角度提出了解算车辆运动轨迹的另一种思路。此外,本文在该方法用于其他交通信息的提取,例如空间平均速度的计算,以及路段速度-密度曲线的获得等,做了一定的尝试。实践表明,该方法能够快捷、廉价地获得可信的交通信息。     

虾峙门航道船舶通航能力评估研究

随着宁波-舟山港吞吐量的迅速增长,虾峙门航道通航能力将面临越来越大的压力。通过对宁波-舟山港吞吐量的预测,交通流量的分析,航道双向通航理论的研究,对虾峙门航道通航能力进行评估。认为虾峙门航道能满足双向航路的要求,2010年前应开通虾峙门双向航路或开通条帚门航道,以保持宁波-舟山港航道与港口的协调、可持续发展。     

城市道路交通控制与交通诱导一体化系统方案研究

本文将城市交通控制与城市交通诱导两大系统综合起来考虑,建立交通控制与交通诱导一体化系统的实施框架,提出了基于交通控制产生交通诱导信息,交通诱导实施结果改变交通控制策略的循环动态的城市交通管理的新模式,为城市交通智能运输系统开发奠定了基础.     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

基于BP神经网络的旅游交通安全评价分析研究

阐述了BP神经网络的基本理论、算法、缺陷及改进方法，通过实例对旅癖交通安全进行研究。选择合适的学习样本及参数进行训练，并获得较好的评价结果。为游客的旅游安全及相关部门的管理者提供了理论依据。     

HOV车道的设计应用研究

随着我国汽车工业的不断发展，城市的机动车数量不断增加，在带来经济效益的同时，也产生了许多交通问题。通过对HOV设计应用的研究，阐述了在我国目前的发展形势下，将HOV理念引入城市交通管理是实现城市道路可持续发展的需要，也是城市用地集约化配置的需要；同时指出，我国实行HOV优先的可能。论文借鉴多方式出行选择Iogit模型对HOV车道的设置进行了探讨。     

基于双倍视距的交通信号控制的元胞自动机模型

Nagel和Schreckenberg于1992年提出了著名的Nagel-Schrechenberg（NaSch）元胞自动机模型，该模型虽然形式十分简单，但却可以描述一些实际交通现象。同时也存在很多不足之处，如NaSch模型的最大流量和临界密度远低于实际交通中的数值，它也不能重现交通流的一些重要特性。本文提出了一种考虑当前车辆前方两个车辆影响的具有交通信号控制的单车道元胞自动机模型，根据双倍视距模型的思想修改了NaSch模型的加速规则，计算机模拟结果表明，考虑了次近邻影响的模型能够呈现真实交通中观察到的一些复杂交通流现象，且最大流量和临界密度比未考虑次近邻影响的模型都有了显著提高；此外，模拟结果也表明了交通信号周期对最大流量和临界密度的影响，最大流量随交通信号周期的增大而减小，临界密度随交通信号周期的增大而增大；最后，文中还讨论了近邻车辆的敏感系数和次近邻车辆的敏感系数的影响。模拟结果表明，固定任何一个参数的值，最大流量都会随另一个参数的增大而增加，但是对流量的影响显著，说明近邻车辆的影响大于次近邻车辆的影响。     

小流量下短时交通量预测最佳窗口长度与时间间隔

探讨了小流量情况下，路段短时交通量预测中的可变时间间隔及预测窗口长度对预测精度的影响，分析了不同间隔序列在反映交通流特性方面的差别和最适合的预测窗口长度，并建立神经网络模型对预测效果进行了定量比较，得到序列用于预测的最佳窗口长度和一组最优时间间隔，有助于预测算法的改进和预测精度的提高。     

基于交通需求的路网交通拥堵评价模型

文章提出了微观、中观、宏观3个层次上的用于评价交通拥堵状态的交通拥堵指数指标;确定了基于分层抽样技术的最低路段抽样方法,并采用综合评价法,以从时间角度表征交通需求的指标——车辆行驶时间（VHT）作为加权模型中的权重,建立了基于交通需求的交通拥堵评价加权模型。最后,以北京市为例,对北京市五环内路网的拥堵状况进行了评价。     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。