改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

中国交通工程面临的挑战

在为上海市政府编写了交通白皮书初稿的4年之后,ColinBuchanan公司又受邀为已出版的白皮书的修改提供建议,以解决交通拥堵问题和确定不同交通方式应起的作用.建议提出应发展比导致拥堵的小汽车和出租汽车更好的交通方式,然后鼓励大众使用它们.依据在上海工作的经历,对中国交通工程面临的部分问题进行了阐述.     

城市道路交通与景观协调设计方法

介绍了协调设计的指导思想和协调设计原则，分析了协调设计的方法。指出协调设计方法主要适用于城市新建和改建的主次干道，对于新建道路，在断面设计上应考虑到远期流量增大的需要，预留出拓宽车道的土地，各类交通设施的设计与景观和环境相协调，对于改建道路，应消除道路上各种不协调的设计因素。     

���������·������Ԥ�ⷽ���о�

针对传统四阶段法不太适合长大铁路干线需求预测的实际，通过时四阶段需求预测方法及各种模型的改造，建立了一套适合我国铁路项目客运量预测的预测方法和程序.通过对京沪高速铁路的具体应用，论文就参数标定方法和应注意的问题提出了一些研究结论。     

���ڻ���Ŵ��㷨�Ķ�Agent��ͨ����ϵͳ

首先简述了交通控制系统的控制结构，然后对多Agent技术在控制系统中的应用优势进行了分析，在对已有相关文献进行分析的基础上，提出了以路口Agent为单位的多Agent交通控制系统结构和路口Agent的内部结构，并对Agent间的协调机制进行了讨论.以混合遗传算法作为路口Agent的计算模型，以延误作为PI值，采用惩罚函数对绿信比进行了优化，通过matlab编程进行实际数据验证，结果表明混合遗传算法的优化结果优于已有的爬山法.     

ʵ�齻ͨ���̷���Ӧ��ʵ��������̽������Ӧ��Ϊ΢��ģ�⼼��������ͨ����֯�������

首先介绍了实验交通工程法产生的背景及概念，阐述了实验交通工程法在交通流组织方案设计中的应用方法和步骤，分析了实验交通工程法相对于传统交通模拟应用方法的优先性；然后，以“昌平卫星城换乘枢纽周边路网交通流组织方案设计”研究课题为案例，具体介绍了实验交通工程法的应用过程，并详述了部分细节的处理；最后，根据案例的实际应用，总结了实验交通工程法的应用经验，并对其进一步的发展提出了建议。     

����������ͨ�����㷽���о�

诱增交通量是交通需求预测与交通建设项目评价中的重要组成部分.本文从诱增交通量概念出发，从宏观和微观两个角度阐述了区域诱增交通量产生的机理，分析了现行单个建设项目诱增交通量计算思路的局限性，研究提出了基于区域的诱增交通量计算的多元线性回归模型.论文结合我国的国情，对该模型参数进行了标定，提出了符合中国实际的基于区域诱增交通量计算方法.利用北京地区改革开放之后(1978年至2003年)的数据进行了实例分析，得到了道路建设对交通量的近期影响弹性系数0.17,远期影响弹性系数0.29的结果.     

SP�����ڽ�ͨ��ʽѡ��ģ���е�Ӧ��

国外已经广泛使用的SP调查方法在我国交通领域还鲜有应用，因此，本文首先介绍了交通SP（Stated Preference）调查和RP（Revealed Preference）调查的不同，并阐述了前者相对于后者的优越性。交通方式选择模型中，采用RP调查标定时间价值参数，通常会由于数据相关性较强而产生误差，进而影响到整个四阶段模型的精度。本文在构架交通方式选择模型的基础上，指出行为时间价值参数的重要性，并分析了其不易准确衡量的原因。在此基础上，以北京市市域交通模型为例，利用SP调查以较低的成本获取足够的数据，从而准确地标定了时间价值参数，提高了模型的精度。     

模糊综合评价方法改进及其在交通管理规划中的应用

建立了一级模糊综合评价在城市重点区域交通管理规划方案评价中应用的模型，给出相关参数的建议值，然后结合实例对模型和参数进行了检验。针对模糊评价中指标权重确定时主观性较强的缺点，提出一种新的方法，结合灰关联度和熵的概念进行评价指标权重的确定，从而使得模糊综合评价方法更加客观。将其应用于城市重点区域管理规划方案的评价，建立了适用于区域交通管理规划方案的评价模型和算法，并就相关参数给出了适当的建议值。     

Improved Learning Algorithm of Hyperball CMAC and Its Convergence Analysis

An improved learning algorithm for hyperball CMAC was presented. Only one parameter is needed to determine the learning rate, and the parameter can be obtained by a self-optimizing method. The convergence of the improved learning algorithm was proved. The simulation research shows that the learning speed and the learning accuracy are both improved.