基于粗集理论的交通控制系统研究

为满足智能交通系统高性能模糊控制器设计的需要,把粗集理论融入常规的模糊推理,提出了一种交通控制模糊建模新方法,利用粗集理论的知识推理,直接从交通系统的测量数据提取模糊规则,解决了城市交通模糊控制规则提取的瓶颈问题。实例分析表明:该方法简单有效,不仅可以最大限度地减少从交警的经验直接提取模糊规则的局限性,以获取最优的模糊模型,同时建模方法具有普遍适用性,提取的模糊规则更具客观性。该方法可以推广应用于多交叉口的模糊协调控制,对于采用复杂算法的控制系统更能显示出其优越性。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

交通仿真技术在高速公路改扩建保通中的应用

高速公路的改扩建约束条件较多,研究和制定高速公路改扩建工程施工期间交通保障方案具有重要意义。文中简述了交通仿真的基本概念,并以仿真软件TSIS中的FRESIM模型建立连霍高速公路(郑州段)交通仿真模型,分析研究连霍高速公路(郑州段)加宽扩建施工中的最合适限制车速。     

交通环境对交通安全的影响及对策

交通安全涉及人、车、道路及环境等诸多因素,对交通事故的成因分析表明,驾驶员的责任是主要影响因素,其次是车辆和道路因素。但不容忽视的是,目前关于交通环境对事故影响的研究尚不够充分;交通管理部门确定事故原因也主要从人、车2 因素入手,较少涉及交通环境因素。事实上,作为事故的间接原因,交通环境常常通过间接作用影响安全,亦即不良的交通环境诱发人的不安全行为,从而导致人员违章等交通事故的发生。     

18 000 t化学品及成品油船设计和TC规则

18 000 t化学品及成品油船是江南造船集团为加拿大Algoma Control corporation公司建造的.入DNV船级社.挂加拿大旗.该文主要介绍了18 000 t化学品及成品油船的主要技术特点(主要技术参数、结构特点、舾装特点、防腐蚀、轮机特点、化学品和成品油船专用系统、电气特点、安全保障)和挂旗国加拿大TC规则(送审工作、要TC证书的材料和设备、有TC型式认可证书的国内产品、TC规则特殊要求、圣劳伦斯运河要求).     

铁路货物运输的随机过程分析和及时送达概率估计

应用随机过程理论，分析铁路运输系统中货物及时送达的概率分布，得到货物运输延续时间的平均值，为实现用户要求的运到期限提供了合理保证，并可通过评估与货主商定的运到期限与实际货物送达时间误差的概率，来找到货物及时送达过程中的关键环节，改进货物送达流程。最后举例说明它的应用。     

Managing transportation during highway reconstruction: A recommended process

Major highway reconstruction can cause significant disruptions to existing travel patterns and economic activity. Reducing these impacts on travelers, shippers, businesses and residents requires that innovative and effective transportation management actions be developed and implemented. This paper reports the major findings and recommendations of a research study on managing transportation during highway, reconstruction. The primary objectives of the study were

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

广州三条城际铁路线的客流特征分析

城际铁路是珠三角城市群内部互联互通的重要通道,实现了广州与周边城市的快速联系。通过对比研究了广深、广珠和广佛肇等3条城际铁路线的客运总量、空间分布、时间分布及客流成长等特征,为国内其他城市群发展城际铁路提供借鉴。