提升我国空中交通管制的保障能力——访民航总局空管局副局长吕小平女士

近年来，国民经济的健康发展促进了民航运输业的快速增长，同时，也对空管保障体系提出了更高的要求。为此，民航总局作出了首先在我国飞行繁忙的北京、上海、广州建设三大区域管制中心的决策，以适应空中迅猛发展的交通流量对管制能力的要求。三大空管中心是我国空管发展史上最大的系统工程，建设的目标是     

交通信号控制系统的动态模拟分析

章在对城市交通流量和交通控制设施调查和分析的基础上，利用VC 5.0编程，对交通信号控制系统进行动态模拟。该系统可对道路交通信号控制系统进行参数的优化计算或进行完善性和适应性的评估，也为教学实践、实验和理论研究的验证提供了一定的条件。     

基于信息融合技术的交通量检测方法

在一种新的交通量检测模式下，用加权平均算法实现了饱和度的信息融合；对拥挤和非拥挤的交通流，在无信息先验分布的假设下，应用Bayes方法实现了交通流量的信息融合。上述信息融合方法可为交通控制系统提供更全面、更准确的交通量信息。仿真结果表明了该方法的可行性。     

基于仿真的交通信号控制优化策略研究

根据道路流量,研究了利用灵活的控制策略提高交通控制的效率问题.针对信号控制交叉口实际流量动态变化的特征,在现有传统控制方法的基础上根据交叉口交通流的变化特点,提出采用可变车道控制模式的控制方法、单边轮放控制模式的控制方法,介绍了其潜在的适用条件、优势及特点,并在交通流量调查的的基础上,建立了交叉口的相应仿真模型,利用信号控制仿真软件Synchro验证了在高峰期不同控制方法的效果.仿真结果表明,所提出的控制方法适用于具有相应流量特点的交叉口,提高了信号交叉口的控制效率.     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。     

实时交通流量人工神经网络预测模型

为满足交通流诱导系统的理论需要，建立了实时交通流量神经网络预测模型，编制了人工智能交通流量预测软件系统。     

基于卡尔曼滤波理论的交通流量实时预测模型

用卡尔曼滤波理论建立了交通流量预测模型，并用两种方法对基本模型进行改进；利用线圈检测器提供的实测交通流量，预测了路段未来时段的交通流量 。     

对建立我国车辆营运成本模型的探讨

在选择ＨＤＭ－Ⅲ巴西车辆营运成本模型的基础上，对模型参数进行了修正改进。建立了我国公路投资分析简单实用的流量－车速－营运成本关系式。     

基于特征分析的城市道路短时交通流量预处理

对城市道路交通流量数据进行了特征分析,规划了数据预处理过程中的3大内容:故障数据的识别与修补、数据消噪处理和数据平滑处理.最后基于实际采集数据,对信息预处理的各个步骤进行了数据分析和算法试验.实证结果表明,该预处理过程正确、合理,可以很好地保证输入数据质量.     

基于RBF神经网络的短时交通流量预测

城市交通网络是个复杂的系统,不同时段的交通流量之间有着非线性关系.神经网络具有识别复杂非线性系统的特性.利用RBF神经网络构建了短时交通流量动态预测模型,对某城市道路的短时交通流量进行预测,取得了较好的结果.