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。     

基于非参数回归的快速路行程速度短期预测算法

基于北京市快速路上的检测器所采集的历史数据，经过数据筛选，剔除判别，小波滤噪平稳处理，聚类分析等过程，建立了交通状态演变系列的历史样本数据库。基于所构建的历史数据库，通过数值试验，确定了状态向量、距离匹配原则，K近邻值等参量，构建了一种基于K近邻的非参数回归短时交通预测模型，实现了对路段行程速度的短时预测。最后，利用随机选取的历史数据系列对预测模型的精度进行了检验。结果表明，预测算法的精度可以达到90％以上，可以很好地满足ITS应用系统对于交通预测数据的精度要求。     

储能式有轨电车短时大电流受电器研制

介绍短时大电流受电器的发展现状,提出开发一种被动式受电器,重点分析了受电器的电流温升计算和升降机构,该受电器通过了温升试验和运营验证。试验结果表明:试验和理论分析是一致的。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

基于SVM-KNN的降雨条件下短时公交客流预测

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%.      

强降雨场景下自适应巡航控制系统的安全控制策略EI北大核心CSCD

本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明:双状态卡方检验可及时检测风险信息(检测时间偏差在1.31 s以内),卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。     

两种短时交通流混沌预测方法分析

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。采用符合交通流特性的混沌理论对短期交通流进行预测。在相空间重构和混沌识别的基础上,建立短期交通流加权一阶局域预测模型和基于最大Lyapunov指数的预测模型,并对一组实际的交通流数据进行预测。仿真结果表明:两种方法都能较准确的预测交通流,但最大Lyapunov指数预测模型的预测精度相对较高。     

短时冻区花岗岩残积土冻结温度试验研究

为了解短时冻区花岗岩残积土的冻结温度值，以福建省短时冻区花岗岩残积土为例，通过测温试验，分析土壤冻结温度随残积土含水率及含盐率的变化规律。结果表明:不同含盐率导致黄壤和红壤两种典型土冻结温度差别显著。随着含水率的增大，土样冻结温度呈现升高趋势，而随着含盐率的增加，试样冻结温度明显降低，并对曲线分别进行数据拟合得出相应的公式。     

强降雨地区超宽高速公路雨水排除方法及积水改善措施研究

超宽高速公路坡度缓,雨水径流时间长,拐弯时存在横坡为零甚至坡向内侧的路面,容易在内侧道路形成积水,严重影响行车安全.该文介绍了强降雨地区超宽高速公路的雨水排除方法并给出了具体设计参数;同时,以广西沿海某双向八车道高速公路改造工程为例,利用Infoworks ICM模型对P=5、10和30年重现期暴雨条件下道路排水能力进行评估.结果 表明:当采用了中间隔离带集中截流式排水时,大部分路面可以保持良好的排水状态,但在过渡路段内道、纵坡较大的直线段外道仍存在深度2 cm左右的积水,可能会使车辆打滑,针对此种情况提出了改变不同车道横坡、设置透水型截水沟、连续减速震荡带等改善方法.     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。