基于BP神经网络的轨道交通客流量预测

通过对BP神经网络的研究,借助MATLAB软件及其神经网络工具箱的应用学习,对非线性函数进行逼近,通过特定设计函数对所需要建立的神经网络模型进行训练,并且利用仿真来判断误差结果,得出符合模型的合理权值以及阈值,最后根据已有年数据进行轨道交通客流量的预测.     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响,本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段,基于百度迁徙大数据,利 用双重差分模型,识别长沙市不同阶段的交通防控政策以及量化防控效果,分析交通防控政策对 长沙市人口流动的影响。结果显示,长沙市在交通管制阶段,平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%,有效地控制了人口流动,降低了 疫情扩散危险。在交通恢复阶段,长沙市人口流动强度逐渐反弹,城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性,为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

平行流交叉口行人过街控制策略研究

为解决平行流交叉口行人与机动车冲突问题,考虑行人与机动车在冲突点为寻找间隙穿越的交替穿插的抢行博弈过程,重新设计行人过街信号相位方案,提出人车搭接相位行人过街模式;考虑行人专用相位过街模式,给出两种行人过街模式的信号控制策略;构建优化模型,并对模型等价变换,降低计算复杂度.结果显示：常规交叉口处于高饱和状态时,两种行人过街模式下平行流交叉口分别降低了73.8%、50.3%的车均延误,故人车搭接相位过街模式效益更优;人车搭接相位过街模式与不考虑行人过街模式相比,交叉口车均延误仅增加 0.6~3.8 s⋅ pcu-1 .研究成果可为平行流交叉口行人信号配时提供理论依据.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

基于乘客路径选择的多制式轨道交通客流分配

为量化换乘对乘客出行路径选择的影响程度,在单层网络中添加虚拟换乘站,构建无隐性连接的三层多制式轨道交通拓扑网络模型.基于时间、换乘节点衔接性,计算线网间衔接性系数;利用Dijkstra法搜索模型各起讫点间的K短路径,以乘客感受到的线网复杂度及乘客出行计划确定时间,建立乘客对线网的熟悉度函数;根据乘客路径选择影响因素构建...     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

轨道交通延误条件下列车跳站与客流控制协同优化模型

针对城市轨道交通突发列车延误问题,统筹考虑行车秩序的恢复和乘客出行体验,提出列车调整与客流控制协同优化方法。首先分析延误条件下城轨列车调整和客流控制的措施及效果,构建以跳站停车和多车站客流控制为手段的双层线性规划模型。上层模型以列车总延误最小为目标,以列车载客能力为约束;下层模型以上车客流量最大为目标,以列车载客能力和控流率均衡为约束。采用灵敏度分析算法求解模型,并以北京地铁亦庄线故障延误事件为例,验证模型和算法的有效性。结果表明：采用跳站停车与进站客流协同控制可使延误列车行程时间缩短5.2%,使各车站进站率方差降低97.8%,在保障乘客公平性的条件下提高列车运行和乘客集散效率。     

PEM燃料电池阴极三维数学模型的建立与计算

建立了蛇形流场和点状流场的阴极三维数学模型，通过耦合求解质量守恒方程、动量守恒方程、Darcy方程和多组分气相扩散的Stefan—Maxwell方程，计算出两种不同流场阴极的催化层与扩散层交界面的O2和H2O浓度的分布、扩散层中间的气体速度分布．通过实验比较蛇形流场和点状流场的单电池性能．     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．