Dynamic demand estimation and prediction for traffic urban networks adopting new data sources

Nowadays, new mobility information can be derived from advanced traffic surveillance systems that collect updated traffic measurements, both in fixed locations and over specific corridors or paths. Such recent technological developments point to challenging and promising opportunities that academics and practitioners have only partially explored so far.The paper looks at some of these opportunities within the Dynamic Demand Estimation problem (DDEP). At first, data heterogeneity, accounting for different sets of data providing a wide spatial coverage, has been investigated for the benefit of off-line demand estimation. In an attempt to mimic the current urban networks monitoring, examples of complex real case applications are being reported where route travel times and route choice probabilities from probe vehicles are exploited together with common link traffic measurements.Subsequently, on-line detection of non-recurrent conditions is being recorded, adopting a sequential approach based on an extension of the Kalman Filter theory called Local Ensemble Transformed Kalman Filter (LETKF).Both the off-line and the on-line investigations adopt a simulation approach capable of capturing the highly nonlinear dependence between the travel demand and the traffic measurements through the use of dynamic traffic assignment models. Consequently, the possibility of using collected traffic information is enhanced, thus overcoming most of the limitations of current DDEP approaches found in the literature.     

轨道安全监测中传感器优化配置研究

为了研究轨道结构安全监测中传感器的合理配置方法,确保城市轨道交通安全运营,通过建立桥上交叉渡线道岔模型和钢轨应变传递误差最小的目标函数,提出传感器测点选择依据和监测方案评价标准,保证监测方案的经济性、合理性。结论表明:模型数据曲线可以指导监测系统的测点位置选择;随着传感器测点数量增加,监测误差逐渐减小,但在误差比率的"拐点"后增加单位个数传感器带来的收益降低;通过建立误差最小准则的目标函数,结合误差指标可以评价和优化传感器布设方案;钢轨位移、附加力等指标的监测方案也可以通过本文方法确定。     

隧道工程建设地质预报及信息化技术的主要进展及发展方向

复杂的不良地质条件是制约隧道安全高效建设的主要因素,要实现隧道工程的安全高效建设,首先要提高地质预测预报技术水平及其信息化程度。1)介绍我国复杂不良地质隧道超前预报的方法进展及其应用,包括突水突泥灾害源超前探测方法与设备、断层破碎带超前预报、城市地铁溶洞和孤石等探测的进展及应用等;2)介绍我国隧道岩爆监测预警方法及其应用,预报清楚之后就要加强安全风险过程监控;3)介绍基于BIM技术的建筑物(隧道工程)安全风险监控最新进展,包括安全风险实时感知系统和实时预警系统;4)指出隧道工程建设信息化技术的发展方向,包括开展基于大数据技术的TBM/盾构施工的分析与控制研究以及数字隧道向智慧隧道(建设和运营维护)的发展。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

基于路网容量的商圈停车需求预测研究

分析商圈停车、交通拥堵与商圈持续繁荣的关系,商圈停车需求预测对商圈的可持续发展起着重要作用。为合理预见与科学估算商圈停车需求,结合路网容量、区位关系提出基于路网容量的停车需求预测模型。该模型一方面能平衡区域停车供需,缓解静态设施供需矛盾;另一方面能保证停车需求与路网容量相匹配,对动态交通起到必要的控制作用,缓解商圈周边路网的交通拥堵。最后,通过实例分析证明该模型的可行性。     

基于城市轨道交通客流短时预测的运营编组设计

根据城市轨道交通客流短时预测量进行运营编组设计,更接近客流的实际运营情况,具有实时、灵活和快速响应等优点.以一周为周期,使用最近一周的历史断面客流量作为原始数据,应用嵌入式灰色神经网络组合模型进行短时预测,得到的下一周期断面客流量更符合客流不断变化的趋势.以此为基础进行运营编组设计,使其更能适应客流量的实时变化.然后将按计划运营的实际客流纳入历史客流,进行循环修正更新,作为下一周期客流短时预测基础进行运营编组设计.基于城市轨道交通客流短时预测的运营编组优化,在一定程度上可以提高城市轨道交通系统运能,提升运营效率,降低运营成本.     

基于层次分析法的区间估计的车站能力查定误差因子分析研究

本文归纳总结了车站能力查定计算过程中存在的多种影响因素,深入分析了其产生原因和不可避免性。然后利用层次分析法的区间估计方法计算得出各种误差因子对计算结果的影响权重大小,并对比不同误差因子的权重区间,筛选出强误差因子,剔除弱误差因子,为精确计算车站能力值提供依据。     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive,AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解（empirical mode decomposition,EMD）的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression,SVR）预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。