��������ͼ�ı����е�·��ͨ״������ָ����о�

各种仪器设备采集了大量的城市道路交通实时信息数据,但目前所能利用的信息仍较为稀少。研究如何利用这些丰富的信息数据资源极具意义,也十分必要。本文基于对北京市快速干道实时采集的RTMS数据的分析,以交通流理论为基础,结合统计分析方法提出一种基于特征图的道路交通状况量化评价指标模型。具体将模型应用于北京市二、三、四环的交通状况分析,取得了具有一定实际应用意义的量化评价指标。最后,应用多成份Gauss混合模型对交通流参数的分布实施拟合,并采用EM算法进行参数估计,就指标的合理性和可信性做出了进一步的评价分析。     

�����е�·ָ·ϵͳ�о������ʵ��

道路指路标志是一种交通语言,成为千万交通参与者的“出行指南”。它在规范城市交通行为,减少交通拥堵,确保道路的安全和畅通方面,正在发挥着越来越大的作用。通过对北京市的道路指路标志系统的发展和存在的问题进行研究和分析,提出了道路指路标志规划和建设的新理念,同时强调了规划和设计的统一性。对北京奥运会期间的专用道路指路标志系统的设计及应用实践进行相关介绍,实践结果表明,奥运中心区指路标志的引入使车辆和观众的进出场时间节省了约20%,有效避免了奥运周边地区因人员密集、疏导困难造成的拥堵。     

基于交通综合信息平台的概率交通预报方法

以交通综合信息平台为数据支撑,考虑交通指数发布对交通预测的影响,应用模式匹配和概率统计方法构建了概率交通预报方法的流程框架,研究了概率交通预报的2项关键实现技术,包括3级交通数据融合方法和交通指数发布内容.算例结果表明:概率交通预报使主路径和替代路径的饱和度差值从40%降低到23%;由于概率交通预报方法在考虑交通指数发布对出行行为影响的基础上对交通预测结果进行了修正,所以提高了交通预报的可信度,使路网交通负荷趋于均衡.     

高速公路非接触式交通检测技术的应用研究

非接触式交通检测技术具有检测范围大,安装维护方便等优点,在高速公路动态交通数据采集中不断得到应用。本丈在分析各种非接触式检测技术特性和精度的基础上,通过现场实验,研究了非接触式检测技术的应用功能、基于微波一线圈的组合应用及其数据融合。实验结果表明,非接触式交通检测技术在高速公路动态数据检测中可以使用,但由于受检测精度、数据类型、范围与安装使用条件的影响,不宜单独使用;通过非接触式与接触式检测技术的组合应用,克服了接触式检测器难以维护的缺陷,并且多检测技术数据融合的检测精度比单一检测技术提高10％～15％。     

基于遗传算法的车站标识决策点布设方法研究

针对大型客运站旅客向导标识布设的复杂性,提出基于遗传算法求解决策点的优化方法,并以北京南站为例进行标识布设实例分析,为实际方案的实施提供决策参考依据.     

两跨24m连续多室异型箱梁桥梁格法分析

该文通过对异型箱梁桥有限元模型的建立、输出数据的整理及分析,说明异型箱梁桥的空间分析方法,为类似桥梁的结构分析及设计提供了参考。     

一种基于闭项集的无冗余关联规则挖掘方法

针对关联规则挖掘中存在的规则数量过多,难于理解和应用的问题,提出了一种基于闭项集的无冗余关联规则挖掘算法．首先,给出了无冗余关联规则的定义,并基于规则信任度的概念说明了该定义的合理性;其次,在生成子、闭项集和无冗余关联规则的基础上,给出了无冗余最小．最大精确规则基和无冗余最小．最大近似规则基的定义,并讨论了它们的剪枝策略．最后,讨论了生成子的性质及连接策略,并在包含索引的基础上,给出了一种宽度优先的无冗余关联规则挖掘算法．实验结果表明,本文提出的算法不仅可以发现规模较小的无冗余关联规则,提高了挖掘结果的可理解性,而且具有较高的挖掘效率．     

公路交叉口指路标志合理信息量的试验研究

通过采用模拟试验方法,对驾驶员认读、判断指路标志的过程进行研究,从而得出指路标志信息量与认知时间之间的量化关系,以及在进行公路交叉口指路标志的版面信息量设计时,地名数不宜多于5个的结论,对交叉口指路标志的设计具有指导意义。     

项目现场安全管理资料的收集和整理

安全管理资料的收集与管理,是施工现场安全生产的基础性工作,也是检查落实安全生产责任制的依据。做好这项工作,对于保证工程项目的安全和质量具有十分重要的意义。     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。