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。     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

汽车操纵稳定性主客观评价数据的一种处理方法

汽车操纵稳定性主客观评价之间的相关性分析是汽车技术的重要课题。提出了汽车操纵稳定性主客观评价数据的一种处理方法．通过回归分析筛选客观参数，运用BP神经网络建立相关性模型，验证结果说明了该方法的可行性。     

非港湾式停靠站对路段通行能力的影响研究

分析了路段上非港湾公交车站对路段通行能力有影响的6个因素,在实地调查的基础上,运用VISSIM进行试验仿真,得到大量数据,定量分析了各影响因素对路段通行能力的影响。建立神经网络模型对仿真数据进行分析,得到一组权值和偏差矩阵数据,通过该数据以及神经网络模型,可以在不同条件下,得到非港湾停靠站对路段通行能力的影响系数。     

间接通达指路标志研究

论述了部分国家和地区指路标志间接指引的规定,及我国指路标志间接指引存在的问题。从美国、日本、英国、瑞典、韩国和我国台湾省在间接指引标志设置的规定和实例来看,间接指引多采用符号化方式对道路编号进行指示,也可用图形化方式表示。我国一般在匝道出口或交叉口标志上列出路线编号或路名来表示间接指引,很难区分直接指引和间接指引,易引起误解。在国内外比较研究的基础上,提出我国间接指引标志设计原则:间接指引以指示路线为主;标志内容应简单易懂;重要道路间接指引应多次指示。提出了5套间接指引标志设计方案,并给出了间接指引标志的设置位置和使用范围,供科研、设计、标准制订者参考。     

基于模糊神经网络的驾驶员弯道安全感受预测模型研究

论述了在人-车-路(环境)系统中驾驶员弯道安全感受的非线性特性。为了体现车辆、道路结构对驾驶员认知过程的作用和认知结果形成的影响,驾驶员弯道安全感受模型采用弯道平曲半径、车辆运行速度和驾驶员驾龄作为道路线形、车辆结构动力性、驾驶员经验的主要特征参数集,在增加积极和消极补偿运算的基础上,构建出模糊逻辑推理规则与神经网络优化逼近运算相互结合的5层推理预测模型,并结合实例数据,进行了对比分析验证,表明5层结构模型能够较好的满足特定弯道条件下驾驶员主观安全感受的认知推理预测要求,能够准确的、稳定的再现出驾驶员主观安全感受同驾龄、平曲半径和车辆运行速度间的相互作用关系。     

基于路网子图空间的交通流平衡分析方法

通过定义路网子图空间,提出了基于路网子图空间的Wardrop平衡原理,建立了相应的交通流平衡分析模型,并通过实例阐释了偏态均衡路网交通流的形成机理与演化过程。研究表明:该模型能够很好地解释包括新路开通期的路网交通流、换乘子图空间路网交通流、收费道路偏好子图空间路网交通流等多种情形下由于网络结构被差异性地认知所形成的偏态均衡路网交通流现象,为多标准下交通流的平衡分析建立了新途径;该分析方法有助于道路网络结构设计与道路网络管理方案的优化。     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

利用BP神经网络反算土基回弹模量研究

根据三层BP神经网络和层状弹性理论体系,结合FWD研究土基回弹模量的反算。通过利用反算的土基回弹模量,比较了理论和实测土基顶面的弯沉值,从而发现所建立的神经模型有很好的识别能力和泛化能力,其模型可作为评价土基回弹模量的有效途径。     

引入网络影响分析的道路选线优化模型

提出一个基于遗传算法的道路选线优化模型,该模型首先随机生成新建道路空间位置的候选方案集,并依据GIS平台自动设计新建道路的平竖曲线,并计算其各项工程费用;接下来,分析变化了的路网的拓扑结构,并在新路网中分配OD交通量,获得OD交通在新路网上的交通流特征,进而计算OD交通量的走行时间和在路网上的环境负荷;然后,利用工程费用、OD交通走行时间费用和环境负荷当量费用构造适应度函数,以判断各候选方案的优劣,同时实施选择、交叉、变异操作以获得更多的候选方案,直至得到一个最佳的新建道路方案为止。数字试验结果显示:新建道路对路网的影响不容忽视。