交通运输网络中两个结点间有流量约束的最小费用最大流算法

对交通运输网络最小费用最大流的分配是在满足容量限制条件和流量守恒条件下,基于总费用最低的原则进行的,但在实际应用中,通常对交通运输网络中两个结点之间的流量有具体的要求和约束限制条件.针对交通运输网络中两个结点之间有流量约束的最小费用最大流问题进行了分析,总结了两个结点之间的流量不能超过限制值、不能低于限制值以及在一定范围内的3种约束条件.基于连续最短路算法中构造伴随增流网络的思路,设计了这3种约束限制条件下的最小费用最大流分配算法.利用这个算法,可以解决交通运输网络中两个结点之间有流量约束的最小费用最大流分配问题.在交通运输领域,两个结点之间有流量约束的最小费用最大流问题普遍存在,这些算法也为解决实际的运输问题提供了应用基础.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

基于灰色关联度模型的公路网适应性评价方法研究

促使区域公路网建设与区域经济一体化发展相适应是社会经济发展中的重要课题。从区域公路网与经济发展适应性的基本概念出发,通过构建适应性评价指标体系,进而提出的改进的灰色欧几里德加权平均关联度模型,经不同发展水平市（县）区域的经济和交通发展水平的验证,发现具有一定的合理性。     

基于城市既有道路的公交线网优化技术方法

鉴于目前公共交通已成为解决城市交通供需矛盾、调整交通结构的主要手段,有必要就如何通过充分利用现有的城市道路资源优化布设城市公交线网,提高公交系统的运行效率作一探讨。     

基于仿真数据的异类交通传感器信息融合研究

通过系统模拟中的相关原理,以实际传感器的性能参数为背景,可生成供交通信息融合算法使用的训练集和测试集仿真数据。结合这些数据,相关神经网络训练和仿真结果表明：交通信息融合方法对于提高异类传感器的速度检测是有效的．同时信息融合技术在智能交通系统中的应用能够提高信息获得的准确性。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

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。     

基于北斗／GPS/BGAN卫星技术的应急指挥监控系统

分析了基于全球卫星定位系统（GPS）／通用无线分组业务（GPRS）传统车辆监控方式,在传统车辆监控模式的基础上,设计集成了北斗卫星链路和宽频全球区域网络系统（BGAN）卫星链路,解决了传统车辆监控中存在的问题,实现对车辆目标无盲区动态监控和视频采集,并成功应用于新疆公众卫星导航监控系统。     

基于多参数状态时间序列的交通状态预测方法

利用多个参数描述交通状态时,交通流数据表现为多维空间数据。提出了将属于每个状态的多维空间数据转换为一维时间序列的方法,对于此状态时间序列采用BP神经网络进行了下1个时段的交通状态预测。实验结果表明,多参数状态时间序列比单个参数时间序列能更准确地描述交通流状态变化过程,且算法简单,具有较强的预测实时性。     

事故多发点鉴别及其成因分析

对比分析了事故多发点鉴别及其成因方法,归纳总结了各种方法的优缺点及适用条件。提出了基于BP神经网络的高速公路事故多发点鉴别方法,并应用实际高速公路交通事故数据,标定了网络的权值矩阵和偏置向量,该方法能有效解决矩阵法中人为确定边界的不足。针对事故多发点的突出事故诱导因素问题,提出了基于动态模糊聚类的多发点成因分析方法,该方法能将众多的事故诱导因素聚类为从主要原因到隐患原因等4个类别,进而得出较客观的成因分类结果。