基于过程神经元网络与遗传算法的交通流预测

高速公路变通量预测对于高速公路建设和管理具有重要的指导作用。针对传统预测方法准确性低、预测时间长等问题,建立了遗传过程神经元网络优化模型,该模型既利用遗传算法全局搜索、快速收敛的优点,又利用过程神经元网络非线性描述、自学习自适应的优点,并以实际道路为例进行计算机仿真,实证分析的结果表明,该方法能够有效提高交通量的预测精度。     

榆神高速公路风积沙路基压实工艺研究

在调查和收集国内外沙漠公路有关资料的基础上,结合榆神高速公路风积沙路基的施工过程,通过室内试验及现场压实试验并结合理论分析,对风积沙压实特性进行了研究,总结了松铺厚度、碾压遍数、振动频率以及含泥量等因素对压实度的影响,提出了科学、合理的风积沙压实工艺。     

大跨度桥梁分段施工控制研究

根据卡尔曼滤波基本原理,采用非线性卡尔曼滤波系统对大跨度桥梁分段施工过程中的结构参数进行在线估计,将参数修正后的随后理想状态结合结构量测状态,采用灰色预测控制理论控制桥梁结构线形。通过应用实践,验证了施工控制方法的有效性。     

天津某水泥搅拌工程桩静载抗压极限承载力测算

该文利用单桩静载试验的试验数据,用双曲线法推算单桩竖向抗压极限承载力,并用计算值与实测值进行对比分析,验证了用双曲线法预测单桩竖向抗压极限承载力简单、实用、拟合精度高。     

城市道路资产评估与管理研究

资产价值评估是资产管理的核心。该文针对城市道路基础设施,以道路技术状况评价和使用性能预测等技术为基础,建立了适用于城市道路基础设施资产价值评估的重置成本法,且对上海市城市道路路面资产价值进行了实例计算。并以此为基础,探讨了资产价值评估方法在养护投资、全寿命费用分析,以及多设施综合优化管理等方面的应用。     

行人仿真模拟在地铁换乘站设计中的应用

在已有的预测需求基础上,使用计算机行人模拟软件LEGION,建立高品质的计算机仿真模型,运用长期专业工作经验以及对类似项目的观察经验,仔细查核模型以确保模型是一个高质量的模型,能够充分反映研究时段内的站点运营状况,来对高峰时段的站内乘客的常规活动进行模拟,从而对车站的运行情况进行预判,为建筑方案的详细设计及改善提供建议和帮助。     

基于MATLAB的BP神经网络组合预测模型在公路货运量预测中的应用

采用BP神经网络建立公路货运量组合预测的理论模型,灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能,有效克服传统的组合预测方法在实际应用中把数据间的关系强加给某一类函数的不足,并借助于先进的数学计算软件MATLAB进行简单的编程,大大降低模型的计算难度,实例证明该方法具有更高的预测精度。     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

���������ģ�͵ij��п���·��ͨ״̬Ԥ�ⷽ���о�

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级. 最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性. 实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性. 最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.