公路交通可持续发展评价指标及评价方法研究

根据公路交通可持续发展评价的内容和特点,从公路交通可持续发展水平、发展能力、发展协调性3个方面建立了评价指标体系;提出了指标属性值和无量纲化的计算方法;应用模糊识别原理,结合AHP权重确定方法,依据公路交通可持续发展目标(级别划分)的实现程度,提出公路交通可持续发展的多级模糊识别综合评价模型;其评价方法和模型,反映了公路交通可持续发展的内涵,对区域公路交通可持续发展评价有借鉴作用。最后,进行了实证研究。     

基于粗集理论的交通控制系统研究

为满足智能交通系统高性能模糊控制器设计的需要,把粗集理论融入常规的模糊推理,提出了一种交通控制模糊建模新方法,利用粗集理论的知识推理,直接从交通系统的测量数据提取模糊规则,解决了城市交通模糊控制规则提取的瓶颈问题。实例分析表明:该方法简单有效,不仅可以最大限度地减少从交警的经验直接提取模糊规则的局限性,以获取最优的模糊模型,同时建模方法具有普遍适用性,提取的模糊规则更具客观性。该方法可以推广应用于多交叉口的模糊协调控制,对于采用复杂算法的控制系统更能显示出其优越性。     

高速公路运输量研究

提出了高速公路运输量的统计方法,并以南京—上海高速公路为例,首次统计了中国高速公路的客运量、货运量、客运周转量、货运周转量以及客、货运输密度。研究表明:在南京—上海通道内,高速公路和铁路起着同样的关键作用;货运方面,高速公路和铁路运送货物价值相差很大,两者是互补性的,客运方面,高速公路客运量中个性化出行与铁路是互补性的,而群体性出行与铁路是替代性的。对高速公路上运行的车辆状况进行了分析,指出货运量主要是由四轴的半挂列车和两轴的单车完成的。客运中个性化出行的乘客占40%,车数占88%。     

交通需求OD估计与预测的现状研究分析

目前，对于静态OD矩阵估计问题已经有很多研究者，对于动态OD前沿的研究工作则非常有限。关于对OD估计和预测的研究可分为封闭网络和开放网络。介绍了研究封闭网络的Bell，Van der Zijpp，Chang and Wu和Chang and Tao等人的方法，以及研究开放网络动态估计的3种方法，即Cascetta、Okutani、Ashok和Ben—Akiva等人的方法。并指出可以将OD估计问题陈述为具有不同误差特性、多个来源的不同类型信息的综合性和一致性的结合体，此联合估测就是经济计量学的混合估计的问题。     

基于可持续发展的城市交通结构优化模型与应用

城市交通结构是实现城市交通运输系统可持续发展的关键之一，根据城市交通可持续发展的核心内容，研究了交通结构优化的主要目标。然后从个人选择导向和政策导向两个角度，分别研究了交通结构优化的约束条件。在此基础上，建立了交通结构优化模型。     

高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法：①路段平均车速算法；②交通流区段类型判定算法；③排队类型判定算法。考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况，使得模型所提供的信息更能反映路段的真实交通状况。采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性，并且采用“客观”标定临界车速作为基于现场数据判定车队状态的一种方法。     

汽车通过隧道时注意事项

1.汽车在进入隧道前,要注意交通标志或交通信息板,特别是限速标志。汽车从隧道外路段驶入时,人眼对黑暗的适应时间大约需要7～8秒,此时驾驶员的视力下降,因而必须减速行驶。有些长隧道,前半部分路段为上坡,后半部分为下坡,由于这种纵坡结构,汽车驶出隧道的平均速度比驶入时的平     

多起终点交通流的城市道路网容量计算

以图论中的网络极大流理论为基础,提出了城市道路网容量问题属于多起、终点的网络最大流问题。由于多起、终点网络最大流问题的复杂性,图论中至今没有给出相应的算法。为此,提出从调整O-D需求着手,首先使有缝网变成无缝网的思路,然后给出了理想O-D矩阵和可行理想O-D矩阵的定义。在此基础上,建立了理想条件下城市道路网容量的计算模型,并给出了考虑路网服务水平的城市道路网容量计算思路。     

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明：在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。

     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。