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。     

基于实时数据的快速路可靠性及其影响因素研究

首先对快速路运行状态可靠性的概念进行了界定,提出了基于交通统计的快速路可靠度的计算方法,利用北京市二环路的实测数据,对北京市二环路各路段的可靠度进行了计算.在对可靠度值及饱和度、交通需求的波动、出入口密度、辅路交通状况等实测数据分析的基础上,得出饱和度对快速路的可靠性影响最大,其相关系数R达到0.9以上,在饱和度比较高的情况下,交通需求的波动、出入口密度、辅路交通状况与快速路可靠度的相关系数R均处于0.7以上.     

再论智能交通系统(ITS)在我国道路 交通管理中的应用

在总结ITS智能交通的发展过程中,对我国ITS的正确认识和理解问题提出了新的见 解,尤其是ITS在我国道路交通管理上的应用与发展方向上,如交通工程问题以及交通参与者 的交通行为规范问题方面,提出许多值得研究的问题和方法.     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

基于规则控制的ITS集成设计

从控制技术的角度,通过对规则控制在典型ITS领域的控制策略分析,总结了基于规则控制系统的ITS的系统结构和控制信号,并提出了集成ITS规则库的设计思路。     

基于决策偏好的ETC系统评价指标体系及评价方法

为更好地反映不同决策者对电子收费系统（ETC）评价的偏好,从政府、运营者和付费者三个主要利益主体的角度对ETC系统的评价指标及评价方法进行了研究。根据评价指标体系筛选原则,确定了基于决策偏好的ETC系统评价指标体系;通过综合分析成本-效益法（CBA）和数据包络分析法（DEA）的各自特点,依据基于决策偏好所确定的评价指标,同时引入当前一些比较好的算法来优化CBA,DEA和AHP法,建立数学模型,从而确立了基于决策偏好的综合评价方法。该方法较为全面地对ETC系统社会经济影响进行评价,所建立的指标体系和方法能更直观、更可靠地反映出决策者的决策偏好。     

我国ETC的现状及发展趋势

目前，国内不停车收费系统（Electronic Toll Collection，简称FTC）正处于一个从探索到试点的重要发展时期。ETC系统已经成为智能交通系统ITS的一个重要组成部分。     

浅谈智能运输系统及其在我国发展的重点方向

介绍了智能运输系统（ITS）概念及目前发展的状况，并根据中国近年来交通运输发展现状和趋势，提出了相应的对策，对中国智能运输系统（ITS）的进一步发展提出建议。     

��ܹ��������ܽ�ͨ

从公安科技管理的角度，本文介绍了“金质工程”，及其与智能交通系统(ITS) 的关系.并结合公安科技工作的具体情况，阐明了建设中国ITS的想法，提出了智能化交通管理系统(ITMS)建设的发展方向和总体思路.     

Floating Car Data Based Nonparametric Regression Model for Short-Term Travel Speed Prediction

A K-nearest neighbor (K-NN) based nonparametric regression model was proposed to predict travel speed for Beijing expressway. By using the historical traffic data collected from the detectors in Beijing expressways, a specically designed database was developed via the processes including data filtering, wavelet analysis and clustering. The relativity based weighted Euclidean distance was used as the distance metric to identify the K groups of nearest data series. Then, a K-NN nonparametric regression model was built to predict the average travel speeds up to 6 min into the future. Several randomly selected travel speed data series, collected from the floating car data (FCD) system, were used to validate the model. The results indicate that using the FCD, the model can predict average travel speeds with an accuracy of above 90%, and hence is feasible and effective.