基于小波消噪的ARIMA与SVM组合交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测.     

北京城市智能交通管理系统综合效益评价指标体系及分析方法

合理评价城市智能交通管理系统对城市交通运输发展和社会经济效益具有重要意义。在国内外智能交通管理系统评价成果的基础上,结合北京市交通的实际情况,从国民经济、交通安全、能源环境、管理效率和技术进步等5个子系统来进行综合评价,建立了北京城市智能交通管理系统综合效益评价指标体系。同时根据评价指标选取的原则,提出了各子系统内部的具体评价指标,并列举了智能交通管理系统评价的分析方法。     

城市智能交通运输系统中的智能技术应用

介绍了城市交通智能控制系统的起源、发展及其控制方法的演变,论述了其在当前智能交通系统大背景下的国内外研究现状,以及城市交通智能控制系统的研究热点,最后指出了智能交通控制优化管理的关键因素.     

国家铁路智能运输系统工程技术 研究中心的组建和实施

介绍“铁路智能运输系统(RITS)”的重要性、主要任务和关键技术.论述了“国家铁路智能运输系统工程技术研究中心(RITSC)”的发展目标、主要任务、组织结构、管理模式、资源优势、投资情况,以及目前的研究动态和核心任务,从而较全面地反映出“RITSC”的组建和实施情 况.     

铁路智能运输系统体系框架结构化方法应用研究

结合"铁路智能运输系统体系框架研究"项目,重点对体系框架的研究方法进行研究.概述结构化方法的基本原理,介绍结构化分析SA与结构化设计SD在构建RITS体系框架中的应用,以及下一步的研究重点.     

快速路可变限速与匝道控制协同优化策略

可变限速控制和匝道控制是快速路交通控制的主要手段,本文对两者的协同优化策略进行了研究.借助智能车路协同系统强大的信息感知能力,通过引入微观交通流信息,对经典METANET模型进行了改造,构建了可变限速控制影响下的微观METANET模型,实现了一种新的可变限速控制策略,同时,采用ALINEA算法,对入口匝道进行了优化控制,实现了两者的协同优化.最后,基于实际道路和交通流数据搭建了仿真平台,对微观METANET模型和协同优化策略的有效性进行了验证.仿真结果表明,微观METANET模型具有良好的交通流预测效果,协同优化策略能有效地改善快速路交通流状态.     

轿车万向节星型套精锻集成智能设计系统

研究了轿车万向节星型套集成智能设计系统的开发过程。利用专家系统与神经网络相结合的智能技术建立了GC/GD-ANN-ES集成智能设计系统模型。采用CSG树方法进行星型套锻件几何造型;利用规则与框架相结合的方法建立子知识库,并通过黑板推理与正向推理相结合的推理机制建立了ES子系统;应用模糊神经网络技术进行了回弹量预测。通过实际生产验证了集成智能设计系统的可靠性。     

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。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。