中英典型交叉口通行能力对比分析及应用

为了缓解日益严重的交通问题,寻求解决道路通行能力低下问题的有效方法,以提高道路利用率.本文通过采集英国3个路口和中国北京10个路口视频数据进行通行能力和饱和流量对比,分析中英差异和原因.在此基础上,定量分析非机动车对北京市交叉口绿灯损失时间的影响,以定量分析非机动车对信号交叉口通行能力和饱和流量的影响.对比结果表明：由于非机动车及行人干扰,中国城市道路交叉口道路利用率要比英国整体低10到20个百分点,这为解决中国城市道路利用率低的问题提供指导方向.最后,通过官园桥的实例,验证该研究成果的科学意义和应用意义.     

北京城市智能交通管理系统社会经济效益评价指标体系研究

科学、合理评价城市智能交通管理系统对城市交通运输发展以及社会经济所产生的效益对城市交通管理决策具有重要指导意义.在国内外城市智能交通管理系统社会经济效益评价研究的基础上,根据评价指标选取的原则,结合北京交通实际,建立了北京城市智能交通管理系统社会经济评价指标体系.同时,根据具体的评价指标,对智能交通管理系统社会经济效益...     

高清视频检测和识别技术研究及其在城市交通中的应用

在智能交通的城市公安交通之中,对车辆检测、车辆行为分析和跟踪、车牌识别和交通事件检测都提出了更加明确的需求,利用计算机视觉分析等先进的信息技术实现高效、安全的智能交通已成为交通治安治理的主要发展方向之一。     

�ںϳ��⳵��ʻ����IJ��·���滮����

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性,因此将出租车驾驶员路径选择经验融合到路径规划算法中,对提高出行效率具有重要的意义.本文提出一种融合出租车驾驶经验的层次路径规划方法,主要包括三部分：首先,从出租车GPS数据中提取出出租车载客行驶轨迹;然后,根据各路段出租车行驶频率高低对路网进行分层,构建基于出租车经验路径的分层路网;在此基础上,使用Dijkstra算法实现层次路径规划.最后,本文以广州市为研究区域,将该方法得到的规划路径与经典路径规划算法的结果进行比较.结果表明,融合出租车驾驶经验的路径规划方法所得路径在行程时间上占有一定的优势.     

CRH5型动车组轴温检测系统改进方案探讨

对CRH5型动车组轴温报警系统传感器和轴温报警主机这两个主要环节进行了详细分析.传感器的电气连接接触不良,防护性能差是导致传感器上传数据不稳定的主要因素,进而导致轴温报警系统误报热轴.在列车的运行的恶劣环境中,传感器必然由于这样或那样的原因上传错误的信号,此时轴温报警主机的判断逻辑就需要具有纠错功能,否则同样会引起误报现象.通过对传感器和轴温报警主机控制逻辑的改进,应该可以大幅降低当前运行的CRH5型动车组轴温报警系统误报热轴的故障.     

船舶运动混合智能控制评述

船舶运动控制表现出强干扰、时变、非线性、不确定、高可靠性要求的特点,其重要性和复杂性使其成为自动控制理论最为活跃的应用研究领域之一.智能控制以及各种智能技术集成的混合智能控制方法在这一领域得到广泛关注.文中分析比较了各种智能控制和传统榨制的特点、混合模式,介绍了混合智能控制应用于船舶运动控制的研究成果,指出了现有混合智能控制尚未有效解决的问题及船舶运动控制研究的发展方向.     

���ܽ�ͨʮ�귢չ�Ļع���չ�� -“��ͨ7+1��̳”��ʮ���λ����ʵ

“交通7+1论坛”第十三次会议围绕“智能交通十年发展的回顾与展望”主题展开,回顾了智能交通在世界的发展阶段,以及中国近十年来智能交通的发展历程,总结了智能交通对现代化交通运输的作用,介绍了智能交通的相关技术,以及发展中的经验和教训,探讨了智能交通产业发展中政府、企业的角色与作用,并展望了智能交通未来的发展趋势。     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

基于贝叶斯网络组合模型的公交驻站时间预测

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间;然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习;最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。