基于多源数据融合的城市道路旅行时间预测

城市道路旅行时间预测是城市道路交通管理的重要支撑.研究了利用多源数据预测城市信号控制主干道旅行时间的方法.以2015年8月某路段的视频检测器及微波检测器的2种数据为基础,采用回归拟合的方法探究信号控制主干道路段旅行时间与断面流量之间的关系,2段式的线性拟合结果可以较好地拟合信号控制主干道路段旅行时间与断面流量的关系.以BP神经网络模型为基础,从输入层入手,采用直接输入2类数据、应用拟合关系输入拟合数据等方法,综合考虑2类数据之间的相关性,建立了融合2类检测数据进行旅行时间预测的多个模型,对7种不同输入的神经网络预测模型进行了测试、对比和分析.研究结果表明,相比于时间序列、支持向量机、k近邻和历史平均方法而言,应用拟合关系的2类数据融合的BP-2神经网络模型具有更高的预测精度,MA PE为13.04%,表明BP2神经网络模型能够实现较好的旅行时间预测效果.      

不同结构参数下盾构切刀切削土体数值模拟研究

基于ABAQUS有限元分析软件,采用ALE算法和线性Drucker-Prager土体塑性本构模型,利用具有单元删除功能的剪切失效准则,建立盾构切刀切削土体的三维仿真模型,研究不同切削参数条件下刀具切削土体过程中土屑的流动状态和刀具切削力的变化规律。研究结果表明： 在不同的切深状况下,总的切削力变化并不大,但随着切深的增大,已切削土屑的分离度降低甚至不分离;随着刀宽的增大,切削力也随之增大,但土屑的流动性降低;随着前角的增大,切屑的破碎状态和流动性降低,导致堆积在切刀的刀刃处,阻碍切削的持续进行。     

组合短路段的长路段旅行时间短时预测

旅行时间预测是城市智能交通系统的必要组成部分。利用时间序列ARIMA模型预测短路段的旅行时间,然后组合短路段的预测结果得到长路段的旅行时间预测结果,最后与直接利用ARIMA模型预测长路段的旅行时间方法进行了对比。研究表明,组合短路段的长路段旅行时间预测方法具有更高的精度和更优的预测效果,在旅行时间短时预测方面具有较好的实用性。