XML技术在交通综合数据库中的应用研究

交通综合数据库是交通综合信息平台的核心和基础。本文首先分析了交通综合数据库的功能以及其所存储的信息类型,分析了XML技术在异构数据源之间进行数据共享和交换方面的优势以及目前许多国家和地区对XML在交通数据交换中的研究状况,在此基础上提出了基于XML技术的交通综合数据库的系统结构,重点研究了利用XML实现数据交换的理论与技术途径,通过在实际研发工作中的应用,结果表明XML技术在交通综合数据库中有良好的应用前景。     

国际多式联运发展面临的挑战及对策

<正>传统的多式联运系统多指集装箱多式联运,这里所说的多式联运是一种范围扩大了的多式联运的概念,它指只需一个单据、利用两种或两种以上的运输方式完成从起始点到终止点的运输活动,是一个广泛的多式联运的概念。     

高速公路车辆典型交通违法行为危险度分级预警方法

高速公路不文明驾驶行为及交通违法行为的频发严重影响了高速公路交通流运行的安全与效率.基于采集的高速公路交通安全相关数据,对高速公路典型交通违法行为的危险度的分级预警方法进行了研究.针对高速公路的交通事故数据,以从恶劣天气、道路线形、违法类型的角度分析了道路交通事故与各类因素的相关性,在此基础上确定进行分级预警的影响因素.综合考虑在气象条件、交通状况、道路线形及各类违法行为,提出了层次分析与模糊评价相结合的方法,建立了针对高速公路违法行为危险性的分级预警模型,并用实际案例数据对模型的适用性进行了验证.结果显示,模型具有良好的适用性,所建立的分级预警模型可以为高速公路的主动交通预警及管理提供参考与支撑.      

交通信号控制单元智能化集成研究

信息化集成是各个行业领域的发展趋势。本在论述当前的信号控制系统状况和在应用中不足的基础上，结合我国城市交通特点和实际中存在的各信号控制系统自成体系难以统一的问题，提出了一个实践性的信号控制单元集成的解决方案，从而实现了一个控制系统可以兼容多个不同厂家不同型号的信号机，并介绍其主体功能框架和技术实施方法。     

基于虚拟数据仓库和XML的城际交通综合信息平台研究

城际交通综合信息平台是实现城市智能交通系统的重要基础。本文首先分析了城际交通综合信息平台的功能和特点．随后分析了城际交通综合信息平台中的虚拟数据仓库的体系结构、功能及其优势，并提出了利用XML技术来实现城际交通综合信息平台的技术途径，最后分析了基于虚拟数据仓库和XML的城际交通综合信息平台的体系结构。     

基于移动Agent和XML的交通综合信息平台的研究

随着智能交通系统的不断发展，未来智能交通系统发展的一个趋势是集成化，而交通综合信息平台是实现集成化智能交通系统的基础和支撑．文中提出了利用（eXtensible Markup Language）XML和移动Agent技术来实现交通综合信息平台的技术途径及开发实例．阐述了基于移动Agent的交通综合信息平台的体系框架；研究了各个层次的功能及实现机制，研究了利用XML技术来实现智能体之间的通信及实际工作中利用XML进行的平台的开发实现．研究及开发应用表明XML和移动Agent为交通综合信息平台的实现提供了一条可行的实现途径．     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30．7463％,分类回归树的误差平均值为29．5197％,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65 000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8 000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30.746 3%,分类回归树的误差平均值为29.519 7%,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

基于网络最短路径的铁路购票智能推荐算法研究

针对如何高效地利用铁路资源,并实现出行效率的优化,本文在现有列车运行时刻表的基础上,以图论中的最短路径求解方法,充分考虑换乘时间、车票价格、旅途总用时等因素,整合现有铁路系统列车运行数据,提出一种可行的优化思路,分析可能存在的实际问题,编写计算机程序,初步实现了铁路购票的智能推荐,能够为用户提供票价最少与总用时最少两种方案,并给出具体购票组合策略.     

基于神经网络的路口交通流转向比预测

为了预测路口交通信号控制所需的转向交通流量,提出了基于改进BP(back-propagation)神经网络的路口交通流转向比预测模型,给出了相应参数的计算方法;采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性,并用调查数据对模型进行了检验.研究结果表明,与传统的平均值法相比,用所提出的模型,平均绝对相对误差减小约1%~3%.