考虑交通吸纳点的非参数回归组合型短时交通流预测方法

在城市路网中．交通吸纳点是非常重要的影响交通流量的因素。由于交通吸纳点增加了流量预测的复杂度．一般基于模型的智能算法也不能很好地解决有吸纳点的交通流预测问题。提出一种基于非参数回归的组合方法PCA—FC—NPR．即在对原始数据进行主成分分析PCA（Principal Component Analysis）和模糊聚类FC（Fuzzy Clustering）的基础上．采用以数据驱动的k-近邻非参数回归方法NPR（Non-Parametric Regression）加以解决。针对交通吸蚋点与检测器的位置关系采取不同预测算法。短时交通漉预测示倒结果证明俄方法的有效性。     

基于小波分析和SOM网络的交通事件检测算法

本文提出一种结合小波分析和SOM（自组织特征映射）神经网络的交通事件检测算法。论文首先利用小波分析检测交通流初始信号的奇异性．然后将小波系数作为SOM网络的输入．对信号奇异点进行分类,再根据分类标准判断交通流状态，并运用Matlab进行了仿真分析。结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测，具有潜在的应用价值。     

基于投影寻踪自回归的短时交通流预测

厦时准确地进行交通流短时预测是智能运通系统（ITS），尤其是其先进的交通管理系统（ATMS）与先进的出行者信息系统（ATIS）研究的关键内容之一。随着预测时间跨度的缩短，交通流量的变化显示出越来越强的不确定性，使得一般方法的预测精度大大降低。例如：非参数回归的算法是一种“无参数”、可移植、高预测精度的实时预测算法，在变通流预测中发挥了很大的作用。但随着样本数据维数的增加．存在“维数祸根”的现象。针对目前短时交通流预测存在的问题，本文提出一种基于投影寻踪自回归技术的短时交通流预测模型，解决了“维数祸根”和高维数据闻的非正态、非线性问题。经过实测数据验证。谊算法完全满足实时交通流预测的需要。     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

基于Hough变换的交通流状态辨别方法

交通流状态辨别在智能交通系统中起着十分重要的作用。本文根据对交通流状态辨别研究的分析,提出基于Hough变换方法和模糊C均值聚类方法的交通状态辨别方法。其中,基于Hough变换的图像识别方法用于交通畅通流的辨别,模糊C均值聚类方法用于其它交通状态分类。而且利用快速路固定型交通检测器实时数据进行了实证分析,且与模糊C均值聚类方法进行了对比分析。分析结果表明本文方法与FCM方法相比,更符合于三相交通流理论,且满足城市快速路交通流的特征。该方法可用于交通流状态分析。     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

面向控制的城市快速路网宏观动态交通模型

针对我国城市交通特点，在改进经典的高速道路网宏观交通流模型METANET的基础上，提出了面向控制的城市快速路网宏观动态交通模型。该交通模型能够更好地描述快速路出口匝道流出能力受限、快速路主线起始点车流以及快速路主线车速控制等现象。对上海高架快速路的实际交通流数据进行了仿真研究，结果表明该模型较好地反映了城市快速路交通流的动态演化特征，可以作为城市交通控制系统分析和设计的有力工具。     

系统辨识中支持向量机核函数及其参数的研究

具有不同核函数和参数的支持向量机（SVM）的性能存在很大差异，核函数及其参数的选择是SVM应用和理论研究中的一个重要问题。在简要介绍非线性系统辨识的支持向量机方法后，重点对常用的核函数及其参数的选择进行了研究，并采用具有不同核函数的SVM进行非线性系境辩识。大量实验结果表明，采用SVM方法进行系统辨识时，径向基核函数（RBKF）比其它核函数的辨识效果好，且RBKF的参数选择较容易，当参数在有效范围内改变时，空间复杂度变化小，易于实现。因此，RBKF是系统辨识SVM的较好选择。     

基于机器学习的中观交通仿真器模型参数标定

针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中。提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速。利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统。     

交通排放量化模型的建立与仿真实现

面对日益凸显的交通排放问题,设计用于定量计算的交通排放模型是制定和实施各项治理措施的前提,而如何反应由交通特征的微观变化引起的排放变化是目前交通排放模型建立的核心。基于此,首先利用车辆比功率(VSP)变量搭建了交通特征数据与机动车排放间的关系,在建立VSP-Bin分布率、VSP-Bin污染物排放率和车型分布三个数据库的基础上,建立了从交通特征微观变化出发的交通排放量化模型。然后,通过对ArcGIS进行二次开发,搭建了交通排放动态仿真平台。最后,结合北京市西三环RTMS(Remote Traffic Microwave Sensor,远程交通微波传感器)交通流量和浮动车速度数据对其及其周边主干路的交通排放进行动态的量化仿真和分析,为整个北京路网交通排放的量化仿真及节能减排政策的选择打下坚实的基础。     

一种通用的城市道路交通流微观仿真系统的研究

交通流仿真是研究交通问题的有效工具,本文采用复合概率、模糊逻辑等方法建立了描述交通流中不确定性因素、车辆的到达,在路段上行驶以及通过路口的微观仿真模型,并利用面向对象的方法设计实现了于种基于上述模型的通用城市交通流微观仿真系统,比较真实地再现了车辆在道路网络的行驶过程。     

基于路径运行时间可靠度的随机系统最优拥挤收费模型

应用交通网络平衡模型和边际成本收费理论相结合的方法,研究了运行时间可靠度下的随机系统最优拥挤收费问题,建立了运行时间可靠度及内生ATIS市场渗透率条件下随机系统最优交通拥挤收费模型.分析了基于运行时间可靠度下的随机系统最优拥挤收费对用户出行行为的影响.发现了与确定性网络用户平衡流中的情形类似,对于考虑运行时间可靠度下的随机交通网络,边际成本收费理论仍然适用,即采用边际社会成本流函数代替单位路段成本流函数,可以使随机网络随机用户平衡流变为随机网络随机系统最优流.算例分析结果表明:在传统的拥挤收费模型中,拥挤收费仅与路径(路段)运行时间和路径(路段)流量有关.现实中,在确定他们的出行路线时,用户往往还会考虑网络运行时间可靠度因素,而不仅仅是路径运行时间或成本.用户对于运行时间可靠度的置信度要求越高,传统的拥挤收费执行效果越不理想.因此,现实生活中传统的拥挤收费不一定能使网络效益达到最优或缓解交通拥挤.     

电梯群控系统交通流的预测方法

交通流预测是智能电梯群控系统的重要组成部分,对交通流进行预测可使群控系统跟随交通流的变化调节控制策略.将基于神经网络的时间序列预测理论应用到电梯群控系统的交通分析中,构造了一种交通流时间序列预测模型,并提出了调整预测神经网络结构以提高预测精度的方法.仿真实验表明了这种交通流智能预测方法是有效的.     

基于Petri网的城市交通控制混合系统模型

城市道路交通信号控制是典型的混合动态系统,既包含连续状态变量又包含离散状态变量.本文归纳研究了信号控制交叉口群的主要构成元素：交通信号控制、交叉口与道路路段,其中交通信号控制与交叉口两个元素属于离散事件动态系统（DEDS）,而道路路段交通流属于连续时间动态系统（CVDS）.然后,应用混合系统建模理论,分别构筑了交通信号控制的petri网模型、交叉口的petri网模型、道路路段交通流的连续系统模型,以及交叉口petri网模型与路段交通流模型之间的接口.该模型具有既能够进行交通控制信号优化与交通阻塞机理解析应用,又便于计算机软件实现的优点.     

复杂适应性系统的仿真与研究--基于CAS理论的交通模拟

为更好地研究交通系统，以CAS理论为指导思想，利用SWARM平台建立了基于多主体离散的动态交通模拟系统。使用自底向上的建模方法进行模拟：将车辆及信号灯作为具有适应性的主体．利用元胞自动机模拟动态交通流；同时将激励学习方法与遗传算法相结合，对信号灯周期进行自适应优化。通过主体不断的“学习”，交通系统在宏观方面涌现出一定的动态特征和规律。进而，我们比较了完全自组织控制模式以及加入预警机制两种情况下各宏观量的变化情况。从实验结果可知，预警机制可以给车辆宏观方面的指导，从而提高车辆通行能力，减少交通拥塞。     

考虑公交车辆影响的城市交通流元胞自动机模型

城市道路上的车流主要是公交车和小汽车混合流,而一般交通流理论都是以小汽车流为对象进行研究和建模。在对现有经典交通流元胞自动机模型进行总体分析的基础上,提出了一种考虑公交车辆影响的多速混合车辆双车道元胞自动机模型,重新标定了元胞长度、运行车速、随机慢化机制,引入了公交车辆,设定了公交车停靠站、改进了车辆变换车道规则,小汽车与公交车不仅最大速度不同,而且车辆运行中占用元胞点数也不同。通过计算机对新模型进行模拟,再现了传统交通流三参数之间的关系,发现纯小车流与考虑公交车流相比阻塞项更为明显和规律,只要在车流中存在公交车,整个车流的流量和速度就会受到较大的影响。为进一步更好地描述城市混合交通流奠定了基础。     

Vulnerability analysis method for global undersea cable infrastructure based on network traffic北大核心CSCD

This paper chooses network traffic as the vulnerability metric for global undersea cable infrastructure and proposes a vulnerability analysis method based on bi-level optimization theory which can identify the most vulnerable parts of the system under specific damage budget and take quantitative analysis for the rerouted traffic because of the damaged parts. Finally, the vulnerability analysis method is verified with two undersea cable systems in a certain hypothesis region, and characteristics of the dynamic vulnerability and corresponding protection strategy are discussed. © 2016, The Journal of Agency of Complex Systems and Complexity Science. All right reserved.     

应急疏散路径选择元胞传输宏观模型

通过建立元胞传输模型,研究了紧急事件下动态网络交通流应急疏散问题,将车流离散化处理成单个车辆可以有效地克服网络规模较大时运算效率低的缺点.模型采用时间步长法进行模拟,紧急疏散车辆路径的确定与各路段的走行时间密切相关.仿真实例说明模型和算法提高了紧急事件下网络动态交通配流的应用效果.