基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论———熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主－支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。     

基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论——熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主-支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。     

基于谱聚类与RS-KNN的城市快速路交通状态判别

为了提高城市快速路交通状态判别的准确性,构建了一种基于谱聚类与随机子空间集成K最近邻(RS-KNN)的交通状态判别模型.以地点交通参数为基础,根据交通流运行特性并结合中国道路服务水平的4个等级,采用谱聚类算法将交通状态划分为4类;然后使用已分类的交通流数据训练RS-KNN模型.通过上海快速路的实测数据完成模型的实验验证和对比分析.实验结果表明,所提出的模型不仅能够提高交通状态判别的精度,而且具有良好的鲁棒性,其判别率比标准KNN模型、BP神经网络模型和SVM模型分别提高7.3%、4.9%和4.5%.     

开放边界双车道混合车辆交通流的研究

在NaSch模型的基础上,引入转道规则,建立了开放边界双车道混合车辆交通流模型．计算机数值模拟结果表明：混合车辆交通状态可分为快车特性区、准慢车特性区和慢车特性区,车辆混合比例对混合车辆交通流有重要的影响．     

城市环路交通状态自适应判别方法

针对城市环路交通拥挤问题,提出基于模糊C均值聚类与灰色聚类的交通状态自适应判别算法.首先运用模糊C均值聚类对交通状态边界进行划分,得到各个交通状态的门阀值,进而利用灰色聚类模型对交通状态进行判别,避免聚类方法容易陷入局部最优解的问题,同时减少灰色聚类参数设定的主观性.通过对福州二环路实测交通流数据的计算分析表明,不同路段的交通状态存在显著差异,城市环路交通状态自适应判别方法能够较好地针对不同路段判别交通状态.     

城市道路间断交通流阻塞量化方法研究

为了反映城市道路间断交通流实际运行状态以及交通系统参与者对交通拥挤的感受程度，提出了间断交通流阻塞度的概念．采用行程速度与排队长度占路段长度比例作为阻塞度的判别指标，并应用模糊算法对阻塞度进行量化，建立了相应的隶属度函数与模糊判断规则体系，形成了间断交通流阻塞度的量化计算方法．最后通过应用张家港市长安路的实例数据分析了交通阻塞度的变化规律．     

基于交通信息提取的区域交通状态判别方法

为了准确判别区域路网的交通状态,提出了基于交通信息提取的区域交通状态判别方法．在分析区域路网交通流宏观特性的基础上,结合区域路网的拓扑结构与交通流特征,提出区域交通状态判别指标体系,并基于可拓学建立了区域交通状态判别模型．以一个主干道区域路网为例,验证了路网交通状态判别方法的有效性．该交通状态判别方法可应用于在线交通状态分析和历史数据库交通运行特征的提取,为交通管理决策提供了基础信息．     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

二维元胞自动机交通流的绿波模型与交通灯效应

在ＢＭＬ模型的基础上,采用了车辆跟驶的规则,同时研究了独立动作的交通灯的交通效应,使得二维元胞自动机交通模型能更好地模拟城市交通的绿波模型和交通灯对城市交通流的影响。     

基于细胞自动机的信号控制交叉口交通流模拟

应用细胞自动机方法对信号控制交叉口的动态交通流进行建模和模拟,可以使比较复杂的交通状态模拟用相对简单的计算来实现。介绍了几种用于交通流模拟的细胞自动机模型及其研究进展,在上基础上,给出了一种新的细胞自动机模型来描述车辆在交叉口的转移状态,讨论了交通拥挤和延误的二维演变,并用这一方法模拟了不同规则下的车道变换问题,通过比较模拟结果和原始输入方案可以优化信号配时。     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

交通流状态辨识系统集成研究

交通流状态辨识是智能运输系统,尤其是其先进的交通管理系统和先进的出行者信息系统研究的一项重要内容。对道路交通流状态进行分析研究,深入挖掘交通流动态信息,及时、准确地辨识未来和实时交通流状况,是制定正确诱导和控制措施的一个重要前提。根据我国制定的"国家智能运输系统体系框架",以动态交通管理为基本思想,构建了交通流状态辨识系统框架。介绍了在交通流状态辨识中所采用的一些新技术,利用实测数据以及交通仿真系统VISSIM的模拟数据分别对所建立的算法进行验证,结果表明本文所建立的算法和模型具有较好的性能,为交通流状态辨识提供了新的研究方法。     

基于微观仿真的快速路短时交通流预测

利用微观交通仿真技术可以对快速路上的交通进行短时预测。将快速路上的线圈采集的实时数据输入本文所述的交通仿真系统进行仿真,可以预测一段时间以后的交通状况。沿着这个思路,描述如何利用仿真技术进行短时交通预测,特别是对如何建立满足实时性和动态性要求的交通生成模型进行了详细的阐述。通过对真实历史数据进行仿真预测,并分析对比,结果说明使用微观仿真模型进行短时交通预测是可行的。     

城市交通网络的渗流力学模型

将城市交通网络中的交通流视为多孔介质网络中的渗流，利用裂隙介质中多相渗流力学理论，考虑人流和车流之间的相互作用以及道路通行能力的不同，建立了城市交通网络通行能力计算的渗流力学模型，该模型的计算可以借助渗流力学的现有知识进行，可以通过计算得到不同时刻城市交通网络的交通流分布以及城市交通网络的宏观通行能力。从而为城市交通规划理论提供了一个全新的方法。     

城市快速路实时交通状态估计和行程时间预测

根据城市快速路交通诱导和监控系统的实际需要,提出了实时估计和预测城市快速路上交通状态和任意两点间动态行程时间的方法.其基本思想是将扩展卡尔曼滤波理论引入宏观动态交通流模型,结合快速路上的固定检测设备,实时估计和预测未来几个时段的交通状态,并利用“虚拟车”法预测动态的行程时间.通过对上海市快速路典型实测数据的实例分析,发现交通状态估计模型具有良好的跟踪能力,行程时间预测模型在畅通状态计算结果和实测结果几乎完全重合,拥挤状态相对误差基本维持在10%以下.结果表明,该模型的适用性和精度都令人满意,可为城市快速路交通控制和诱导提供依据.     

交通流的季节ARIMA模型与预报

使用季节ARIMA模型对交通流进行建模及预报为高速公路交通状况分析、道路设施建设、公路效益评价及控制策略设计等提供了一种可靠的方法和途径。介绍了具有周期的季节ARIMA模型的一般表达方式，并提供了使用这一模型进行建模和预报的一般过程。最后以某高速公路的实测数据为例，进行实证分析，得到了72步的长期预报结果，其相对误差为0．13。     

交通拥堵的平均场延迟反馈控制方法

【目的】在优化速度模型的基础上,引入平均场延迟反馈控制方法抑制交通的拥堵。【方法】将当前车受到的所有其它车的作用用一个平均场力来代替,将延迟耦合作为延迟反馈控制项,在交通流演化过程中,通过开-关(on-off)加载控制以抑制交通的拥堵;通过线性稳定性分析得出稳定性条件;最后用数值模拟验证控制方法的有效性。【结果】稳定性分析得出交通流在控制作用下趋于稳定,数值模拟分析对比发现拥堵交通流在施加控制后,车间距-速度相图中的交通滞后曲线区域缩小,以此判断交通拥堵得以缓解。【结论】交通流平均场延迟反馈控制方法可以有效地抑制交通拥堵,控制增益越大,交通拥堵缓解程度越好,而且该反馈控制在智能交通(ITS)中易于实现。     

面向网络业务流设计的时态路径约束关联规则算法

提出了一种新的基于业务流分析方法,采用关联规则挖掘的算法对全网业务进行关联关系分析,该方法在Aprior算法的基础上,引入时态约束的路径约束,使之更加体现网络业务的特性。使用该方法,可以充分利用已有数据,分析已有业务的行为,且可以预测未来业务的行为。模拟实验结果表明,该算法对业务流分析中不同业务之间的相关性发现是非常有效的。     

基于模糊着色Petri网的车辆行驶状态估计

车辆行驶状态的有效估计是改善综合交通运输效能的有效途径,针对车辆行驶过程数学模型难以准确建立,依据车辆的行驶状态流跟Petri离散并行系统的相似性,提出利用具有良好层次化和时序性特点的Petri网建立车辆行驶状态估计模型。分析影响车辆状态变化的影响因素,将车速、车辆质心侧偏角以及车辆横摆角速度作为描述车辆状态属性指标,并确定输入的论域以及隶属度函数,依据车辆运动状态的可控性和驾驶舒适性建立相应的模糊规则。最后,在CPNtool中构建车辆行驶状态估计模型,采集路车试验数据对模型进行训练与测试,结果表明,Petri网模型不仅能够以可视化方式充分展现车辆状态变化过程,且能够通过着色的库所变迁确定影响车辆状态发生的关键性因素,模型的估计结果逼近真实值。     

Linux下可加载内核模块的网络测量方法研究

在linux操作系统下,提出并研究了基于Linux的可加载内核模块的网络测量方法,给出了该方法的整体框架,并且通过对网络业务流的测试,证明用此方法可以真实有效的测量网络业务流,提高网络流量测量效率.