基于MPI的并行算法在交通仿真中的应用

针对在单个处理器上大规模路网实时仿真效率低下的情况, 研究了用MPI/OOMPI并行计算库搭建交通仿真集群系统, 建立了交通路网仿真数据结构.使用正交递归对分法把大规模交通路网分割成若干子网, 使每个集群节点处理1个子网, 有效地把计算负载转移到各个节点上. 实验结果表明, 该方法较好地满足了大规模路网仿真的需要.      

基于Stackelberg博弈的混合路网协同管控模型

针对快速路网和普通道路网所组成的混合路网由于非集中化协同管控而导致的局部拥堵易演变为大规模拥堵现象，以及高峰时段内路网流量压力分配不均衡问题，基于Stackelberg博弈过程构建了管理者与用户间对策角色可变的混合路网集中化协同优化模型LC-MPC（可变角色模型预测控制）。将用户服从率作为表征路段流量压力分配的均衡指标，设计角色交换函数实现不同交通状态下领导与跟随关系的转换，并通过模型预测控制（MPC）的中央控制器实现了对混合路网CAC（交通分配与信号控制的组合问题）的同步优化求解，最后与不同控制模型对照以验证设计模型的有效性。分析结果显示，结构集中化程度最高的LC-MPC模型较之其他对照模型在降低路网出行成本上有更好的效果；同时，该模型能将用户服从率稳定在一定范围内，有利于路网流量均衡分配及整体运行稳定。     

突发灾难下大型路网中的人员疏散模型

为减少突发灾难下人民生命财产的损失,研究适合中国国情的大型路网环境中人员疏散问题.在分析突发性灾难发生的类型、扩散模式及其对大型路网运输能力影响的基础上,设计了灾难对路段的影响矩阵;采用以公共交通为主,私家车辆为辅的人员疏散方案,建立由虚拟疏散起点模块、虚拟疏散终点模块、流量分配模块和疏散时间预测模块组成的大型路网人员疏散模型;并应用实际路网和模拟路网进行仿真.结果表明:设计的疏散模型能在较短时间内,得到最优疏散路线,并快速分配路段流量;针对大型复杂的路网,也能在1 min内设计出疏散最佳的路径,并得到各疏散节点上的实时流量;该方法可以为决策人员制定疏散计划提供依据,提高受灾人员疏散效率,减少生命财产损失.     

基于交叉口多相位信号控制的路网容量

构建了一种用于描述交叉口多相位信号控制路网容量的双层规划模型.其中,下层模型是一个交叉口多相位信号控制路网用户均衡分配模型,用以求解给定信号配时参数和交通需求量下的路段均衡流量,该模型考虑了各相位下的信号延误.上层模型是一个非线性规划模型,模型以路网容量最大为目标,对信号配时参数和O-D需求量进行优化.双层规划模型采用基于灵敏度分析的BLABD算法求解,算法的主要思想是通过差商的方法估计路段均衡流量对设计变量的导数,从而将上层模型中未知路段流量函数展开为一个线性函数.算例分析结果显示,该算法能有效求解多相位信号控制路网容量问题,具有实用价值.     

改进的交通分配起点用户均衡算法

对起点用户均衡算法的流量转移、起点限制子网(Bush)的更新、成本更新策略及计算流程等关键问题进行了分析改进.探讨了Bush的最长和最短路径对查找方法,提出了流量转移的步长搜索方法及加速算法收敛的Bush更新方法.该方法优化了适合多线程开发的算法流程,并用不同规模的城市交通网络模型对算法进行效率测试和与其他算法进行对比.结果表明,该算法效率有较大的提高,可满足大规模城市交通网络模型计算速度和精度的要求.     

高速路网可变信息标志诱导的最优开关控制设计

针对高速路网中诱导策略的设计,以可变信息标志(Variable Message Signs, VMS)的开关切换为控制手段,把交通诱导归纳为一类最优开关控制命题.通过元胞传输模型建立实际路网模型,利用遗传算法求解,给出了一种VMS诱导策略的最优设计方法.仿真结果表明,设计给出的VMS控制律可以提高路网通行能力,缓解局部拥堵.特别是对路网流量分布不均衡的情况效果较好,路网总耗费时间可降低32.39%.     

基于ARIMA的电力视频流量分析和预测

针对电力视频业务的流量特性,提出一种基于差分自回归移动平均(ARIMA)模型的电力视频业务流量分析和预测方法.首先利用差分法对视频流量数据进行平稳化处理,然后依据数据序列的自相关函数和偏自相关函数确定模型参数,从而建立能够有效预测电力视频业务流量的分析模型.仿真实验表明,该方法充分考虑了电力视频业务流量的自相似性、周期性、突发性及趋势性等特点,有效提高了流量预测拟合的精度.     

基于LS-SVM的侧堰泄流能力预测模型

为了准确高效地得出矩形侧堰流量系数(C_d),首先设计矩形侧堰模型试验,得出6种不同流量工况下的流量系数试验值,利用MATLAB搭建不同核函数的最小二乘支持向量机(LS-SVM)模型,将影响C_d的各无量纲参数作为模型输入,C_d作为模型输出.研究表明：LS-SVM模型可用于矩形侧堰流量系数预测,且高斯核函数优于多项式核函数和线性核函数,在测试阶段最佳模型的性能指标平均绝对误差(MAE)为0.005,均方根误差(RMSE)为0.005,决定系数(R²)为0.966,表明该模型性能较好,精度较高,预测值较准确.本文提出了一种预测侧堰泄流能力的智能模型,讨论了不同无量纲参数对该模型的影响,验证了该模型的适用性,为类似水利工程提供参考依据,同时为解决复杂水力学问题提供新思路.     

城市路网的鲁棒预测控制

针对模型不确定的城市路网系统,设计了使闭环系统渐近稳定的鲁棒预测状态反馈控制器.首先,将"存储与向前"路段线性模型扩展为城市路网拓扑模型.同时考虑实际情况中路况变化、测量误差等因素引起的饱和流量、车辆数的不确定性的影响,提出了具有不确定参数的城市路网系统模型.然后,采用线性矩阵不等式处理方法求解一个具有约束的凸优化问题,给出了状态反馈控制器设计方法.最后通过Matlab仿真验证了所提方法能有效缓解城市交通拥堵和优化信号灯.     

基于模型预测控制的快速路网匝道调节方法

探索了基于模型预测控制(MPC)的匝道调节方法.提出了匝道MPC调节的非线性动态时间离散最优控制模型及其解法.最优控制模型采用动态网络交通流模型作为过程模型,采用遗传算法求解.考察了匝道MPC调节的效果和鲁棒性,并将其效果与经典的ALINEA匝道调节方法相比.针对三起点三终点快速路网的仿真案例显示,匝道MPC调节能明显缓解拥堵,改善路网总体运行效率,较之ALINEA调节能够更连续平稳地调节交通流,在存在预测误差的情况下控制效果依然很好,其路网总耗时改善率明显高于ALINEA调节,具有很好的鲁棒性和应用前景.     

城市道路WOBAN中基于车流量的ONU位置评价机制

提出了利用混合无线 光纤宽带接入网(hybrid Wireless Optical Broadband Access Network,简记为WOBAN)把宽带业务延伸至车辆的新思路,给出了一个城市道路的工作模型.考虑到车流量是影响光网络单元,即ONU有效安置的关键因素,特别设计了一个基于流量的城市道路特征抽取机制,区分出四类不同的考察点.在此基础上,提出并比较了两种ONU位置评价策略.     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

基于深度优先搜索算法的交通流向供需失衡路径辨识

针对城市路网中的交通流向供需失衡问题,首先分析了交叉口、路段的流向失衡特征和解决对策,进而提出了网络层交通流向供需失衡的表征模型及变向交通组合管控策略;其次,基于图论的思想定义了基础路网,并结合深度优化搜索算法(deep first search,DFS)构建了网络层交通流向失衡路径辨识模型;最后,通过一个包含16节点的4×4路网对模型进行了验证.结果显示,该模型能够对路网中的交通流向供需失衡路径进行快速准确辨识,为变向交通智能管控的实施提供决策支持.     

基于MFD的模拟超饱和路网交通控制策略优化

为了缓解城市路网频繁出现的超饱和交通堵塞,本文以堵塞区域路网各条路段上行驶的车辆数作为状态变量,建立路网交通的状态方程,分析路段上车辆数变化规律;同时,基于交通流宏观基本图,以路网中路段累积车辆数最优作为控制目标,建立关于堵塞区域路网系统的离散状态优化控制模型,并将该模型在某城市新区进行模拟算例应用。结果表明,这种基于交通流宏观基本图的优化控制策略能有效缓解城市路网中超饱和交通堵塞,使路网整体输出效率得到明显提升。     

考虑非机动车流影响的微循环路网组织优化

为提高道路网通行能力,缓解干道拥堵,提高支路利用率,研究了非机动车流对机动车流的影响,并构建了影响模型,对机动车流的路阻函数进行改进。使用改进后的路阻函数构建微循环路网单向交通组织双层规划模型。上层模型以路网交通效率最大,干道平均饱和度最小和微循环支路平均饱和度最小为目标; 下层模型是基于用户平衡分配的交通流分配模型。采用遗传算法对模型进行求解。最后以北京市西三旗地区某微循环系统为例进行算例分析。研究结果表明:实施单向交通能够有效降低干道饱和度,提升支路利用率,平衡道路资源使用。在不考虑非机动车流影响时,进行单向交通组织的路段为9条,考虑单向交通影响时,进行单向交通组织的路段为4条,仅有两条路段重合,两种情况路网组织方案差异明显,所以应在实际路网优化时考虑非机动车流的影响。可见,考虑非机动车影响的微循环路网组织优化模型能够为实际单向交通组织提供理论支持。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于时空图注意力神经网络的交通道路拥塞和异常预测

为全面捕获交通路网的时空特性,分析路况的复杂多变性,实现道路拥堵和突发情况的高效准确预测,研究提出一种时空图注意力神经网络模型,通过将道路网络建模成一系列随时间变化的图,利用图注意力机制(Graph Attention Network,GAT)关注路网图关键节点的空间特性并捕获动态的全图空间特征,再利用门控循环单元(Gated Recurrent Neural Network,GRU)充分捕获相邻路网图的时间相关性并降低模型冗余,提升了对道路拥堵和异常情况的预测准确率。采用PEMSD数据集进行实验,结果表明,所提方法与对比模型相比准确率与召回率均优于现有方法,有效提升了交通异常预测精度。     

城市复杂道路网络T-GIS数据模型

针对现代城市复杂交通网络现状,提出以交通地理信息系统(transportation-geographic information system,T-GIS)数据模型来描述、城市复杂道路网络的复杂特性.首先以复杂网络理论验证城市道路网络的复杂特性,其次从道路网络综合描述属性表达和网络数据逻辑关系3个方面构建城市复杂道路网络T-GIS数据模型.实践证明,本T-GIS模型具有很好的应用效果,很好表达道路网络空间信息及复杂逻辑关系,为道路拥堵和路径诱导及城市道路网络演化研究提供所需数据,且具有较好的推广价值.     

基于灰色神经网络的道路权重确定方法

提出了一种基于灰色神经网络的道路权重确定方法.首先利用灰色预测模型少数据建模和人工神经网络模型非线性逼近的优点,将两种模型有机结合,实现对交通流的模拟预测;其次利用交通流量-行驶速度以及行驶速度-行驶时间的关系确定交通流量与行驶时间的关系模型;最后结合前两部分建立的模型构建基于灰色神经网络的路阻函数模型,从而确定路段的权重.实验结果表明,该方法具有较高的精度,且模型利用少量的数据就可以确定路段的路阻函数,为路段权值的确定提供了一种有效可行的方法,可用于智能交通的路径规划等应用中.     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.