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.     

基于可变车道优化的交通网络设计问题

针对"潮汐交通"问题所引起的道路资源利用不合理的现象,文章提出了考虑可变车道优化的交通网络设计问题,旨在通过合理的路段拓展和车道配置方案来提高交通网络的运行效率;构建了一个双层规划模型来描述提出的交通网络设计问题,上层问题以系统总阻抗与总投资额之和最小为目标,制定最优的道路拓展方案,并针对道路网络早晚高峰不同的OD需求水平,分时段对车道进行优化配置,下层模型采用了用户平衡(UE)配流模型来描述出行者在不同时段的路径选择行为;设计了人工蜂群算法来求解此双层规划模型。最后,采用数值算例验证了文中模型与算法的有效性。     

基于车道的城市道路仿真数据模型

从满足城市道路仿真需求的角度分析了数据建模的特点,提出了一种能够较真实反映路面的平面剖分方法,结合车道数据模型,能够准确地描述车道的属性信息。该模型突破了传统平面道路描述的局限,能够描述道路系统的非平面部分。将实际道路网络分为多个道路等级,实现不同层次道路网络信息的互操作,为整个道路仿真系统数据库的建立提供了理论基础。同时也可实现基于低层次道路网络生成高层次网络拓扑的算法,为真实反映道路交通状况提供了可能。     

基于车道的道路数据模型

随着基于位置服务应用的不断推广,传统的道路数据模型越来越难以满足各种网络分析和车辆导航的需求。提出了基于车道的道路数据模型,以车道作为建模的基本元素,准确描述车道的属性信息,通过对同向车道的聚合来提高网络分析的效率,降低数据冗余。该模型既考虑了网络分析的速度效率,又顾及了每个车道的属性信息,扩展了已有的道路数据模型。     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.     

基于生物种群模型的智能交通网络控制

针对传统交通网络控制方法,通过对其约束条件和交通网络需求分析,以动态设置交通网络控制参数和提高交通网络性能为目的,提出一种基于生物种群模型的智能交通控制算法.在Matlab环境下进行仿真,结果表明,与传统交通网络控制方法相比,基于生物种群模型的智能交通控制算法可以显著提高交通网络利用率,减少车辆在网络中的延误时间.     

基于时空检测的城市交通网络瓶颈识别方法研究

为了解决拥堵状态下交通网络瓶颈识别问题,文章基于时空检测数据对道路节点和路段拥堵状态进行了分析,并以此为基础建立了城市交通网络瓶颈识别与分类模型。拥堵发生期间,以任意2辆浮动车连续通过拥堵路径各个交叉口时间间隔作为统计时间,以拥堵路径各个交叉口对应流向流出率作为统计对象,连续统计多辆浮动车通过时的交通量序列,建立了拥堵路径交叉口关联度模型并以此划分交通网络瓶颈。以划分的交通拥堵瓶颈区域作为密闭区域,通过分析拥堵路径平峰期间与拥堵期间的流入流出率,使用切比雪夫不等式在置信度95%范围内建立了拥堵瓶颈的3类模型:输入型瓶颈、输出型瓶颈和通过型瓶颈。以实际区域道路网络为研究对象,使用上述模型对拥堵区域进行了分析,结果表明该模型可有效识别并分类交通网络瓶颈。     

信号灯随机更新的城市交通网络模型

【目的】改进二维元胞自动机模型(BML模型),使其更好模拟实际城市交通网络。【方法】利用元胞自动机方法,建立信号灯随机更新的城市交通网络模型。【结果】数值模拟发现,信号灯的同步对城市交通网络的影响较大,且随机更新的引入使得网络系统的临界密度大幅度降低。【结论】同时调整信号灯的分布和信号变换周期能有效控制交通网络,解决由于信号灯随机更新所造成的系统临界密度变小的问题。     

动态多用户类型和多模式拥挤收费模型

为了确定一般排队网络在高峰时段随时间变化的最优拥挤收费,将描述时变交通流的时空拓展网络(STEN)与传统的网络平衡模型技术相结合,建立了多类型、多模式动态拥挤收费模型.考虑不同类型的出行者有不同的时间价值(VOT),同时,对单车种出行方式进行延拓,建立了包含公交车与私家车在内的多模式交通网络拥挤收费模型,该模型是一个带有路段容量限制下的多类型、多模式网络平衡问题,可以采用内惩罚函数法求解.通过算例分析表明,该模型可以提供动态拥挤收费策略,分析拥挤收费下不同时间价值的用户对于出行方式、出发时间以及出行路径的不同选择,相比于传统的基于瓶颈的静态单模式拥挤收费模型有一定的进步.     

综合考虑早晚高峰交通流特性的可变车道布置方案

城市中早、晚高峰时期的"潮汐交通"现象严重影响了交通系统的效率.为了缓解早、晚高峰时期交通不平衡现象造成的交通拥堵和道路资源浪费现象,从网络的角度出发,提出了缓解路段交通流不平衡的可变车道调整方法,并构建了双层规划模型.其中上层模型寻求最优的可变车道布置方案,以最小化网络的总出行时间,下层模型根据用户平衡模型进行交通流分配.为求解所提出的模型,设计了嵌套Frank-Wolfe算法的遗传算法,并基于经典的Sioux Falls网络进行了数值试验.结果表明:采取可变车道布置方案后,网络出行者的总出行时间大大降低;在允许的投资费用下,尽可能多地设置可变车道可为网络高效运行发挥积极作用.可见提出的模型可为交通管理者改善交通网络运行效率提供理论支持.     

基于CEEMD-GRU组合模型的快速路短时交通流预测

为了提高短时交通流预测精度,提出了基于互补集成经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)和门控循环单元(Gated Recurrent Unit, GRU)组合模型的快速路短时交通流预测方法。首先,运用互补集成经验模态分解算法,将非稳定的原始交通流时间序列数据分解为相对平稳的多个模态分量;然后,将分解后的模态分量分别建立GRU模型进行单步预测;最后,叠加每个分量的预测值,获取最终预测结果,并采用上海市南北高架快速路实测交通流数据进行实例验证。结果表明:CEEMD-GRU组合模型的预测效果明显优于GRU神经网络模型、EMD-GRU组合模型以及EEMD-GRU组合模型,平均预测精度分别提升了33.4%,25.6%和18.3%。CEEMD-GRU组合模型能够有效提取交通流数据特征分量,提高预测精度,为交通管控提供科学决策依据。     

基于人工免疫和FARIMA模型的流量预测方法研究

针对Internet迅速发展而造成的网络拥塞现象,基于人工免疫算法与FARIMA模型提出了一种新的流量预测方法PAIF(Prediction method based on Artificial Immune and FA-RIMA).该方法首先利用人工免疫算法建立了预测策略,并结合FARIMA模型预测结果进行融合,以此提高预测精度.其次,以实际数据进行仿真实验,深入研究了影响PAIF预测误差的因素,同时对比分析了单独使用FARIMA模型的情况.实验结果表明,PPAIF具有较好的适应性.     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

基于RFID和ZigBee网络的通用分级考勤管理系统

【目的】针对考勤管理移动性差、数据难以共享、过于依赖网络和后台计算机等缺陷,设计一种基于射频识别技术(RFID)和ZigBee网络的通用分级管理考勤系统。【方法】基于MFRC500与STC89C52设计被动非接触式RFID考勤读卡子系统;采用CC2530设计ZigBee无线传感网络;基于Linux/QT完成ARM主控平台开发。【结果】系统实现多RFID读卡子系统的自组网、子节点与主控平台的分级管理。【结论】测试表明,该系统部署灵活,能适应复杂的楼宇环境,且性价比较高,具有一定推广价值。     

基于信令分析的移动数据网络业务投诉系统的实现

【目的】针对中国移动运营商面临的客户投诉难定位、投诉现象难复现、投诉发生时信令难回溯等难点问题,研发一个基于信令分析的移动数据网络业务投诉系统。【方法】系统通过设计包括网络质量监控、投诉处理等功能的关键性能指标(Key Performance Indicators,KPI)系统及投诉分析和处理机制,从业务数据中挖掘网络隐患,深入分析数据业务网络性能,快速准确定位影响用户感知和网络性能的异常原因,帮助工作人员有针对性地对不同区域进行网络优化工作。【结果】性能测试结果表明,系统可以快速地感知客户上网的情况,通过优化网络的性能来提升客户的满意度。【结论】从系统运行的结果来看,本研究设计和实现的系统基本达到了预定的效果。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

相互拖拽对爆炸式同步的影响

【目的】在Kuramoto模型基础上,研究拖拽因子对复杂网络中爆炸式同步的影响。【方法】在无标度网络的Kuramoto模型基础上,引入拖拽因子sinβ,并对具有拖拽因子的Kuramoto模型进行数值模拟,同时在星形网络上对其进行理论分析。【结果】当拖拽因子的β值在(0,π/2)时可以使同步提前,当拖拽因子的β值在(-π/2,0)时,则会使同步退后。【结论】相互拖拽作用对无标度网络及星形网络的爆炸式同步有较大影响,通过调节拖拽因子的β值,可以有效控制同步的提前与退后。     

交通瓶颈处局域密度时间序列的长程相关性

【目的】为研究交通相的相关特性,对交通瓶颈处的交通数据作长程相关性分析。【方法】利用元胞自动机建立含有局部缩减道路的三相交通流KKW模型,对交通瓶颈处3个交通相的流量、速度及密度的时间序列进行研究:分别应用R/S分析方法和去趋势涨落分析(DFA)方法对交通瓶颈附近局域密度的时间序列作长程相关性分析,并与交通流元胞自动机NaSch模型的长程相关性分析结果进行比较。【结果】交通同步流的局域密度具有长程相关性,在自由流和宽运动堵塞时对应的局域密度时间序列具有长程反相关。而NaSch模型模拟的局域密度序列无论是自由流还是交通拥堵都呈现长程反相关。【结论】交通瓶颈处呈现交通同步流,且交通同步流具有长程相关性。     

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。