基于BP神经网络模型的苏北城市园林设计评价

以苏北城市道路园林植物造景为例,构建苏北城市道路园林植物造景的BP神经网络模型,输入层选用景观艺术性、地域特色、持续特性、绿化成本、形态造型、树种选择,输出层选用印象成绩,利用Matlab2011a进行评价.研究结果表明,BP神经网络在非线性复杂系统中具有高效的仿真能力和逆向输出特性,在苏北城市道路园林植物造景中评价误差低于5%,精度高,因此可以运用于城市园林规划设计评价.     

基于累积Logistic回归道路交通拥堵强度评价模型

现有的道路交通拥堵强度评价模型缺乏有效的定量方法来划分拥堵的各个等级,选取的拥堵评价自变量之间存在相关性等问题.为了改进上述不足,该文在分析拥堵强度序次特征后,将累积Logistic回归引入到道路交通拥堵强度评价模型.采用似然比检验方法验证了累积Logistic回归的适用性,并采用Wald检验筛选自变量后,确定了以行程速度为自变量的道路交通拥堵强度评价模型.该模型的拟合优度判定系数(类R2)大于0.70,对实测数据的预测准确率达到73.39%.     

基于BP 神经网络的城市道路交通安全评价研究

针对我国城市道路交通安全的现状节,并结合我国道路交通的特点, 提出了采用道路交通安全政策、道路交通安全状况、道路交通安全管理与道路交通事故防控水平等4个方面共13项指标组成的面向城市交通安全可持续发展的评价指标集,建立了基于BP 神经网络的评价模型,并结合实例,分析了其计算方法.该方法对于城市交通安全评价是有效的.     

考虑空间不平稳的交通拥堵传播特性研究

基于城市道路交通拥堵的空间影响特征和传播规律对交通管理和诱导措施的重要作用,在分析城市道路交通流数据空间不平稳性的基础上,对空间Durbin模型进行改进,并据此提出一种道路交通拥堵传播特性分析方法.通过北京市的案例研究发现,改进模型对交通流的描述效果得到了显著提高;局部交通拥堵具有显著空间传播特性,且随空间范围扩大逐渐衰减;特别是当路网处于临界密度状态时（14：00左右）,局部拥堵的传播影响达到最大.因此,拥堵缓解措施应对路网临界密度状态及关键节点进行重点监控和疏导,以控制拥堵传播所造成的空间影响.     

基于广义径向基神经网络的城市道路运行状况评价

为缓解城市交通拥堵,提出了一种城市道路运行状况的评价方法并给出了具体的实现技术。以交通拥堵分析为途径来衡量城市道路运行状况,建立了道路拥堵度的评价指标体系,然后通过广义径向基函数(generalized radial basis function,GRBF)神经网络的优化算法建立城市道路交通拥堵度的计算模型。针对西安市典型局部路网,基于MATLAB 2010平台,计算该路网中各个样本路段的拥堵度,获得具体拥堵点的位置和发生时刻,并使用加权平均法对整个路网的交通运行状况进行评价,最后得到该路网的最优出行路径。研究结果表明:同时间段路网中南二环路东段最为拥堵,交通拥堵指数高达0.974 4;而对于样本路段翠华路,则晚高峰16:00~18:00最为拥堵,交通拥堵度最高达0.911 8,这些均与实际情况完全吻合。该方法能够准确得到量化的城市道路交通拥堵数值,从而完成对一定区域内的交通拥堵评价。     

双车道公路机动车交通行为安全评估模型

为了客观评价双车道公路机动车交通行为安全性,应用神经网络与模糊评判方法,结合空间向量理论,构建了安全评估模型.首先根据国内外机动车交通行为安全性的相关研究成果,选用超速指数、平均车头时距与安全超车视距分别作为自由流超速行为、跟驰行为与超车行为三类机动车交通行为安全性状态判别指标,并提出各指标安全性界定标准.然后利用3层神经网络模型建立了双车道公路运行环境下七个主要指标与机动车交通行为的关系模型,通过部分实测路段数据验证了模型的可靠性;以模糊评判方法为基础,建立了机动车交通行为安全性判别指标的隶属函数,基于评价结果对三类机动车交通行为安全性等级进行了划分;并结合空间向量理论提出综合评价向量以表征机动车交通行为综合安全性.理论分析和实例表明该评估模型可为双车道公路机动车交通行为安全性评估提供一种较为可行的方法.     

城市道路交叉口交通设施有效性评价

针对城市道路交通设施设置情况,提出一种以关键绩效指标(KPI)体系为基础的交通设施有效性评价模型.首先通过鱼骨图法确立评价指标体系;其次根据层次分析法(AHP)确定指标权重,结合反木桶原理筛选关键绩效指标,利用模糊理论得到城市道路交叉口交通设施有效性的综合评价值;最后以福州大学周边交叉口为例,对其交通设施设置情况进行评价分析,并提出相应的优化建议.     

基于模糊层次分析的工业企业经济效益评价

多层次、多目标决策问题在决策过程中容易出现信息缺损等影响决策的因素,而决策者的主观经验和判断可为其提供重要的信息;为评价此类问题提出一种基于三角模糊数和层次分析的模糊层次分析法,该方法将普通评判矩阵改为模糊评判矩阵,将一般数改为三角模糊数后勿需检验矩阵的一致性,可直接计算得出各指标权重和最终评价结果的模型;为确保结果的有效性,将模型的评判结果作为BP神经网络的输入,检验模糊层次分析法构建的模型在应用的过程中是否存在误差,若误差不在规定范围内则重新构造模糊评判矩阵;此外,从主客观两个方面对模型进行了分析,保证了方法的科学性和合理性,为多层次、多目标决策问题提供了有用的模型。     

基于神经网络的大型国际工程财务风险控制评价

建立了一个由7个一级指标和32个二级指标构成的系统评价体系.采用模糊层次分析法(FAHP)并结合专家问卷数据得到初始指标权重,进而生成30组前馈神经网络(BPNN)训练样本和5组校验样本.基于训练样本和前馈神经网络构建出大型国际工程项目财务风险控制体系的非线性映射关系模型,并通过样本校验.最后,以某大型央企在沙特的总承包项目为例,进行了评价体系的实际应用和案例分析.     

基于模糊神经网络的企业绩效评价方法研究

针对传统企业绩效评价方法的一些不足,把模糊神经网络方法引入企业绩效评价领域。同时借鉴财政部等六部委颁布的国有资本金效绩评价指标体系,构建本文的评价指标。本文采用基于模糊神经网络的分层次评价方法,用BP神经网络训练财务指标,用模糊神经网络训练非财务指标,最后再构建一个模糊神经网络评价模型,得出企业绩效的评价值。实证结果表明此方法有效可行,且具有较高的准确率。     

基于深度学习的交通拥堵检测

针对交通拥堵检测,提出一种利用深度学习中卷积神经网络(convolutional neural network, CNN)对交通拥堵图像进行检测的方法。首先,使用基于TensorFlow框架设计了含有三层卷积层的神经网络分类模型。其次,利用道路拥堵与非拥堵图片对分类模型进行训练,并进行评估。最后,利用训练完成的模型进行道路拥堵检测,与多种深度学习分类模型分类方法进行对比实验,表明该卷积神经网络模型能够更有效地进行拥堵检测,检测准确率达到了98.1%。     

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。     

基于深度学习的城市区域短时交通拥堵预测算法

城市的交通拥堵已经成为了各个城市中的普遍现象，严重影响了城市日常交通以及人们的出行。针对城市区域交通流的研究与分析，本文为了准确的对城市交通状态进行预测，通过网格划分的方法，把城市区域划分为多个区域，根据城市交通数据流的时空特征，提出了一种基于深度学习的城市交通拥堵预测模型（CS-Transformer）。该模型通过使用卷积神经网络(CNN)提取基于网格划分的城市区域交通数据的空间特征，然后采用全连接神经网络增强模型的表达能力，再通过相似性位置编码机制(SPEM)把位置信息加入交通数据中，最后运用Transformer网络捕捉交通数据的时间依赖特征。用成都市出租车GPS数据对模型进行验证，结果表明该模型预测结果优于卷积神经网络（CNN）、Transformer和CNN-Transformer等模型，以均方误差（MSE）为评价指标，将测试集中交通路网的平均预测精度分别提高了 19.6%、26.3%和10%。     

电网大停电交通拥堵度评估模型及方法研究

针对大停电事故对路网交通拥堵产生严重影响和恶劣后果的背景,根据交通流特性,从路段和交叉口两个方面建立基本路段交通拥堵度评估指标体系;同时提出大停电后各个评价指标的计算模型和量化方法。在此基础上,采用突变级数评价法对基本路段拥堵度进行评估;并以车辆行驶里程(VKT)作为权重对路网体系中各基本路段进行加权,进而得到大停电后路网的交通拥堵度水平。最后以典型大停电区域为例,对不同停电时间下路网交通拥堵度水平进行量化评估;且评估结果与有关交通部门的统计情况相吻合,验证了该评估模型和方法的正确性、实用性。     

基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,就需要准确识别和判断交通状态。该文没有采用传统的以车辆速度为基准的预测方法,而是使用TTI交通拥堵系数,该系数的计算基于道路自身的自由流速度,可以让具有不同速度等级的街道都统一到TTI系数上来作为拥堵评价,因此相较以传统的车辆速度为基准的预测方法更能表现出道路的拥堵状态。该文提出了一种改进的深度学习预测模型（CS-BiLSTM）,该模型基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）,并结合Softmax函数增强CNN提取出的交通空间特征信息。深度学习预测模型（CS-BiLSTM）中的S代表的就是Softmax的缩写。使用成都市出租车GPS数据进行验证,结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比C-BiLSTM网络预测框架提升了13%。     

交叉口及路段拥挤界定研究

当前,我国城市交通供需矛盾日益突出,城市道路及交叉节点的拥堵界定及拥堵评价具有重要意义。通过对交叉口及路段拥堵概念的提出,分析了国内外相关研究的成果,提出适合我国城市交通运行特征的交叉口及路段拥堵界定方法。对交叉口及路段服务水平的评价方法进行了归纳总结,通过实例研究了典型交叉口的延误仿真评价,并对交叉口与路段拥堵的相互作用机理进行了初步分析。研究成果对我国城市交通运行的评价和改善具有理论意义和实践意义。     

强化学习在城市交通信号灯控制方法中的应用

 悉尼自适应交通控制系统（SCATS）、绿信比-周期-相位差优化技术（SCOOT）及Smooth采用自适应交通信号灯控制方法，对城市道路口的交通信号灯进行了有效控制。随着深圳城市交通流量急剧增长，深圳交警在自主研发Smooth信号控制式基础上，提出实时、分布式、自适应调控要求，联合创新了人工信号控制方案TrafficGo，探索基于深度神经网络的强化学习，通过在线学习各种流量负荷，实时推理计算信控时段、相位、相序、信号周期、绿信比、相位差，进一步优化了交通信号灯的控制模式。介绍了在交通信号灯控制中运用的强化学习模型，实地测评表明，其取得了一定改进效果。     

基于神经网络的交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制．仿真结果表明，文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力，是实现交通系统智能控制的一条新途径．     

基于WGN算法的城市路网拥堵路段诊断分析

为了分析城市道路交通拥堵问题,利用WGN(weighted Girvan-Newman)算法从中观路网结构角度出发,以道路网络的结构性质为依据,通过模块度分析对城市道路网络进行组团划分,找出路网结构中的关键性路段,再以小区间OD(origin-destination)量作为权重,根据路段加权后的介数值判断路网中的拥堵路段,为后续的交通规划和研究分析做铺垫。结果表明:诊断出的拥堵路段与实际交通运行情况吻合,说明路网结构不合理是造成道路供给不均衡的重要原因。可见,研究结果可以对规划路网的潜在问题做出预判,并及时采取措施缓解拥堵。     

拥挤收费下出行者出行时段选择影响分析

城市机动车保有量持续增加,使得道路拥挤问题日益严峻。通过拥挤收费增加当前道路资源的利用率是解决此问题的有效手段。本文基于时空消耗理论,以社会福利最大化为目标函数建立多时段路网最优定价模型并给出算法,对高峰期时段实行3种不同额度的拥挤收费,得出对出行者出行时段的影响结果。通过算例分析,得出在时空资源固定的情况下拥挤收费对调节高峰时段与平峰时段的交通量分布、减少总出行交通量有显著作用,进而可以缓解城市道路的交通拥堵问题。