一种有效的交通流预测法在城市电梯中的应用

一种好的电梯群控系统交通流预测方法,能够为电梯群控调度算法的进一步研究提供依据,实现电梯的优化调度.该文针对电梯系统的交通流问题,提出了将小波与基于径向基(RBF)函数的神经网络相结合的小波神经网络(WNN)预测方法,对现有电梯系统交通流进行预测,并通过仿真研究,验证该方法的可行性和有效性,为电梯群控系统的调度奠定了基础.     

考虑多倍驾驶员预测效应的交通流格子模型与数值模拟

考虑多倍驾驶员预测效应,提出一个新的交通流格子模型.通过线性稳定性理论,获得了线性稳定性条件,结果表明考虑多倍驾驶员预测效应,改善了交通流的稳定性.同时得到了优化驾驶员预测效应状态.通过非线性分析推导出mKdV方程来描述扭结-反扭结波解.数值模拟证实,考虑多倍驾驶员预测效应能够有效抑制交通阻塞.     

基于RBF神经网络的城市快速路短时交通流预测研究

为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM（1,1）和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。     

基于Elman神经网络的交通流量预测方法

交通流诱导系统是智能交通系统领域中一项重要的研究内容,而交通流量的预测问题则是交通流诱导系统的核心问题.因此,能够实时准确地预测交通流量成为诱导系统是否能够有效实现的关健问题.根据交通流的特性,分析交通数据采集过程中错误数据产生的原因,提出相应的处理方法,并在此基础上采用Elman神经网络对智能交通系统的流量预测进行建模.该系统采用C#并结合Matlab进行开发,通过Elman神经网络算法实现流量的预测,并采用图表的方式直观地显示预测结果.应用结果表明:该方法可以有效地对交通流量进行预测,且预测精度可以满足实际交通诱导的需要.     

基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.     

基于长短时记忆网络的Encoder-Decoder多步交通流预测模型

交通流序列多为单步预测.为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型.将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证.实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系.除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210～5.422、0.061～0.191.相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136.实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务.     

基于GRNN模型的城市道路短期交通流预测研究

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络（GRNN）模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。     

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.     

基于小波分析的短时交通流非参数回归预测

短时交通流预测是交通诱导与控制的关键技术之一.传统的预测方法难以预测短时状况下具有较强不确定性的交通流.根据交通流信号在不同的时频域空间的不同特性,提出一种组合小波分析和非参数回归的短时交通流预测方法,并对其原理进行了详细分析和描述.首先对交通流时序信号进行多分辨率小波分解,然后对低频和高频分量分别进行单支重构.在此基础上,引入非参数回归对各频率部分分别进行预测,组合各频率空间的预测分量获取预测结果.实验结果验证了该方法的有效性和可行性.     

基于时空特性的短时交通流预测模型

根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果.     

基于规则的城市交通信号自组织控制

针对复杂的城市交通信号控制系统,基于车流与流体的相似性,将交通路网抽象成双向管网模型,并采用流体动力学理论对网络内车流进行描述.基于相邻路口之间车流信息的共享,通过对N-S方程的数学重构,建立了各路口车流基于相位的自组织控制规则.仿真实验结果表明:自组织控制规则不仅实现了交通网络中的车流量平衡,而且系统的控制性能得到了明显的提高.     

城市道路交通管控时间与区域长度控制方法

道路交通是时空问题,交通流在时间与空间上应具有相关性,为指导城市道路交通管理,使城市道路交通流管控时间与管控区域长度精确化。从交通流参数、道路长度、交通运行时间之间的关系、时间占有率与空间占有率的定义出发,定义累计时间占有率与累计空间占有率,得出交通流在时间与空间上的等效性。在此基础上,建立了道路交通流时空关系模型,并将该模型用于计算管控时长与管控区域长度,通过实例验证,得出其可精确计算管控时长与管控区域长度,避免了管控资源的浪费。     

基于视频交通图像的潮汐车道自适应控制系统设计

针对城市道路双向交通需求不均衡的潮汐交通问题,设计了一种新的基于视频交通图像的潮汐车道自适应控制系统。通过局域网实现两台工控机间的独立运行,给出系统结构。介绍了控制逻辑,通过视频交通图像获取车辆平均速度、交通流量等数据。以计算交通饱和度,选择道路双向饱和度的加权切换动态控制方式对潮汐车道进行自适应控制。按照车道交通状态中两个方向的饱和度,把潮汐车道交通状态划分成五种情况,通过枚举法对模型进行求解。依据潮汐车道交通特征,把全部车道配置看作解空间,把双向车道交通饱和度与流率看作输入量,实现模型求解。实验结果表明,所设计系统综合延误低,车辆排队长度少,在中高密度交通流下也可有效实现控制。     

基于现实与虚拟交互的交通流再现实验方法

面向连续与间断交通流实验系统框架,利用现实交通流的观测数据,在实验框架的虚拟环境中建立交通流的非参数模型,通过虚拟框架的贝叶斯学习再现与现实等价的实验交通流.选取更为复杂的信号控制交通流场景对该实验方法进行验证.结果表明,该方法在一定精度内可以近似再现信号控制交通流.     

一种信号交叉口模糊交通控制方法

通过分析城市信号交叉的交通流特征认为：在一定程度上,模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性。本文结合模糊控制技术及一般信号交叉口交通控制方法,提出了一种基于知识的模糊交通控制方法,给出了该控制方法的结构,模糊控制规则以及仿真计算对比结果,结果表明：计算过程简单,控制效果优于定时控制方法,并且在交通量较大时,还优于感应控制方法。     

城市道路交通拥堵自动判断算法研究

 与高速公路交通流特点相比较,从城市路网中交通流多数为间断流的特点出发,结合目前城市道路中所使用的交通流采集设备及信号控制设备,利用交通工程中交通流到达－离散模型对城市道路中不同类型的城市交通流进行分析,选择出符合交通流变化的数学模型对进入路段和驶出路段的交通流分别利用模型匹配,从而进行交通拥堵进行自动检测。这类算法的应用既为城市道路拥堵的自动判断提供了手段,又使得城市中所使用的智能交通设施发挥更广泛的作用。     

高速公路养护作业交通冲突模型

借助流体流量连续理论，分析了高速交通流与养护施工作业设备的关联特性，以及养护施工机械设备机群低速流与高速公路高速交通流的冲突特征．基于减少高速流和低速流在二维空间上的交汇时间，实现高速公路路面养护与交通流关联最佳控制的要求，应用管道流变特性参数解释高速公路养护作业产生的交通冲突特征，建立了控制施工作业设备与高速交通流的数学模型．通过该模型可以指导高速公路维修施工组织和管理，预测交通冲突．     

入口匝道衔接区域交通流运行机理解析

由于对交通流运行和演变机理解析不足,从而导致入口匝道管理和控制策略缺乏针对性和实际可操作性,采用波动理论方法建立数学模型,分析不同匝道和主线上游流量条件下,合流区、匝道合流区上游、合流区下游及匝道等处的交通流运行状态和交通流的演变规律,解析入口匝道无控制时拥堵的形成和传播机理,从而为相关管理和控制策略的提出和优化提供理论支持.实例分析表明,衔接区域交通流运行规律与实际交通流运行符合较好.     

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.     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络