基于地理结构和行为策略的交通流量演化模型

以当前研究为基础,进行了区域交通流量的演化模型研究。模型考虑了交通网络受地理结构和行为选择策略的双重因素约束,通过在二维网格上定位引导网络,并在引导网络约束下对交通网络上的流量进行模拟。通过具体的仿真实验,能从整体上看出交通流量拓扑图的形成,从细节上掌握演化网络交通流量分布的差异性。     

城市路网交通流的空间互相关性

该文研究了路段流量序列间互相关系数与其空间距离的关系.通过对城市路网各路段交通流量序列进行互相关分析,研究了网络交通负荷、交通流日变化趋势及流量采样周期对该关系的影响.结果表明:间距相同的若干路段对的互相关系数各不相同;在统计意义下,路段间平均互相关系数随路段空间距离增大而减小;随着交通网络负荷的增加网络交通流渐趋拥堵...     

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.     

基于复杂网络的城市综合交通网络特征分析与优化研究

基于复杂网络理论与方法,结合高速公路、国省道路、铁路、水运等5个交通网络,构建南昌九江综合交通网络; 定量计算与分析除航空网络外共计5个交通网络的拓扑特征.在对各方式的交通复杂网络提出优化措施的基础上,探讨了南昌九江综合交通网络的优化设计,并给出了相应的改进建议.     

交通网络需求脆弱性分析及应用

异常事件的发生往往引起交通网络供给能力的降低,若忽略交通需求的变化,会对网络所受到影响的估计产生一定偏差.提出需求脆弱性概念,同时考虑异常事件下供给与需求的变化,以基于随机效用理论的需求组合模型和可达性指标作为脆弱性指标的基础,定量评估网络承受异常事件的能力.通过示例路网介绍了需求脆弱性指标的计算,并比较了几种方案对于降低需求脆弱性的效果,说明了需求脆弱性分析在交通规划与管理中的应用.     

改进的LS-SVM数学模型的交通流量预测分析

针对交通流量数据具有非线性和非平稳性的特点,运用EMD和FOA算法实现LS-SVM核参数和惩罚系数的自适应优化选择,提出了一种基于EFLS-SVM算法的交通流量预测模型。通过EMD提取交通流量数据的细节特征和趋势特征,构建出基于EFLS-SVM的交通流量预测模型,分别进行单步、3步、5步和7步预测。通过不同交通流量预测模型的实验对比发现,EFLS-SVM算法的预测精度和预测效率均优于其他模型,从而为交通网络资源的合理配置提供科学决策的依据。     

停车库交通影响评价中交通分配方法的研究

为了对拟建停车库进行交通影响评价,在总结国内外常用的交通流量分配数学模型的基础上,深入分析拟建停车库项目所产生的交通流特性,修正了传统的系统最优模型,提出在特定路网条件下道路交通流量分配的二阶段交通流量分配模型,并结合实例验证了该模型的可行性.     

基于层次性的交通网络资源优化配置方法

利用交通网络层次性这一基本特征,研究随机交通配流算法与交通网络资源优化配置方法。在分析算法的设计基础上,定义层次因子,并提出利用复杂网络拓扑特征或交通关联度来确定交通网络的层次数目和层次因子,在Dial算法的基础上利用层次性设计层次随机交通分配算法(HSTAA);通过算例验证与分析HSTAA算法,提出基于层次性的交通网络资源的优化配置方法。研究结果表明:由HSTAA算法得到的交通网络总阻抗在层次因子的某一合理取值范围内小于Dial算法所得的总阻抗,且交通网络的总阻抗随较高层次路段层次的提高而减小,但交通网络的尾气排放总量却随较高层次路段层次的提高而增大,但它始终小于由Dial算法所得到的结果;将网络层次状况控制在合理范围内就能有效地调节和优化交通网络资源配置。     

国家关键交通网络的基元结构与系综特征

基于复杂网络模体和超家族辨识方法,辨析国家关键交通网络的基元结构特性和系综特征.研究表明交通网络模体应表述为受到成本、技术和空间约束下,适应网络功能设计和建设,预先明确的、非随机的特定结构形式.阐述了交通地理网和服务网的4节点子图浓度分布的异同,进一步基于4节点子图比剖面阐明了关键交通网络的家族分类和属性特征.     

公路交通网络的区块划分

针对中国综合交通网络的复杂程度存在公路交通网络分布结构不合理的问题,采用一种兼顾结构相似性和属性相似性的聚类区块划分方法,识别空间角度公路交通网络的区块分布情况.利用原始节点映射的方法建立公路交通网络结构的数学模型,通过改进的PageRank算法计算公路交通网络关键性节点的排序,基于排序结果进行区块划分.最后实验分析了沈阳市公路交通网络区块划分的情况,并明确识别出沈阳市公路交通网络区块聚集情况.研究结论有效的识别出公路交通网络共享特性区域,为交通规划和交通决策管理提供参考.     

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     

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.      

中小城市商业区主干道交通组织优化与仿真

由于历史原因,中小城市的商业网点通常沿着主干道的两侧聚集发展,成为重要的交通吸引点,导致主干道超负荷运行、路网流量失衡,交通流存在交通组成复杂、机非混行、横向干扰严重等问题。针对商业区主干道规划过窄,拓宽道路受限的问题,提出了利用混合车道与单口放行结合、将主干道禁左的两种交通组织优化方案,以普洱市的主干道为例进行了方案设计,并利用仿真软件TransModeler对两种方案进行了仿真评价。仿真结果表明,两种方案的交叉口平均延误低于现状值,可以在一定程度上缓解交通拥堵。     

利用出租车GPS轨迹数据进行短时交通流量预测：以重庆市解放碑街区为例

交通流量预测是智能交通系统的重要组成部分。本文以重庆市解放碑街区为研究区域进行交通流量预测分析，基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5min、10min、15min的交通流量序列。同时为充分挖掘交通流量序列特征规律，减小序列非线性、非平稳性带来的影响，本文提出一种基于信号分解的预测模型GE-RL。通过一般线性模型（GLM）将原始序列分解成周期序列、趋势序列和残差，同时引入经验模态分解方法（EMD）对残差进一步分解以充分挖掘序列特征；模型预测方面，构建随机森林模型（RF）对周期序列和趋势序列进行预测，接着引入长短期记忆网络模型（LSTM）构建RF-LSTM残差模型对EMD分解的各分量进行预测，通过叠加各模型预测成果得到最终预测结果；同时为验证模型精度，设置对照模型进行比对。结果表明，所构建的GE-RL模型在预测精度上均高于对照模型，可以满足基于不同样本时间间隔的交通流量预测的需要。     

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。     

基于复杂网络的城市交通系统复杂性概述

主要同顾了复杂网络在城市交通网络中的相关研究概况,包括城市交通网络拓扑结构复杂性、道路交通流与复杂网络及网络交通流与复杂网络之间相结合的研究,并就交通系统特有的属性提出了综合应用复杂网络、系统科学、非线性动力学、城市交通等理论来研究城市交通复杂性的重要意义。最后对进一步需要讨论和分析的问题进行了展望。     

基于交通指数云图的宏观交通流分析方法综述

基于交通流分析在智能交通研究和应用中的重要性,聚焦路网交通流分析方法的回顾,综述了宏观尺度的路网交通流分析方法的研究现状.从微观、中观、宏观3个方面梳理了交通流分析方法的基本类型;重点阐述了宏观交通流分析中的交通拥堵指数的基本概念及其计算方法;随后基于交通拥堵指数提出交通指数云图的概念;最后对基于交通指数云图的路网交通流分析进行了讨论,并对其发展和应用前景进行了展望.     

基于PCA的对等网络流量时空特性监测

在对等网络中,节点可以动态地进入和离开网络,增加了业务监测的难度。该文提出了采用主成分分析(PCA)方法检测并分析对等网络流量特征,解释了流量协方差矩阵最大特征值和最大特征矢量的物理意义,同时定义权重矢量作为流量观测指标,利用流量的协方差矩阵最大特征值和特征向量给出了全网的P2P流量时间和空间的动态特性。仿真结果表明,该方法能够很好地识别P2P流量的动态时间和空间特性,为互联网流量检测提供了一种有效方法。     

自相似业务量下网络的排队性能分析

在研究通信网的网络性能、流量控制和资源配置时,业务源模型是其中一个十分重要的组成部分。近年来的研究发现数据网络中的业务量呈自相似特征,传统的能够精确描述电话网络的马尔可夫模型不再适用。业务量的自相似特征显著影响网络的流量控制与排队分析,已经引起人们的极大重视。采用G/M/1排队模型对分组长度可变的网络的排队性能进行了分析和仿真,其中自相似业务量是通过叠加大量独立的到达间隔为Pareto重尾分布的ON/OFF源来生成的。仿真结果表明,自相似业务量导致网络的排队性能劣化,这与有关文献对ATM交换的分析结果一致。     

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。