一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

轨道交通网络列车衔接组织的递阶协调优化

协调轨道交通网络列车的运行组织，能够使运能资源得到合理配置。在分析网络协调性的基础上，将轨道交通网络视作动态大系统，建立换乘站子系统所在衔接层的换乘时间效益优化模型，再从网络协调层对换乘节点间列车衔接方案进行全局递阶优化，描述了相应的并行协调求解算法。结合实例模拟协调过程获得可选方案，对协调性和适用性做了比较，结果表明该方法可根据不同需求产生相应协调方案，为列车运行组织提供决策依据。     

基于手机切换变化模式的道路匹配方法

应用手机定位技术进行交通数据采集是当前国内外研究的热点，其中道路匹配是技术应用的关键环节之一。本文重点研究如何利用手机发生连续切换变化的通信数据信息进行道路匹配，其基本原理是利用手机在通信网络层的变化模式反推在道路网络层的变化模式，本质上可归结为模式匹配问题。本文主要内容包括：基于手机切换变化模式的道路匹配方法的基本原理和核心思想；界定与GPS坐标定位的道路匹配方法的区别；创新地提出通信网络层变化模式与道路网络层变化模式的关联技术，即道路切换序列标定方法；最后，结合城市中心区某道路的实测手机通信数据进行了实证分析。     

沥青混合料集料分维数值和矿料间隙率的关系

利用分形理论这一研究工具对沥青混合料集料级配进行研究，建立沥青混合料集料级配分维数值与矿料间隙率的关系．对沥青玛蹄脂碎石混合料、多孔排水式沥青混合料、密级配沥青混合料进行试验研究，分别建立集料级配分维数值与矿料间隙率的关系，再分析、对比其他试验数据，得出矿料间隙率随着集料级配分维数值的增加先降低后增加、并在一定的范围内存在极小值的结论．此研究结论对沥青混合料设计级配的选择具有重要的指导意义．     

一类特殊路口的多相位模糊交通控制

模糊控制不需建立被控对象的精确数学模型,特别适用于具有较大随机性的城市交通控制。对一类特殊路口的交通流进行了分析,确定了相应的信号配时方案。提出了以当前相的主队列和后继相的主队列共同决定信号配时的模糊控制方法,阐述了模糊控制器的整个设计过程。以通过交叉口的平均车辆延误为性能评价指标进行了仿真实验,仿真结果表明模糊控制优于定时控制。     

双准则交通分配和方式划分相结合的网络均衡

分析了综合交通体系下不同时间价值的出行者路径和方式的时间、费用交易选择行为.运用了交通方式路径虚拟和对路径费用重新排序的方法,给出了双准则交通分配和方式划分的综合模型、有效路径算法和用户均衡算法.通过计算机模拟的方法,举例分析了交通改进措施和交通政策对交通分配和方式划分的灵敏度.模型可以更加真实地反映出行者在权衡时间价值和费用下的路径和方式选择,并可定量研究交通方式服务水平提高和交通政策对交通方式引导和缓解路段拥挤的作用.     

城市地下空间开发需求与评估指标体系探讨

世界各国、各城市对地下空间空前的使用需求给地下空间的开发提出了新的课题.地下空间使用需求特性、地下空间开发优势,是地下空间开发时必须要考虑的主体因素.完善的地下空间开发评定指标体系能较全面地考虑城市地下空间开发的各影响因素,完善对城市地下空间开发的综合评价,决策地下空间的开发,优化地下空间开发方案,提高城市地下空间开发的有效性、合理性、经济性、安全性.     

面向ITS的交通仿真实验系统

介绍了面向智能交通系统(ITS)环境的同济交通网络仿真实验系统(TESS)仿真系统的总体设计,其中包括TESS模型的系统框架、体系结构和软件设计,研究了TESS系统的核心模型,特别是出行者信息系统(ATIS)环境下各类出行者的换道协作模型和路径选择行为模型.并以上海市某快速路交织区和杭州市路网为背景,研究了TESS模型分别在协作型换道仿真和提供信息条件下的驾驶行为仿真等方面的应用.     

基于车均延误的快速公交停靠站布设位置

为了提高快速公交(BRT)系统的运行效率,对BRT停靠站在交叉口的布设位置进行了研究.针对BRT停靠站设置在交叉口进口道和出口道两种情况,分别建立了车均延误模型(该延误包括信号控制延误、停靠站上下客时间以及车辆在停靠站等候服务的延误)和绿灯末排队长度模型,并通过仿真验证了模型的准确性.一系列算例分析表明,车流量较小时,停靠站设置在进口道和出口道就延误而言没有区别,但当车流量较大时,应将停靠站设置在交叉口进口道.     

基于随机参数调整的改进反向传播学习算法

针对BP(反向传播)神经网络学习易陷入局部极小的缺陷,提出了一种改进BP神经网络学习算法——RMBP算法.RMBP算法在学习参数调整中增加了随机性,使其方便地跳出局部极小点,并沿梯度下降方向到达全局极小点.异或问题的学习试验结果表明,RMBP算法较BP学习算法和其他常见的改进BP算法具有学习速度快、学习精度高、资源占用少的优势.最后,结合民航飞机实时飞行仿真系统研究,对一组飞机空气动力参数样本进行了学习,以说明RMBP算法的有效性.