基于双层规划模型的交通信号区域协调控制

针对过饱和状态下的交通信号配时,以区域整体输出总流量最大化和各交叉口进口道总延误时间最小化为目标,构建了基于动态子区划分的交通信号区域协调控制双层规划模型(BP模型).通过分析交叉口滞留排队车辆、进口道交通量以及相位相序对区域协调控制的影响,建立了交叉口相位差、有效绿灯时间和动态交通流量等协调控制变量的约束关系式.采用...     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

广珠高速公路交通量预测

研究了广州到珠海高速公路交通量预测,重点探论了出行发生量预测、ＯＤ交通量预测与交通量分配所用方法。文中得到的预测结果已经成功地为交通部门采用。     

仅利用位置测量信息的机器人滑动模跟踪控制

提出一种仅利用位置测量信息的机器人滑动模跟踪控制方案使机器人跟踪给定轨迹．整个控制器分为两部分：仅利用位置反馈的控制器和变结构滑动模控制器．由位置反馈实现的虚拟速度反馈实质上是一种动态补偿器,而变结构滑动模控制方案则主要用来消除或抵消系统中所存在的不确定性的影响,达到提高系统鲁棒性的目的．在上述控制器控制下,系统的输出跟踪误差可以渐近收敛到零．利用边界层控制方案可消除或减弱滑动模控制中经常出现的抖振现象．     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,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,文章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,为实现交通系统智能控制提供了一条新途径.     

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。     

考虑区域占有率的RTCN路内停车泊位预测模型

针对汽车停车过程中反复寻泊产生无效交通量这一问题,以向公众提供准确的实时及预测的停车位信息为目标,考虑到当前卷积神经网络(CNN)和递归神经网络(RNN)在空闲泊位短时预测的研究中存在的缺陷,同时为了解决路内停车样本数过少的问题,将RAdam算子引入TCN模型中,其中,TCN模型用于提取空闲泊位的时间特征,RAdam算...     

不对称信息条件下抵押品的信号作用分析

主要研究两个方面的内容 :1 )不对称信息条件下 ,当企业追求机会利益时 ,贷款利率和企业拖欠还款概率的变化对银行期望利润的影响 ;2 )当企业具有多个连续投资项目时 ,在不对称信息条件下 ,贷款利率的变化对企业项目平均成功概率的影响 .研究结果表明 ,如果企业提供的抵押品价值越少 ,银行信贷资金所面临的风险越大 ,逆向选择风险增大 ;如果企业提供的抵押品价值越多 ,银行信贷资金所面临的风险越小 ,逆向选择风险减少 .     

基于CDMA和GSM网络的车辆定位方法

在分析目前常用的CDMA和GSM网络系统所提供的定位方法的基础上,提出了一种融合CDMA网络和GSM网络的混合车辆定位算法,即利用CDMA网络和GSM网络的定位测量信息重新计算出车辆的位置.该定位算法简单快捷、精度高、可靠,充分继承并发挥了现有网络优势,而且能够适应所在网络定位技术的更新.测试证明该算法是可行的,能够增强定位精度和可靠性.     

基于融合技术的道路交通状态判别模型

为了提高道路交通状态判别精度,提出基于浮动车检测与感应线圈融合技术的道路交通状态判别模型。该模型包括3部分:1)浮动车模块:利用安装在出租车上的GPS定位设备得到道路3部分的行程时间;2)感应线圈模块:利用安装在道路上的感应线圈以及交通信号参数得到道路的行程时间;3)数据融合模块。利用神经网络将以上两模块的结果作为输入从而提高道路交通状态判别的精度。该文利用7 000多辆装有GPS模块的出租车、100个安装在广州市主要道路口上的固定检测器以及广州市电子地图,对提出的模型进行了试验,试验结果表明该模型是有效的,50个数据的均方误差为0.1 s。