智能交通系统主要技术的发展

 以城市智能交通和智能交通新技术两个角度为重点,盘点了智能交通发展现状,分析了关键技术及其发展状态;探讨了交通大数据平台及其应用、视频技术、分析研判技术、交通控制技术、车路协同技术、城市交通大脑、无感技术等关键技术的未来发展;结合交通强国战略要求,提出了未来智能交通发展的重点方向与建议。     

道路网络图的区块划分算法

为了解决基于并行系统动态交通分配的网络分割划分问题,该文给出了一种道路网络图区块划分的启发式算法。该算法不同于当前的普适算法,是专门针对交通应用中的道路网络图的特点而设计的,算法首先对矢量网络进行栅格映射,然后通过区块生长方法来满足分割要求。相对于其他算法,该算法能够满足任意指定数量的区块划分要求,分析过程不需反复迭代。因此算法的执行效率很高,并且能够得到理想的划分结果。同时由于所考虑的并行硬件环境是IBM兼容机加局域网的主流平台,算法具有一般性。     

智能运输系统研究发展动向与启示

智能运输系统研究发展动向与启示ＰｒｏｇｒｅｓｓｉｎｔｈｅＲｅｓｅａｒｃｈｏｆＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔＳｙｓｔｅｍｓａｎｄＴｈｅｉｒＰｒｏｓｐｅｃｔｓ陆化普（清华大学交通研究所，副教授北京１０００８４）史其信（清华大学交通研究所，教授北...     

城市微观交通仿真系统及其应用研究

建立了一个城市微观交通仿真系统,主要包括:车辆产生模型、路网描述模型、交通规则描述模型、信号灯描述模型、车辆行为模型、路径选择模型和路口转向模型。说明了各模型的建模方法以及系统的仿真流程。针对城市交通的特点,提出邻车影响模型,作为对传统跟驰模型的补充。在OCTANE图形工作站上,实现了仿真系统的三维可视化。最后选取典型路网进行了应用研究。     

Urban Transport and Sustainable Transport Strategies： A Case Study of Karachi, Pakistan

The uncontrolled growth in urbanization and motorization generally contributes to an urban land use and transportation system that is socially, economically, and environmentally unsustainable. This paper uses Karachi as a case study, which is the largest urban and economic centre of Pakistan, passing through an uncontrolled phase of rapid urbanization and motorization. The paper first reviews research related to sustainable transportation systems to comprehend the concept of sustainable development and transporta-tion. The paper then evaluates the existing transportation and infrastructure system, national transportation policies, and urban transportation projects to determine if the current paradigm is moving toward or away from sustainable transportation. Furthermore, the principles for sustainable urban transportation are devel-oped to see what significance national transportation policies have given to urban transportation from a sus-tainable transportation point of view. Finally some strategies are suggested, adoption of which may lead to a sustainable urban development and transportation system in Karachi.     

全路网改进动态O-D反推模型

针对动态O-D矩阵在全路网中难以直接获得的问题,提出了一种改进的反推模型。首先提出了以最小化观测值与反推值偏差的绝对值之和作为目标函数的路口参数优化模型,并采用遗传算法求解,设计了编解码方案。将反推得到的路口转向流量和流量检测系统中得到的路段流量共同作为已知量,建立了其与全路网动态O-D矩阵的动态关系,增强了系统的静定性。以反推值与最优历史值的偏差作为状态变量,建立了基于Kalman滤波的状态空间模型,并采用扩展Kalman滤波求解。仿真结果表明,模型和算法具有较好的精度、效率和鲁棒性。     

公交优先的交通信号多层模糊控制模型

针对城市交通信号控制及公交优先问题,首先提出了一种基于交通需求强度的单路口多层模糊控制模型。第一层用来判断路口的交通需求强度,第二层主要完成相位优化功能,第三层用来确定各个相位的有效绿灯时间。进而考虑公交优先将模型扩展为公交优先的交通信号多层模糊控制模型,给出了模型结构与控制方法。仿真结果表明,与定时公交优先控制模型相比,该文提出的公交优先的多层模糊控制模型在交通量较大情况下能有效减少公交车辆延误,可应用于未来的信号控制系统中。     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。