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。     

基于QPSO-RBF神经网络的交通流量预测方法

提出一种粒子群优化神经网络的预测方法,首先基于改进的量子行为粒子群算法对神经网络进行训练,以保证各权值和阈值能得到最优解,同时对训练样本进行了基于聚类算法的优选.最后进行了仿真验证,证明本文方法用于短时交通流量预测可以获得较高的精度并且误差稳定,为交通流量预测的实际应用提供了一种参考.     

用于异质用户出行管理的可交易许可证研究

针对公共交通与私家车出行方式并行的双模式交通系统,在考虑不同用户的时间价值情况下,通过引进可交易的道路许可证政策,建立了均衡出行交通模型.研究发现,许可证政策将拥挤产生的交通成本内部化,在缓解交通拥堵的同时,通过经济手段,降低了系统总成本.进一步地,本文证明如果汽车比公交快,那么时间价值较高的人会选择私家车出行;反之,如果公交比汽车快,时间价值相对较高的有车族会选择公交出行.通过与OD收费进行比较,我们得到在收费为正的情况下,许可证政策可以得到与基于OD收费相同的效果.最后,算例结果表明,许可证政策使得部分人选择公交出行的成本更低,达到鼓励公交出行的目的;甚至在许可证发放数量少于临界数量的情况下,选择公交出行的人会获得正收益.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

交通事故影响下事发路段交通流量变化分析

以交通事故这种异常事件为例,分别对高速公路基本路段内交通事故影响时间、车辆排队长度、事故影响下不同时间段内不同路段断面流量变化进行了分析。采用交通波理论给出了该事故路段内不同时间段内不同阻塞行车道宽度的车辆排队长度,并对流量变化分析进行了仿真验证。     

高速公路微波车辆检测器的应用解决方案

通过对目前常见的交通检测技术性能的比较,分析了微波车辆检测器的优点,重点介绍了微波车辆检测器在高速公路中的安装和使用方法.     

管道航路激活费用问题优化研究

管道航路能够提高现有空域容量、增加空域的使用效率。但开启和运行该航路比常规航路需要更高的成本。本文根据交通流量需求情况,在航班等待费用和航路运行费用下寻找最合适的激活时刻。建立了最小费用下的管道航路激活问题的数学优化模型,给出了相应算法及步骤,并进行了Matlab仿真计算。仿真结果表明了模型和算法的有效性。     

面向大规模交通网络的时空关联挖掘方法

时空关联挖掘是智能交通领域的关键技术之一。大规模交通网络中的交通流量数据具有高度非线性和复杂特征，故精准地预测交通流量面临巨大挑战。现有方法大多设计2个独立模块来分别捕获交通流量的时间和空间相关性，故无法精准地对流量数据中的复杂时空相关性建模。该文提出一种时空组合图卷积神经网络(STCGCN),以更好地预测交通流量。STCGCN通过构建自适应时空组合图，并提出时空组合图卷积，来有效揭示交通流量数据动态和复杂的时空相关性。在美国加利福尼亚州高速公路流量公开数据集上进行了实验，结果表明STCGCN的预测效果优于11个现有方法。     

基于动态二值化技术的交通流量实时微机检测方法的研究

本语文介绍了一种基于ＰＣＩ总线的微机图像处理和分析系统，提出了一种新的动态二值化技术，并运用于该系统。这种技术不仅能够实时采集、显示序列图像，而且能够实时检测、显示车流量。研究结果显示了这种方法的可行性和实用性。     

主车流间隔为二阶Erlang分布下次车流通行能力

讨论了当主要车流服从二阶Ｅｒｌａｎｇ分布的条件下，次要车流的通行能力，横穿交交通流所需安全间隔，以及交流中的开段与闭段等。