城市快速路路段行程时间估计方法

为有效提高城市快速路路段行程时间估计精度，本文提出一种基于自适应滤波和网格虚拟车的行程时间估计方法。首先，利用自适应平滑滤波插值获得固定检测器之间的速度数据，实现固定检测器之间的时空速度场重构。然后将重构的速度场细分为若干网格单元，通过计算虚拟车在重构时空速度场的虚拟轨迹估计路段行程时间。最后，选取城市快速路感应线圈实测数据进行实例验证。实验结果表明，本文方法在自由流、平稳流和拥堵流3个运行时段下，均方根误差分别为0.15、0.35和1.06,平均相对误差均低于10%,具有较高的估计精度。     

基于CEEMD-GRU组合模型的快速路短时交通流预测

为了提高短时交通流预测精度,提出了基于互补集成经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)和门控循环单元(Gated Recurrent Unit, GRU)组合模型的快速路短时交通流预测方法。首先,运用互补集成经验模态分解算法,将非稳定的原始交通流时间序列数据分解为相对平稳的多个模态分量;然后,将分解后的模态分量分别建立GRU模型进行单步预测;最后,叠加每个分量的预测值,获取最终预测结果,并采用上海市南北高架快速路实测交通流数据进行实例验证。结果表明:CEEMD-GRU组合模型的预测效果明显优于GRU神经网络模型、EMD-GRU组合模型以及EEMD-GRU组合模型,平均预测精度分别提升了33.4%,25.6%和18.3%。CEEMD-GRU组合模型能够有效提取交通流数据特征分量,提高预测精度,为交通管控提供科学决策依据。     

基于回声状态网络模型的短时交通流混沌预测

为了提高短时交通流预测的准确度,提出基于回声状态网络模型的短时交通流混沌预测方法;利用C-C法计算相空间重构的延迟时间和嵌入维数;利用遗传算法对回声状态网络模型进行参数寻优,进而构建基于遗传算法的回声状态网络模型;采用城市快速路实测数据进行实验验证和对比分析.结果表明,所提出方法的预测效果明显优于支持向量机模型、小波神...     

高速公路交通事故时空影响动态效应的传播分析

为探究并量化高速公路交通事故的时空传播机理，克服传统交通波理论在此类问题中考虑维度单一的缺陷，首先，基于微波雷达检测器采集的动态交通流数据，分析高速公路事故前后的速度变化态势；进而，引入速度变化率作为事故影响的度量指标，采用双线性插值法构建速度变化率轮廓图，并根据Savitzky-Golay滤波拟合法拟合事故影响时空区域的外围轮廓；最后，在速度变化率的阈值分别取20%、30%和40%时，计算并分析交通事故时空影响的各量化指标，包括事故影响开始时间、事故影响结束时间、事故影响持续时间、事故影响最近距离、事故影响最远距离、事故影响空间范围、事故影响传播速度以及事故影响消散速度。结果表明：速度变化率的阈值取值越小，则事故影响的开始时间越早，结束时间越晚，持续时间越长，且事故影响的距离越长；速度变化率阈值取值越大，则事故影响的开始时间越晚，结束时间越早，持续时间越短，且事故影响的距离越短；不同速度变化率阈值下的事故影响传播速度随时间的变化趋势有差异。文中方法操作性强、辨识度高，能够为高速公路事故发生后的实时交通管控和引导提供理论支撑。