基于神经网络的交通平衡求解算法

研究目标在于采用神经网络方法替代传统的交通分配方法。回顾了交通网络平衡条件下实现交通网络配流的解析方法，然后提出了采用人工神经网络模拟处于交通平衡状态的运输网络，进而替代传统的配流方法的思想。定义了交通流的平衡函数和交通流平衡态的概念，证明了用神经网络来识别交通流的平衡状态的可行性。提出采用反向传播神经网络来模拟交通平衡状态的原则和方法，并建立了训练神经网络的判据，提出了判断神经网络模型效果的评价方法。最后，通过实例证明了良好训练的神经网络可以替代传统的交通分配，而且，容易把交通管理策略考虑到分配的过程中．并且能够政善配流速度。     

使用浮动车检测OD矩阵的算法及可靠性分析

回顾了国内外估算实时OD矩阵现状,提出了用浮动车检测实时OD矩阵的方法.采用最小二乘法给出了现有估算模型的证明过程,指出其存在的问题是估算模型假设浮动车与全部运营车辆比例为恒定的.为此,作者给出了浮动车与运营车辆比例随OD对变化的估算模型,并建立了求解该问题的算法,同时建立了求解估算OD矩阵可靠性的方法,最后,介绍了算法在北京的应用实例.