基于BP神经网络的路径行程时间实时预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上,本文建立了基于ＢＰ神经网络的行程时间实时预测模型,编制了行程时间预测软件系统．利用长春市的交通实测数据对行程时间进行了预测     

基于简化路网模型的卡尔曼滤波多步行程时间预测方法

针对目前多步行程时间预测方法研究较少,存在未来一段时间内的观测值不能及时得到的问题,提出基于简化路网模型的卡尔曼滤波多步行程时间预测模型和算法.综合运用上游路段、当前路段的实时和历史行程时间数据,从历史数据中寻找与当前日期交通状况最接近的历史日期,解决卡尔曼滤波未来一段时间内没有观测值而无法进行多步预测的问题.实验表明,算法能够合理地预测未来几个时段的路段行程时间,有效地避免了时滞性.同时,多步行程时间预测算法的精度高(尤其是4步以内,均等系数达到0.9以上), 是一种可行的预测方法.     

区域交通网络行程时间估计的半Markov链模型

利用模糊聚类分析及典型判别方法,将区域交通网络单元路段的状态划分为3类,考虑到各类交通状态下拥挤效应的异同,对各状态下的瞬时行程时间函数进行了标定。然后,对区域交通网络的状态进行了定义,应用半Markov链随机过程理论,分析了给定时间段内某区域交通网络各种状态的随机变化规律,计算了各种状态出现的极限概率。最后,结合各状态下网络单元路段的瞬时行程时间函数,给出了给定时间段内的区域交通网络行程时间估计方法。将模型估计得到的行程时间与实测行程时间进行了对比,利用t检验法对估计结果进行了检验,检验结果表明,在显著性水平α=0.05的条件下,估计平均行程时间与实测行程时间均值没有显著性差异。     

信号道路网动态路段行程时间有度排队模型

通过分析确定当路段动态驶入流率为小交通流和远超饱和交通流时明显地存在路段行程时间与车辆排队长度有关．因此，提出了一个全新的信号道路网有度排队模型（SQ模型），确定在各种不同驶入流率的形态下动态路段行程时间，其中既包括自由流行程时间，又包括出口处排队延误时间及其相关的计算模型和方法，并用实例分析并检验了模型的计算效率．     

基于蚁群算法的交通控制与诱导协同研究

以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。     

一种新的基于模糊模型的非线性组合预测方法及其应用

针对线性组合预测方法的局限性,提出了一种基于T－S模糊模型的非线性组合预测新方法,并给出了相应的反向传播学习算法．理论分析和应用实例表明：该方法具有很强的学习与泛化能力,在处理诸如非线性系统中时间序列的组合建模与预测方面有很好的应用价值．     

分整模型在商品价格预测中的应用

首先介绍了时间序列分析中的一个新领域－长记忆分整模型（ＡＲＦＩＭＡ）,分析了该模型与传统时间序列模型相比较所体现出的优越性,及其参数估计和预测方法。本文所给出的分整模型不仅反映了传统时间序列模型所不能反映的时间序列长记忆性,而且解决了利用传统方法预测商品价格中的过度参数化问题,从而显著提高了商品价格预测的可靠性。文章还给出了实际案例分析。     

基于混沌算子网络的时间序列一步预测方法

为解决时间序列的一步预测问题,提出了一种基于混沌算子的预测网络.混沌算子具有复杂的动力学行为,根据各算子所处的不同状态,利用加权方法计算出时间序列下一时刻的预测值.根据预测值与实际值的误差,利用混沌优化方法动态地调节混沌算子的参数,逐渐提高网络的预测精度.利用该方法分别对混沌以及实际股票价格等复杂时间序列进行了仿真预测.仿真结果表明,该方法可以对具有内在确定性的系统进行有效的预测.     

混沌时间序列的混合预测方法

提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和广义自回归条件异方差模型(GARCH)的混沌时间序列的混合预测方法.首先利用小波变换将混沌时间序列分解和重构成概貌时间序列和细节时间序列; 然后利用PSO-LSSVM模型预测概貌时间序列的未来值,采用GARCH模型预测细节时间序列的未来值;最后将概貌时间序列和细节时间序列的未来值求和作为最终的预测结果.采用该方法对Mackey-Glass和变参数Logistic混沌时间序列进行预测. 结果表明该方法能精确地预测混沌时间序列,验证了文中所提方法的有效性.     

神经网络在预测中的一些应用研究

预测是一个很难的研究课题,近来利用新的科学理论探索新的预测方法是预测界人士进行预测课题研究的一个重要方面．其中人工神经网络在预测领域中的应用研究进展最快,它包括研究神经网络预测方法和神经网络在预测过程中作为辅助工具．本文介绍几种主要的神经网络预测方法及其应用和利用神经网络确定ＡＲＭＡ 模型的结构．     

基于交通瓶颈的动态交通分配模型

在动态交通分配模型中,假定在交通均衡状态下司机不可以通过改变出发时间和行驶路径而降低出行费用.经典的Vickrey模型作为一种基于交通瓶颈的动态交通分配模型,假设出行者选择不同的时间上班(下班)所面对的出行费用(含旅行时间和延误惩罚)相等.针对在Vickrey模型中,长期以来人们均假设瓶颈的通行能力是不变的,即从瓶颈离开的累计车辆数为直线,将对Vickrey模型的这一缺陷做出改进,建立瓶颈通行能力随时间变化时的交通均衡模型和求解算法.     

考虑交叉口负面影响的有轨电车时刻表优化

现代有轨电车运行过程中,交叉口公交信号优先策略能够保证列车顺利通过交叉口,但会对交叉口其它社会车辆产生负面影响.本文考虑信号优先策略对交叉口产生的负面影响,提出了综合优化列车旅行时间和交叉口负面影响的有轨电车时刻表优化模型,针对模型的非线性特点,设计模拟退火算法和基于事件驱动的仿真法相结合的组合算法进行求解.以沈阳浑南现代有轨电车5号线为实例,结果表明,模型求解的时刻表方案相对于总旅行时间最小的时刻表方案,其旅行时间增加了1.2%,但交叉口的负面影响费用相对减少了66.4%.由此说明,本文提出的现在有轨电车时刻表优化方法,在保证列车旅行时间尽量小的同时极大降低了对交叉口社会车辆的负面影响.     

交通信息诱导下的混合用户均衡模型研究

通过分析交通信息对出行者路径选择行为的影响,构建了一个同时考虑惯性出行者和非惯性出行者路径选择行为的混合用户均衡模型.随后,提出了求解混合用户模型的算法,通过算例对模型和算法的合理性进行验证,并探讨当出行者路径选择存在惯性行为时,交通信息是否能够缓解交通拥堵.研究发现交通信息虽然可以影响出行者的路径选择行为,但是可能会增加整个系统的总出行时间.而合适的信息渗透率有助于显著地减少整个系统的总出行时间,使得系统趋向于最优化.     

基于路径运行时间可靠度的随机系统最优拥挤收费模型

应用交通网络平衡模型和边际成本收费理论相结合的方法,研究了运行时间可靠度下的随机系统最优拥挤收费问题,建立了运行时间可靠度及内生ATIS市场渗透率条件下随机系统最优交通拥挤收费模型.分析了基于运行时间可靠度下的随机系统最优拥挤收费对用户出行行为的影响.发现了与确定性网络用户平衡流中的情形类似,对于考虑运行时间可靠度下的随机交通网络,边际成本收费理论仍然适用,即采用边际社会成本流函数代替单位路段成本流函数,可以使随机网络随机用户平衡流变为随机网络随机系统最优流.算例分析结果表明:在传统的拥挤收费模型中,拥挤收费仅与路径(路段)运行时间和路径(路段)流量有关.现实中,在确定他们的出行路线时,用户往往还会考虑网络运行时间可靠度因素,而不仅仅是路径运行时间或成本.用户对于运行时间可靠度的置信度要求越高,传统的拥挤收费执行效果越不理想.因此,现实生活中传统的拥挤收费不一定能使网络效益达到最优或缓解交通拥挤.     

基于时间和路径偏好的交通流分配模型与诱导策略

考虑交通网络中出行者不仅具有路径选择偏好, 同时具有时间偏好的特征, 分别针对出行者是否具有时间或路径选择偏好的4种不 同情形, 建立相应的交通流分配模型. 通过分析这4个模型的性质, 分别给出了有效的求解方法. 在分析4种不同情形 下出行者总出行时间的相互关系基础上, 设计了时间诱导和路径诱导策略. 最后, 以西安市东南郊清明假日交通流分 配为例, 分别模拟分析了不进行诱导, 进行时间诱导, 进行路径诱导的情形下高峰期的交通流分配, 该实例验证了时 间诱导策略与路径诱导策略的有效性.     

道路瓶颈前车辆强制变道汇流过程模拟研究

建立了基于车辆强制变道汇流行为的微观交通动力学模型,模拟分析了道路瓶颈影响下的交通流量、车道速度分布和时空图等3个宏观交通流特征和变道距离、行程时间等2个微观交通流特征。结果表明：瓶颈道路上任意截面的总流量均可表征道路的整体通行能力;中高车流密度下,道路瓶颈可使道路总流量降低10%~35%,并造成17%~42%的车辆行程时间延误;道路瓶颈对其上游相当长的区域内车辆具有减速效应;道路瓶颈前车辆强制变道距离的99分位值可以作为交通信息面板位置设定的依据。     

基于累积前景理论的合乘行为建模与研究

在一个存在HOV(high occupancyvehicle)车道的交通系统中,针对两种出行方式:单独驾车出行和合乘出行,给出了可能出现的HOV车道合乘者、普通车道合乘者和单独驾车者三类通勤者的出行费用函数.假设通勤者会经历一段具有离散分布的随机时间,本文基于累积前景理论和期望效用理论对比分析了通勤者的出行方式和路径选择均衡结果,并对单独驾车者比例参数、参考点等个体偏好参数进行了敏感性分析.研究结果表明,通勤者的风险偏好和参考依赖特征确实会影响出行方式和路径选择.当单独驾车者比例超过某一临界值后,合乘者比单独驾车者具有较高的累积前景值,具有一定的优越性,而期望效用理论则会稍微高估这一临界比例.     

基于高速公路收费系统的交通信息采集与处理基本问题研究

高速公路封闭式的收费系统实质上也是先进的交通信息采集系统，从中不仅可以得到流量、车型等一般性信息，而且能够得到行程时间、行程车速、OD、拥挤度、事件、运营特征及需求管理等常规方法不易获取的重要信息。同时，由于这种收费系统的信息采集采用逐车测量与统计的方式、具有无遗漏和直接性的特点，因而信息拥有更高的准确性和可靠性。以上海市高速公路网为背景，通过对典型通道的分析，系统探讨高速公路收费系统中交通信息采集与处理的几个基本问题：①基础数据采集；②交通信息种类；③行程时间信息处理；④动态OD信息处理。由于收费系统数据目前还远未得到充分有效地利用，因此本研究工作对我国高速公路交通信息化与智能化建设、信息综合利用及科学研究具有先导性的作用。