基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.     

基于GRNN模型的城市道路短期交通流预测研究

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络（GRNN）模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。     

道路网交通流状态变化趋势判别方法

根据城市快速路交通流参数实测数据所表征的交通流状态特性,结合基本图和三相交通流理论,将道路网交通流状态划分为自由流状态、拥挤流状态和阻塞流状态.在此基础上,采用模糊信息粒化的思想,以道路网检测断面数为窗口,设计三角形模糊隶属函数,将同时段的道路网交通流状态映射为含有低边界值L、中值R和高边界值U三参数的模糊信息粒.以模糊信息粒为输入,建立Elman网络模型预测交通流状态变化趋势.依据预测结果计算道路网交通流状态综合指数,判别未来时段道路网交通流状态,并以北京市某一区域路网为例进行实证性研究.研究结果表明:所提出的方法能够实现道路网交通流状态变化趋势判别,准确率为93.33%,同等条件下支持向量机模型判别准确率仅为86.67%.     

模糊c均值聚类在交通流高峰期确定中的应用

交通流高峰期是交通规划、交通控制中一个非常重要的概念．目前高峰期一般是凭经验人为确定的．文章利用模糊c均值聚类方法对交通流高峰期的确定问题进行研究．首先对模糊c均值聚类算法进行简要介绍，然后利用该算法对某城间高速公路交通流数据进行聚类分析，分别确定了该高速公路正、反向交通流的高峰期．结果表明，该算法聚类结果与经验交通流高峰期基本一致．     

用微分方程方法研究红绿灯控制下的交通流模型

红绿灯模型是交通流动力学模型研究中一个重要而困难的问题,首先给出交通流模型,然后给出红绿灯交通流模型与特征线的求解,根据红绿灯模型与特征线意义,对交通流的红绿灯转换周期的设置具有重要意义．     

城市道路交叉口混合交通流机动车与非机动车冲突概率

为了量化城市道路交叉口机动车与非机动车交通冲突,建立了二者之间的冲突概率模型.分析了机动车与非机动车发生交通冲突的条件:非机动车占用冲突区的时段内有机动车到达冲突区;到达冲突区的机动车提供的车头时距不大于非机动车穿越机动车的临界间隙.选取机动车车头时距到达分布、非机动车穿越机动车临界间隙及非机动车占用冲突区域时长作为影响机非冲突概率的3个关键参数,基于大量调查数据建立各参数的数学模型以及机非冲突概率模型,通过具体实例求得机非冲突概率具体数值.结果表明,随着非机动车流量的增加,机非冲突概率呈上升的趋势.计算符合交通流运行的实际状态.     

交通流诱导系统实时方法研究

交通流的实时诱导系统多为建立在单位时间的信息重构,一旦在周期时间内事故发生,则造成行驶车辆正常诱导无法进行。通过对实际交通状况的分析,提出一个新的并且简单可行的解决方案。方案在原有系统中增加了对实时事件突发诱导系统的修正,减少系统应变时间。此方案是建立在现有的诱导基础之上的改进技术,可以在交通流诱导系统中大范围推广应用。     

城市道路交通流监测数据最优汇集时间间隔分析

针对传统的交叉验证均方差模型在确定交通流监测数据最优汇集时间间隔研究方面存在的不足,以交通流量、时间平均速度、占有率等3个交通流基本参数来表征城市道路交通流运行状态.在传统的交通状态交叉验证均方差估计方法的基础上,提出了一种改进的基于交通状态矢量的交叉验证均方差模型,以估计不同汇集时间间隔时交通流监测数据的波动性.然后,构建了基于交通状态矢量的均差值假设检验,并采用t检验方法寻找交叉验证均方差值变化的拐点,以确定交通流监测数据的最优汇集时间间隔.以昆山市城市道路车辆检测器实际采集的交通流数据为例,对不同等级城市道路交通流监测数据的最优汇集时间间隔进行了量化分析.结果表明,在实际应用中,城市道路交通流监测数据的最优汇集时间间隔可以选取为5 min.     

交通流中的自组织临界性研究

交通流元胞自动机模型呈现出显著的车流自组织临界性及从自由运动相到堵塞相的相变行为。由于交通流模型中车辆之间的复杂耦合作用所引起的高阶时空关联,采用传统的考察局域点车辆占据状态的动力学演化方法,尚未有任何国内外学者得到过高速车辆的一维和二维交通流模型的相变基本图的精确解析描述。作者摒弃传统思路,采用以相邻车辆距离为变量的全局动力学演化考察方法, 通过完全严格的逻辑推理及统计力学细致平衡条件的运用,首次给出了允许高速车随机减速的一维交通流Fukui-Ishibashi元胞自动机模型相变基本图曲线的解析平均场方程,所得结果与模型的直接数值模型可以精确地吻合。基于交通流中实际车辆的加速及延迟行为,进一步提出两种新的一维交通元胞自动机模型－限制加速模型和追尾车随机减速模型。应用考察车距动力学演化的方法,仍然能够得到两个新模型相变基本图的精确解析平均场方程。这些精确解析结果的获得既对于交通流复杂系统的自组织临界性和相变行为提供了基本的物理理解,又对于高速公路实际交通运输的信息管理和控制具有指导意义。     

一种交通拥堵流量范围界定及拥堵预测的方法

针对城市的交通拥堵问题,本文提出了一种交通拥堵流量范围界定及拥堵预测的方法。首先采用均值变点理论寻找出交通拥堵点,确定拥堵流量范围,然后通过小波分析与ARMA相结合的交通流组合预测模型,实现了拥堵点的实时预测。并以贵阳市中心城区数据为例,验证方法的可行性。     

空中交通网络流系统拥堵程度评估

为解决日益严重的空中交通拥挤和拥堵问题,提出从空中交通流的角度出发,区分界定空中交通拥挤和拥堵,并建立拥堵程度评估模型来评估空中交通网络的拥堵程度。空中交通拥堵发生时可将系统划分为非延误部分和延误部分,建立拥挤程度评估模型评估空中交通网络的拥挤程度,建立延误程度评估模型评估空中交通网络延误程度,对两个部分分别赋予不同权重建立空中交通网络拥堵程度模型。最后采用某大型机场发生的某次空中交通拥堵作为算例数据,结果证明了模型是可行的。     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

武汉市区交通拥堵原因分析及治理对策

交通是城市的动脉,城市是交通的载体．通过阐明城市交通体系和武汉市区交通的总体情况,详述武汉市区交通发展的现状,分析其交通拥堵的原因,运用对比分析的方法,解释市区交通拥堵的的几个因素,并提出相关建议和对策．     

基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

计算机网络中面向拥塞控制的一种模糊流量控制机制

未来的计算机网络将是一种能够提供多种不同服务,支持多种不同应用需求,有着集成服务支持能力的高速分组交换网络。为充分提高该类网络性能,设计一个高效的流量控制机制是关键问题。为此,本文以ATM网络中的相关研究为背景,提出了一种基于模糊逻辑的显式速率（ER）控制机制。通过管理交换机缓冲区瞬时队列长度及其变化率,并利用一组语言规则,该机制计算出交换机可支持的流量速率。仿真结果表明该机制是稳定的、鲁棒的;它能有效地避免网络拥塞并具有更高的链路带宽利用率。     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

流媒体传输的模糊自适应预测拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中多采用有效的拥塞控制策略.本文给出了一种更有效的流媒体传输的拥塞控制算法.基于模糊算法给出了模拟的网络传输模型,采用能克服较大传输延时的预测控制解决缓存器的排队预报问题,采用自适应控制算法解决缓存器溢出问题.多种算法有机组合,解决了通过网络的流媒体传输.     

大面积航班延误下空中交通网络流系统的拥堵识别

近些年来,大面积航班延误问题已经成为空中交通流量管理部门的难题之一。为了从宏观上描述发生大面积航班延误时的交通状态,提出了空中交通网络流系统的拥堵定义,并对其拥堵程度进行识别和划分。首先从空中交通网络流系统的要素航线和机场的航班运行角度出发,建立了拥堵识别指标体系。其次,根据历史统计数据和熵值法计算权值,并基于模糊综合评价法建立了拥堵程度识别模型。最后,结合实例验证,表明该模型能真实的反映空中交通网络流系统的拥堵状况。     

交通拥堵情况下一种基于模糊神经网络的路径选择方案

在确立了交通拥堵情况下路径选择指标体系的基础上,建立了基于模糊神经网络的交通拥堵路径评估模型。该网络具有五个因子输入,一个衡量路径花费时间的输出,总共三层的结构,且输入层具有对输入参数进行模糊化的能力。利用实际样本数据进行实证分析,训练结果表明网络预测误差小。