道路交通应急调度策略研究

道路交通突发事件的发生是随机的和动态的,具有变化速度快,涉及面广等特点,无法提前预测估计和建模分析,其应急处理的问题比较复杂.针对传统调度系统响应速度慢,准确定位难以及应急调度力度不足,提出一种基于GIS的道路交通应急动态调度模式,为道路交通突发事件发生提供决策依据和分析手段,可以及时、高效地调集各种警力物力等资源,使问题得到尽快的解决.     

基于卡尔曼滤波的交通突发事件影响范围预测研究

根据交通突发事件的影响范围来制定有效的应急管理方案对减少交通突发事件对城市路网的影响具有重要的意义.首先根据卡尔曼滤波算法,对交通突发事件影响时间进行预测,再基于交通波理论,对交通突发事件引起的交通波波速、排队长度等给出相应的计算方法和步骤,提出了交通突发事件影响范围的确定方法.通过示例路网计算分析,验证了该方法的可行性和实用性.     

考虑换乘客流的城轨应急接运公交调度优化模型

针对突发运营中断下城市轨道交通与应急接运公交的换乘接续问题,考虑换乘客流的脉冲性特征,提出应急接运公交时刻表和行车计划综合优化模型.首先,分析城市轨道交通与应急接运公交的换乘接续关系,引入乘客容忍度判断接续是否有效.然后,建立双层规划模型,上层为时刻表优化模型,以换乘等车时间和换乘失败人数最小为目标,下层为行车计划优化...     

基于云模型的城市轨道交通应急预案评价

城市轨道交通应急预案是应急机构和人员处理运营突发事件的指南，在应急管理中发挥着极其重要的作用，评价其优劣具有重要意义.为了解决在评价过程中存在评价指标主观性过强及评价结果难以量化等问题，引入CRITIC法和云模型理论，提出了二者耦合的城市轨道交通应急预案评价方法.根据实际情况建立了城市轨道交通应急预案评价指标体系，采用CRITIC法确定了各指标的权重，运用云模型的基本算法生成评价云和结果云，通过云的数字特征和云图比较直观地展现评价结果，得到待评价预案的评价等级.以某城市轨道交通应急预案为例，验证了评价方法的合理性与有效性，为应急预案的评价提供了新的理论依据.     

灰色推陈出新GM(1,1)模型在城市道路交通噪声预测中的应用

以郑州1995～2000年城市道路交通噪声监测的数据,运用灰色系统理论,建立了常规GM(1,1)和推陈出新GM(1,1)预测模型。经用四种不同方法对两种模型的精度进行检验,结果表明,推陈出新GM(1,1)模型优于常规GM(1,1)模型,其精度更高,不失为预测城市道路交通噪声的一种好方法。应用该模型,对郑州城市道路交通噪声未来4年进行预测,其结果符合郑州城市的实际情况。     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于GA-tBP模型的城市道路交通量预测

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量。从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素。以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现。研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error, MSE)及平均绝对误差(mean absolute error, MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性。     

面向非常规突发事件的应对方案序贯决策

针对非常规突发事件具有突发性和不可预测性等特点,在借助救灾专家判断偏好的基础上,应急决策者需要根据阶段性的处理结果和突发事件的演化趋势动态地调整救援方案.首先构建数学模型,详细分析动态博弈框架下应急管理中应急决策者与突发事件之间的序贯博弈过程.通过有限次序贯博弈获取未来应急资源的需求信息,形成资源调度的最优方案,为应急决策人员在突发事件爆发后应急救援资源的调度提供决策支持.最后通过具体的算例分析,探讨了运用序贯博弈模型生成最佳调度预案的方法.     

带专家偏好的非常规突发事件应急预案序贯决策研究

针对非常规突发事件具有突发性和不可预测性等特点,在借助救灾专家判断偏好的基础上,应急决策者需要根据阶段性的处理结果和突发事件的演化趋势动态地调整救援方案。首先构建数学模型,详细分析动态博弈框架下应急管理中应急决策者与突发事件之间的序贯博弈过程。通过有限次序贯博弈获取未来应急资源的需求信息,形成资源调度的最优方案,为应急决策人员在突发事件爆发后应急救援资源的调度提供决策支持。最后通过具体的算例分析,探讨了如何运用序贯博弈模型生成最佳调度预案的方法。     

基于定性动态概率网络的交通状态预测及改进

 交通问题已经成为了制约城市发展的一个主要问题.城市的交通状态是可以预测和加以改进的.有效的交通状态预测在一定程度上能优化交通状态,减少交通堵塞.定性动态概率网络(QDPNs)是目前进行动态地推理不确定知识领域最有效的模型之一.提出了一种基于定性动态概率网络的交通状态预测及改进的方法,该方法从系统的角度对城市的交通状态进行建模,通过推理,能够找到交通问题的症结,以便采取有针对性的措施来解决交通拥堵问题.     

基于多种模型的广西入境旅游游客量预测

根据广西1978—2008年接待入境旅游者人数的统计数据,试运用移动平均法、指数平滑法、自回归法、一元线性回归法、多项式回归法和灰色GM(1,1)法构建相应的预测模型,分别对广西未来6年的入境旅游者人数进行预测.预测结果表明:(1)对于不同时间尺度的入境旅游游客量预测,因不同预测方法的预测误差差异较大,应根据具体情况选择合适的预测模型.(2)采用多种方法建立预测模型进行比较分析,可避免用单一方法的不足,预测到2015年广西的入境旅游者人数分别可达292.21~320.42万人次,在无重大突发事件影响的情况下,广西入境旅游客源市场将继续保持稳定增长的势头.     

面向区域交通状态预测的时空集成模型

在智能交通系统中,交通状态预测发挥着至关重要的作用。针对现有的交通预测方法集中于中微观层面,且时间和空间维度单一的问题,提出了一种面向区域宏观交通状态预测的集成模型。该模型以交通指数为依据,在时间维度上采用时间序列预测方法获得时间预测结果,在空间维度上采用支持向量回归方法获得空间预测结果,并在集成模型中将两者的结果融合。在交通指数云图上的实验结果表明,与单一维度的时间或空间模型相比,该模型能显著提高预测精度。     

缓堵作用下公路突发事件时空影响范围模型

开展区域公路网突发事件影响范围的分析和研究,对突发事件发生后应急措施的制定和效用评估具有重要的现实意义.基于交通波原理,通过对公路突发事件引起的拥堵传播过程的规律和特点进行分析,将拥堵传播过程划分为不同时区.考虑到下游分流和限速措施对不同时区拥堵传播的影响,结合数学分析的方法,设计了 一个公路突发事件的时空影响范围模型...     

基于多目标路径规划的应急资源配置模型

面对日益增加的突发事件,应急资源调度对于快速开展救援工作以及降低社会财产损失具有重要意义.文中建立了一种基于多目标路径规划的应急资源配置模型,可解决应急路径搜索与资源配置两个问题.考虑到突发事件会对道路网络造成较大影响,模型首先以基于BPR(美国联邦公路局)路阻函数的路径行程时间与基于大量历史交通量数据的可靠性为优化目标进行路径规划,综合禁忌搜索与非支配排序获取应急救援路径的Pareto解集,并且通过指标权重确定最优路径;然后在获得最优路径的基础上,基于突发事件级别引入效用系数进行资源配置,最大化总资源利用效益,并基于Lingo软件进行求解;最后在无锡市公路网的历史数据基础上进行了案例分析,验证了所提出模型与解决方法的有效性.     

控制疫情传播的多模式交通收费与补贴政策

从方法论角度提出一种突发公共卫生事件下的交通应急管理方法。第一阶段构建交通分配模型,第二阶段构建双层结构的交通管理模型。数值模拟结果表明：通过调节高铁票价、优化私家车平均载客数和共享出行补贴方案,可有效降低高社交接触频率地区以及高感染风险交通出行方式下的出行总人数。     

基于SSA-LSTM组合模型的城市轨道交通短时客流预测

随着我国经济的快速增长及城市化水平的不断提高，轨道交通在居民出行中发挥着越来越重要的作用。作为影响城市轨道交通运营效益和服务水平的关键因素，客流精准预测受到运营管理者和研究者的日益重视。为提高城市轨道交通客流预测精度，提出了基于麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的SSA-LSTM组合模型。本文以杭州地铁一号线客流量数据为例，在选取轨道交通客流相关影响因素的基础上，利用建立的SSA-LSTM模型对相关站点进行短时客流预测，并与LSTM模型、遗传算法(GA)优化的LSTM模型(GA-LSTM)以及粒子群算法(PSO)优化的LSTM模型(PSO-LSTM)预测结果进行对比分析。结果表明，相比于前述参照模型，SSA-LSTM模型的预测精度分别提升了19.1%、9.7%和2.4%,并在均方根误差指标方面有更优异的表现。SSA-LSTM组合模型在城市轨道交通客流预测中具有一定的应用价值，具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力。     

基于模型预测的快速交通网络路由诱导方法

为了达到均衡城市快速路网交通负荷,提高交通运行效率的目的,提出了模型预测路由诱导控制方法,控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题.采用宏观、确定型的、离散时间、空间、适合基于模型预测交通控制的宏观动态交通模型来构建网络交通过程模型,通过在未来较长的时段内求解每一个控制周期的最优问题来实现反馈控制.仿真实例研究结果表明,模型预测路由诱导控制方法能够考虑时变的交通状态,取得良好的控制效果,可为先进的交通管理系统构建提供依据.     

基于二次指数平滑法和优化Kalman滤波的短时交通组合预测

优化改进传统的Kalman滤波模型,解决预测精度不高且预测滞后的问题.用二次平滑指数法和优化后的Kalman滤波模型两种方法组合对道路断面通过交通量进行短时交通预测,通过平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分析预测结果.实例预测结果表明:当修正因子α=0.5时预测结果较为精确,同时,优化改进后的Kalman滤波模型的预测准确性有所提高.组合预测的两种方法都能够有效地降低预测误差,但按权重组合预测的效果更为明显.     

基于动态交通分配的实时应急疏散交通管理

实施科学有效的应急疏散策略对提高城市交通应急响应能力、节约救援时间和降低灾害带来的生命财产损失具有重要的作用。实时应急疏散交通管理的目的是紧急疏散情况下制定某种目标如疏散时间最短来对交通流实行动态控制。采用动态交通分配方法来进行应急疏散。首先,提出基于疏散时间最短的系统优化交通分配模型。然后运用庞特里亚金最小值定理来获得模型最优解的优化解。仿真算例表明所提出的模型能较好地进行交通应急疏散。     

基于交通环境承载力的城市人口容量预测研究——以太原市为例

城市人口容量研究不仅是城市总体规划的主要内容,对于城市控制性详细规划也起着一定的指导作用。道路交通资源作为承载人口的重要载体,本身具有一定的承载能力。基于交通环境承载力的城市人口容量研究对城市可持续发展有着重要的意义。本文以太原市为例,从道路交通资源承载角度,运用太原市交通模型,以城市交通系统车行道容量估算方法与OD反推两种方法为基底研究手段,结合太原市交通模型开发报告与太原市城市交通发展规划方式划分结果,进行基于交通环境的城市人口容量预测研究,运用此两种模型方法得到太原市规划年极限交通环境承载力条件下的人口容量,对比分析预测结果,论证该模型方法的可行性,并分析两种预测方法的适用性。