一种新的交通流混沌实时判定方法

对交通流进行混沌判别,可以为实际交通流的预测和控制提供理论指导。由于在一个控制周期内只能获得很少量的数据,交通流时间序列的样本数受到限制,只能采用小数据量的混沌判别方法,然而单独利用改进型小数据量法判别混沌可能出现误判,因此,本文把改进型小数据量法和改进型替代数据法结合起来,既利用了小数据量法计算简单、抗噪性好、所需数据量少等优点,又利用了替代数据法的严密性避免误判。介绍了方法的原理步骤,对理论交通流和实际交通流的时间序列进行了实证研究。结果表明,该方法能对交通流混沌现象进行准确判别,并可用于实时判定。     

利用0-1测试快速识别交通流时间序列中的混沌

交通流时间序列混沌识别的方法主要有最大Lyapunov指数法、关联维数法和替代数据等方法,但这些方法需要对交通流时间序列进行相空间重构。引入一种新的判别交通流时间序列混沌特性的方法——0-1测试方法,该方法不需要对时间序列进行相空间重构,因而方便对交通流时间序列中的混沌现象进行快速检测。首先利用Logistic映射产生的时间序列对该方法的有效性进行了检验,随后又选用两组不同的实测交通流时间序列利用0-1测试进行了混沌检验。研究结果表明:在两组交通流时间序列中都存在混沌成分,而在其中一组数据中还存在随机成分。     

交通流时间序列中混沌特性判定的替代数据方法

替代数据方法是判定时间序列中是否具有混沌特性的一种有效方法，本文介绍了该方法中一种基于关联维数的混沌判据。并将该方法应用于１５分钟和５分钟采样周期的实测交通流时间序列中，计算结果表明交通序列中含有混沌特性。     

一种新的交通流混沌实时快速识别方法

交通控制的实时性要求高,需要实时快速判定交通流混沌才可以实现交通流的混沌控制。由于在一个控制周期内只能获得很少量数据,交通流时间序列的样本数受到限制。然而现有的混沌识别方法由于要求样本量大,无法满足实时性要求。基于GM(1,1)模型的混沌特性提出一种新的实时快速识别交通流混沌的方法,可以在混沌之初检测到混沌。并通过理论交通流时间序列、实测交通流时间序列进行了实证分析。结果表明:只需至少4个样本点就可以在混沌产生之初精确地检测到混沌,可以很好地满足混沌检测实时性的要求。     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

病人流的非线性特征实证分析

通过对实测病人流进行非线性判别,可以为实际病人流的预测和控制提供理论指导。替代数据检验和功率谱分析是判定时间序列中是否具有非线性特性的有效方法。以时间可逆性作为非线性判据,结合功率谱分析对实测病人流的时间序列进行了非线性判别。实证结果表明,病人流在不同的时间尺度下均具有非线性特征,可以用粉红噪声刻画,并具有反持续性,及均值回复特征。     

城市与高速公路交通流复杂度的测度及比较

为实现短序列条件下交通流系统的可比化度量，引入非线性动力学中Lempel-Ziv算法、近似熵、统计复杂度等方法。通过分析14个实测城市和6个实测高速公路的交通流时间序列数据，研究不同条件下交通流复杂度的异同，得出结论：城市和高速公路交通流的复杂度都比较高；三种方法都可以解决传统刻画方法的“短序列、可比较”难题，能够应用于交通流系统的复杂性测度；城市交通流系统比高速公路交通流系统复杂。     

应用改进型小数据量法计算交通流的最大Lyapunov 指数

最大Lyapunov指数是非线性系统的一个非常重要的特征量.微观仿真交通流具有典型的非线性,计算交通流的最大Lyapunov指数对研究交通流的非线性特征具有重要意义.通过用虚假临界点法计算嵌入维数可以使小数据量法更加完善.首先应用改进型小数据量法计算几个典型的非线性系统的最大Lyapunov指数,验证算法结果的准确性.然后再用此方法首次对Bierley跟驰模型产生的微观仿真交通流和微观实测车流的时间序列进行实证分析.结果表明,该方法能较准确的计算出最大Lyapunov指数,可以作为研究交通流非线性特征的定量方法.     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

基于混沌判据评价几类跟驰模型合理性的仿真研究

提出了一种评价交通流理论模型合理性的新方法:用交通流理论模型产生时间序列,计算这些时间序列的最大李雅普诺夫指数,用最大李雅普诺夫指数可以判断仿真交通流是否再现了交通流存在的混沌现象,以及反映的程度如何,进而评价交通流理论模型的合理性.文章介绍了方法的原理,给出了对伽赛斯-赫尔曼-伯兹(Gazis-Herman-Potts)模型;皮埃莱(Bierley)模型;洛克威尔-特莱德勒(Rock-well-Treiterer)模型三类典型的跟驰模型仿真实验的结果.分析了仿真结果,得出了有用的结论.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

跟驰模型的交通流混沌转化现象的仿真

用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流.在一定参数组合情况下,仿真研究交通流车队中前后车辆的车头间距变化过程.通过分析这种车头间距的变化曲线,可以明显地观察到混沌吸引子的存在,说明基于跟驰模型产生的交通流存在混沌现象,从相图中清楚地观察到了交通流混沌运动和有序运动之间的转化过程.结合交通流的实际情况,对仿真结果作了分析,最后得出对于研究与应用交通流理论的有益结论.     

基于Hough变换的交通流状态辨别方法

交通流状态辨别在智能交通系统中起着十分重要的作用。本文根据对交通流状态辨别研究的分析,提出基于Hough变换方法和模糊C均值聚类方法的交通状态辨别方法。其中,基于Hough变换的图像识别方法用于交通畅通流的辨别,模糊C均值聚类方法用于其它交通状态分类。而且利用快速路固定型交通检测器实时数据进行了实证分析,且与模糊C均值聚类方法进行了对比分析。分析结果表明本文方法与FCM方法相比,更符合于三相交通流理论,且满足城市快速路交通流的特征。该方法可用于交通流状态分析。     

仿真交通流混沌特性研究

基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据.     

基于跟驰模型的交通流混沌研究

研究基于跟驰模型的交通混沌问题。用Matlab软件编制皮埃莱(Bierley)模型来产生交通流；在一定的参数组合下，仿真研究交通流车队中不同序号的前后车辆之间的车头间距的变化过程；通过分析这种车头间距的变化过程的变化曲线和绘制庞加莱(Poincare)截面图，说明基于跟驰模型产生的交通流存在着混沌现象；讨论模型参数和仿真试验参数对该理论交通流运动的影响，给出相应的仿真研究结果；最后得出对于研究与应用交通流理论有益的结论。