船舶交通流的流体模型

基于流体动力学的交流流通理论，提出了船舶交通的流体模型，并进行了实例研究，对船舶交通在确保安全的前提下如何提高交通效率进行了探讨，得出了船舶交通流的流体模型，从一个侧面明确了船舶交通效率的量化问题。     

内河航道船舶交通流研究

本文在分析内河船舶航行特点的基础上,应用水流阻力和船舶制动距离计算公式,提出了平原地区内河航道船舶跟驰的安全间距模型,并以双向单航道直线段基本航段和500 t级典型内河船舶为研究背景,建立了基于Anylogic平台的仿真模型。交通流理论结合仿真结果,给出了船舶交通流的基本图模式,分析了水流对交通流的影响以及船舶交通流基本图的特征。     

基于注意力机制的CNN-GRU船舶交通流预测模型

为更准确地预测内河船舶交通流,提出基于注意力机制的CNN-GRU船舶交通流预测模型。该模型主要借助一维卷积单元提取数据的高维特征,GRU单元学习数据中的时序特征,并通过引入注意力机制加强重要特征的学习,实现对超长序列的学习。此外,通过分析内河上下游航道交通流间的关联性,提取长江中下游6个航段的船舶AIS数据,构造多航段船舶交通流序列数据集,并将其输入本文模型中进行训练及测试。结果表明：相比序列预测模型中的SAE、LSTM、GRU、CNN+GRU和GRU+Attention,本文模型在针对不同交通流参数的预测中均具有更高的预测精度,交通流量、交通流密度和交通流速度的预测精度分别达到95.42%、97.33%、94.99%,可更好地满足工程应用需求。     

交通流预测网格自适应负载平衡研究

交通流预测从理论研究到投入实际应用,需要满足大规模路网交通流预测对计算资源的需求,同时能以较低的代价使用这些资源,网格技术提供了这种可能性。但是网格是一个动态共享的环境,负载失衡会使得交通流预测的实时性无法得到保障。由于路网交通流预测任务是由一组不断被执行的相互独立任务组成的。提出了一种结合网格节点动态负载信息与任务执行时间反馈的自适应网格负载平衡算法,根据系统负载变化来分配任务到各个主机,同时根据各个节点上任务执行时间的差距来调节各个节点的负载。并且在此算法的基础上构建了大规模路网的交通流预测网格系统,验证了算法在实际运用中的可行性。     

基于OD船舶交通模拟的研究

根据船舶交通工程方法论研究交通流的生成与发展规律以及交通网络的时空分布，提出了基于ＯＤ的船舶交通流模型，并对船舶交通进行模拟，运用电子海图新技术，实现了船舶交通动态显示，开发研究了一个基于Ｗｉｎｄｏｗｓ ９５／ＷｉｎｄｏｗＮＴ的船舶交通模拟软件包。     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数...     

基于视频图像处理的交通流检测方法

针对视频交通流的特点，提出了一种无需进行视场标定的交通流检测方法。该方法选用检测线上的点及其近似点作为检测区域，通过对背景模板上检测区域中的突变点的分析和统计，可以实时地检测车辆的驶入、存在和驶出，提高了检测速度。在此基础上，设计和实现了视频交通流信息采集系统，并用软件实现检测算法和图像处理算法。试验结果表明，其检测速度和检测精度都能够满足实际要求，达到了用最小的系统规模实现交通流信息采集的目的，能够为交通管理与控制提供信息数据。     

基于交通流模型的城市快速路交通流特性分析——以北京、洛杉矶为例

为了更好地掌握城市快速路交通流的运行规律,以北京西三环和洛杉矶I405两条交通廊道为研究对象,收集路段检测器数据,通过对交通流数据使用时序分析和交通流模型拟合方法,从时间-空间及交通流原理上分析交通流的时空特性和拥堵基本规律,并用模型拟合方法对道路交通流速度-流量-密度进行分析,获得道路运行状态的关键参数。结果表明：北京西三环廊道与洛杉矶I405廊道自由流速度基本一致,但发生拥堵时的临界速度差值较大,分别为29 km/h和44 km/h;北京西三环交通瓶颈处的实际通行能力明显低于洛杉矶I405交通瓶颈,实际通行能力分别为1 245 veh/h/ln和1 464 veh/h/ln,差值为219 veh/h/ln。选定Pipes、Van Aerde和S3交通流模型并对模型进一步推导得到通行能力计算公式,利用实测数据对交通流模型进行拟合,并对三种交通流模型的使用范围进行对比分析,结果表明：S3模型较其他两种模型的拟合效果较好,此外,Van Aerde模型也适用于描述北京西三环交通流运行特征。可见,所提出的基于模型拟合的城市快速路交通流运行特征分析方法能够掌握城市快速路运行规律,提取交通流运行...     

基于GA-Elman神经网络的交通流短时预测方法

以单断面的交通流量为研究对象,采用动态Elman神经网络进行短时交通流量的预测,提出一种基于GA-Elman神经网络的交通流短时预测方法.该方法通过遗传算法优化Elman神经网络的权值和阈值,克服了Elman神经网络易陷入局部最小的缺陷,同时提高了Elman神经网络的泛化能力和预测精度.实验仿真表明,本文方法可用于城市快速路上预测实时交通流量,预测效果优于Elman、GA-BP预测模型.     

基于交通指数云图的宏观交通流分析方法综述

基于交通流分析在智能交通研究和应用中的重要性,聚焦路网交通流分析方法的回顾,综述了宏观尺度的路网交通流分析方法的研究现状.从微观、中观、宏观3个方面梳理了交通流分析方法的基本类型;重点阐述了宏观交通流分析中的交通拥堵指数的基本概念及其计算方法;随后基于交通拥堵指数提出交通指数云图的概念;最后对基于交通指数云图的路网交通流分析进行了讨论,并对其发展和应用前景进行了展望.     

交通流的红绿灯模型

首先引入几个描述交通流的基本函数，接着在交通流连续运动和时断的情况下，分别建立了连续和间断的交通流模型，在此基础上根据微分方程建立红绿下的交通流模型，分析在不同时刻公路上交通流的变化，据此画出在红绿灯模型下的车流密度变化过程，并给出了交通流的红绿灯模型在十字路口的应用．     

基于Elman神经网络的交通流量预测方法

交通流诱导系统是智能交通系统领域中一项重要的研究内容,而交通流量的预测问题则是交通流诱导系统的核心问题.因此,能够实时准确地预测交通流量成为诱导系统是否能够有效实现的关健问题.根据交通流的特性,分析交通数据采集过程中错误数据产生的原因,提出相应的处理方法,并在此基础上采用Elman神经网络对智能交通系统的流量预测进行建模.该系统采用C#并结合Matlab进行开发,通过Elman神经网络算法实现流量的预测,并采用图表的方式直观地显示预测结果.应用结果表明:该方法可以有效地对交通流量进行预测,且预测精度可以满足实际交通诱导的需要.     

基于二维元胞自动机的交通流模拟分析

BML模型是专门用于模拟分析交通现象的二维元胞自动机模型,采用JAVA语言实现此模型并利用此模型模拟交通流,分析平均密度和平均速度等参数关系,研究交通流的相变和自组织特性,同时对BML模型改进,模拟红绿灯周期变化下的交通流,探求更有价值的研究和应用.     

基于人工免疫聚类算法的电梯交通流分析

采用人工免疫聚类算法对某大楼一周内的电梯交通流进行了分析．利用人工免疫算法的免疫激励和免疫抑制机制，对电梯交通的5分钟原始客流数据进行压缩，得到了特点鲜明的电梯交通流人工免疫记忆数据集．以最小支撑树为工具，采用最短距离法对记忆数据集进行分类，所得结果清晰地体现了电梯交通流的实际特性．该算法为电梯群的控制与调度提供了有力的理论支持．     

基于细胞自动机理论的交通流模拟模型

以细胞自动机理论为基础,结合我国城市道路情况及交通流特性,把车辆在路段上运动的变化规律表述为细胞自动机的演变规则,建立了基于细胞自动机理论的交通流模型,标定了细胞长度和最大速度等参数,继而提出了反映车辆在路段上自由驶、跟驰行驶和减速行驶等交通行为的细胞自动机规则,并对各种规则进行了详细说明。     

基于空中交通流的空中交通网络拥挤程度评估

为解决空中交通流量日益增多导致的空中交通拥挤和拥堵问题,本文从空中交通流角度出发,区分空中交通拥挤和拥堵,通过建立拥挤程度评估模型来评估空中交通网络中拥挤程度。首先从容量和流量的角度区分并界定空中交通拥挤和拥堵的概念,同时借鉴道路交通思想,将空中交通分为畅通、正常、拥挤和拥堵四种状态。然后从空中交通流角度分析判定空中交通拥挤,提出拥挤状态门限区间,建立多种情况下的空中交通拥挤评估模型。最后引用某大型繁忙机场某时段的航班数据作为算例。结果表明,所建立模型可以用来评估空中交通网络拥挤程度。     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

基于现实与虚拟交互的交通流再现实验方法

面向连续与间断交通流实验系统框架,利用现实交通流的观测数据,在实验框架的虚拟环境中建立交通流的非参数模型,通过虚拟框架的贝叶斯学习再现与现实等价的实验交通流.选取更为复杂的信号控制交通流场景对该实验方法进行验证.结果表明,该方法在一定精度内可以近似再现信号控制交通流.