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.      

高速公路交通流宏观模型的分段辨识算法

分别采用ＲＢＦ神经网络和最小二乘法对高速公路交通流宏观模型进行分段辨识，成功地解决了该模型辨识的工程化问题，并与传统的复合形法进行了比较，仿真效果令人满意。     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同.本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数.根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据,进行了对个别路段的状态评估.实证分析结果表明:在交通流状态判别过程中,密度是最关键的参数:基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据.     

突发事件下交通流密集水域通航系统的脆点辨识

为提高交通流密集水域通航系统对突发事件的抵抗能力,文中提出一种基于不同攻击策略的通航系统脆点辨识方法.首先,基于原点映射法对交通流密集水域通航系统的拓扑结构进行建模,并分析该系统的网络拓扑统计特征.在此基础上,通过对比分析不同攻击策略下交通流密集水域全局网络效率的变化情况对该系统的脆点进行辨识.最后,以长江入海口为例,针对交通流密集水域通航系统的脆点辨识开展案例研究.结果表明:运用复杂网络方法辨识交通流密集水域通航系统的脆点,并在不同攻击策略下对通航系统的节点与边的脆点进行分析,能有效识别影响船舶通航系统可靠性的关键脆点.通过对辨识出的关键节点和航线的通航风险进行有效预控,有利于降低整个通航系统的脆弱性.     

宏观交通流模型的自适应迭代学习辨识策略

城市路网交通流系统具有很强的随机性和时变性,单一固定的交通流模型难以准确地描述城市路网的实际运行情况,在考虑交通流稳态和动态特性的基础上,提出了一种含有未知时变多参数的非线性宏观交通流模型,并针对交通流固有的重复性特征,设计了一种时变多参数的自适应迭代学习辨识策略。在有限时间区间内,利用迭代学习辨识策略将参数辨识问题转化为最优跟踪控制问题,使交叉口各进口道的排队车辆数均趋于真实值,利用去伪算法的实时自适应能力调整迭代学习辨识策略的学习律增益,提高辨识策略的抗干扰能力。通过严格的数学理论推导证明了该算法的收敛性,最后采用基于模型的控制方法进行仿真实验,进一步验证了该方法的有效性。     

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%.     

前车刹车状态对交通流的影响

在交通流BJH模型基础上,考虑前车刹车状态对车流行为的影响,提出改进后的交通流BJH模型．模拟结果表明,在道路车辆密集程度不太大时,前车减速刹车是时断时续的影响车流;当道路车辆密集时,密度超过转捩点密度时,平均车间距小于安全车距,驾驶员对前车刹车的行为将作出刹车反应,这样导致了交通阻塞．计算机数值模拟反映了接近实测的交通通行能力以及交通的崩溃．     

交通流在间歇流状态下的概率变点模型

以往研究交通流突变点的算法,大部分忽略了对交通流关键参数量变模式的辨识.依据交通流理论,结合非参数变点统计方法,以在淄博市华光路采集的间歇流数据为例,建立了对交通流模式量变识别的负二项分布概率变点模型,对交通流变点存在与否进行假设检验,并对变点发生（时间）位置的搜索算法作了详细研究,最后结合实际数据对累计次数法进行了标...     

应用支持向量机的交通流状态预测方法研究

支持向量机（support vector machine,sVM）是近年来出现的立足于统计学习理论（statislical learning theory,SLT）的VC维理论和结构风险最小化原则基础上的机器学习方法,在数据挖掘及分类中具有特点和优越性．为了提高交通流状态预测的精度及效率,研究支持向量机应用于数据泛化及分类的方法,并建立模型,在实测数据的基础上进行交通流状态的判定及预测．实验结果表明该方法学习及预测速度快、效率高,并且误差可控,具有较高的精确度（本文中实例精度高于95％）,应用前景广泛．     

一种交通流状态分析模型

从经典的车辆跟驰模型出发，考虑车流的宏观特征，提出了可以定量描述路段交通流速度与密度关系的理论计算模型，经过与Del Castillo等提出的典型的平衡速度、密度关系图的对比，验证了该模型的正确性，与Blunden等提出的流量、行程时间关系模型进行比较，从理论上说明了该模型的优越性．提出了“交通流健康、不健康状态”的概念，并给出了定量的区分标准，进一步说明了该模型的理论意义和实用价值。     

基于K-means的空中交通流模式识别

空域系统容量与空中交通态势密切相关。对空中交通态势的精确把握可有效降低当前大流量情况下的空域系统压力、提高管制员有效决策水平。提出了一种基于K-means聚类方法的空中交通流识别方法,有助于清晰把握空中交通整体态势。首先分析了空中交通流特性,然后根据雷达数据统计了主要航段在15 min内飞机架次,聚类识别为多种交通流模式,最后通过计算时段内所有飞机在扇区的总飞行时间,验证了该方法的有效性。     

基于交通噪声分析的交通流状态识别方法

车辆行驶时的声音主要由发动机噪声、轮胎噪声、空气涡流噪声、排气噪声组成,多个车辆构成的交通噪声取决于道路的交通流状态.在分析现有交通状态识别方法和车辆声音特性的基础上提出了一种利用交通噪声的交通状态识别方法.按照车速将交通流分为自由流、饱和流和交通拥堵3种状态,对不同交通流状态下的交通噪声信号进行谱分析,以归一化的峰值频率作为特征,用支持向量机对不同的交通流状态进行识别.试验结果表明,通过交通噪声能够正确识别不同的交通流状态,具有较高的识别精度.     

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SVM的电梯群控系统交通流模式识别

针对电梯群控调度中的交通流模式识别问题,提出了一种基于多值分类支持向量机的电梯交通流模式识别方法．文中介绍了电梯交通流模式识别的设计流程,并建立了相应的电梯交通流模式识别器．结果表明,基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式．通过对比试验,证明了该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,具有一定的实用价值.     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.     

基于交通信息提取的区域交通状态判别方法

为了准确判别区域路网的交通状态,提出了基于交通信息提取的区域交通状态判别方法．在分析区域路网交通流宏观特性的基础上,结合区域路网的拓扑结构与交通流特征,提出区域交通状态判别指标体系,并基于可拓学建立了区域交通状态判别模型．以一个主干道区域路网为例,验证了路网交通状态判别方法的有效性．该交通状态判别方法可应用于在线交通状态分析和历史数据库交通运行特征的提取,为交通管理决策提供了基础信息．     

色灯下的交通流模型与特征线的研究

用偏微分方程的方法给出交通流模型和色灯控制下的特征线,结合实际实验数据科学地解决十字路口在交通流较大时应人为地改变色灯的转换周期,从而解决了城市的交通问题,达到了节约能源和改善环境的目的.     

城市交通系统降维状态判别规则

城市交通流是一个复杂多变、非线性、非结构化、时空变化的随机大系统。目前常用的固定阈值评价方法无法全面判别交通系统运行状态。随着我国智能交通系统的建设规模不断扩大,急需寻找一种适合我国城市交通流混合现象严重的、符合交通流运动机理的交通状态判别模型。本文在研究混合交通流的多维交通状态变量的基础上,利用粗糙集理论,建立四维状态判别模型,通过数据离散和属性约简得到二维决策表,提出一种城市交通系统降维状态判别规则,并以实例说明其能够有效剔除系统冗余信息,提高挖掘规则的精度。