高速公路交通流RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上,针对在不同环境以及时变系统中对复杂非线性大系统的控制,提出了一种改进的快速ＲＢＦ神经网络算法对交通流进行建模,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷,该算法是采用ＡＰＣ－Ⅲ单路径矛类算法确定ＲＢＦ神经网络结构参数的一种快速ＲＢＦ神经网络算法,网络训练速度快,效果良好,对实现交通流的在线建模与控制有重要意义,文中进行了计算机仿真研究,     

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。     

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 ,结果表明了方法的有效性     

高速公路交通流宏观模型的一种分类辨识算法

高速公路交通流模型是一个高阶非线性时变系统 ,这使得该模型的辨识问题成为一个非常困难的问题。简要介绍了模型及其中各参数的含义 ,在对模型参数加以分析、讨论的基础上将其分类并分别采用径向基函数 (RBF)神经网络和最小二乘法对模型的参数进行分类辨识 ,成功地解决了该模型辨识的工程化问题。通过与传统的复合形法的辨识结果进行比较 ,该方法的辨识精度和速度均明显提高 ,仿真效果令人满意     

神经网络模型在短期交通流预测领域应用综述

对基于神经网络的预测模型和方法的研究进行了综述,基于神经网络模型用于短期交通流预测的优点和固有缺陷,认为多种神经网络相结合的混合模型比单一的神经网络模型的预测效果要好,而将神经网络模型与其他领域的研究相结合的综合模型的预测效果要好于混合模型。因此,神经网络与各相关学科的人工智能技术有机结合将会形成强大的综合优势,更有效地用于短期交通流预测研究。     

基于交通流仿真和神经网络模型的交叉口流量预测研究

交叉口是道路交通的关键节点,其流量数据具有明显的非线性特征.本文提出一个两阶段预测模型对交叉口交通流特征进行预测.首先,通过交通流仿真技术对各交叉口进行仿真,并获得仿真流量,然后通过神经网络训练,预测交叉口各流向的交通流量.通过两个阶段不断迭代,校正构建具有高精度、泛化性能强的预测模型.最后,选取贵阳市31个具有代表性的交叉口的流量调查数据作为样本数据,将其中18个交叉口的仿真预测流量和实际观测流量作为神经网络模型的输入/输出因子,通过训练构建神经网络模型并验证模型的有效性.之后,将剩余交叉口的仿真流量数据作为模型的输入,模型输出数据即为修正的交叉口进口道的交通流量分布特征数据.结果表明:该方法具有数据收敛速度快,运算量小等特点,对于交叉口流量数据的预测具有很好的适用性.     

一种高速公路隧道交通流元胞自动机模型

针对高速公路隧道交通瓶颈,通过分析高速公路隧道区域通行环境特性,研究车辆行驶在高速公路隧道路段时的换车道、加速、减速等微观交通现象,在双车道元胞自动机模型STCA模型基础上,引入车辆速度控制条件和车道控制条件,提出了一种高速公路隧道交通瓶颈元胞自动机模型,分析了不同长度高速公路隧道对区域路段交通流的影响。研究结果表明：建立的模型能够模拟车辆在高速公路隧道区域的时空变化特征;高速公路隧道瓶颈会对紧邻瓶颈下游的特定长度路段的交通流产生缓冲作用;隧道路段区域的最大流量以及平均车速与无隧道路段区域相比,将会随着隧道长度的增加而逐渐降低。     

动态交通流分配模型

为了构造更先进的动态交通流分配模型,针对城市道路上车流的速度和密度特性,利用Green-shields速度密度关系对元胞传输模型进行了优化改进。改进后的模型能较好地模拟城市道路上交通流的运行特性,且在保证计算精度的同时,降低了算法的计算复杂度。算例结果表明,该模型可以出色地再现路段上时变的交通流,使乘客在任意节点都能获得当时交通条件下到达终点的最短路径,从而实现其交通分析与诱导功能。     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

自行车交通流基本模型

本文把自行车流的密度，流率及速度三参数按观测法和定义法的不同划分为四种概念体系：断面时段概念，区域时段概念，区域瞬时概念和断面瞬时概念，然后分别论证了各种概念体系下的自行车流基本模型。     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有...     

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.     

高速公路网络交通突发事件辐射范围预测模型

在传统密闭道路集散波模型的基础上,提出了考虑汇入汇出匝道及衔接道路的路网事件辐射范围预测模型.该模型根据事件持续时间各阶段产生的集散波传播参数的不同,描述了在各列集散波相互作用下,事件造成的偶发性交通拥堵对路网范围交通流辐射影响的六种情况,并推导出了每种情况下的影响长度计算公式.然后,以面向对象的编程思路,构造了集散波类并模拟集散波在路网中的辐射过程,并通过渲染GIS地图来展示事件辐射态势.最后,利用AIMSUN交通仿真技术,检验了辐射预测模型的有效性,并进行了预测误差的致因分析.     

基于混沌理论的高速公路交通流预测研究

对衡枣高速公路短时交通流进行了混沌识别,结果表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的高速公路交通流神经网络模型,实际数据验证了该方法对短时交通流预测的有效性.     

基于PID神经网络的快速路入口匝道控制

鉴于神经网络具有良好的非线性特性,学习能力以及自适应能力,本文将神经网络控制与快速路入口匝道控制结合起来,提出了一种基于PID神经网络的入口匝道的协调控制方法。仿真结果表明,较之于ALINEA控制,该方法能更好地稳定快速路的主线交通流密度。     

基于神经网络的车辆交通协调性评价模型

为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响。研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%。由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价。在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果。在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度。因此...     

环城高速公路双方向交通模型与自校正控制

以辽宁省高速公路问题为实际背景,建立了环城高速公路入口匝道处双方向放行交通模型;针对环城公路双方向控制问题,提出了任意维输入及其设定的自校正控制算法,并进行了预案仿真。