基于交通波理论的交通流模型

针对城市道路中非港湾式停靠站,公交车辆的停靠、超车对路段相邻车道机动车辆的交通流产生一定影响,结合交通波理论,建立了公交占用社会车道的交通流模型。该模型利用每小时社会车辆排队总数和拥堵总延误等指标来描述公交车对其他车辆交通流的影响。通过实例对模型进行验证,结果表明交通波理论对描述路段公交借用邻道机动车道行为有较强实用性。     

城市区域交叉口交通信号的模糊控制与仿真

基于模糊控制的智能控制技术,以降低车辆的平均延误为目标,提出了一种区域交叉口两级模糊控制模型。其中第一级为检测级,检测对应相位的紧迫度;第二级为决策级,决策是否发生相位转换。并且考虑到了正常和非正常两种交通状态,设计了相应的控制规则。仿真结果表明,与传统的定时控制相比,所设计的模糊控制规则能够有效减少车辆的平均等待时间,并提高了车辆的平均通行效率。     

一类新的交通流跟驰模型的倍周期分岔与混沌

为了分析交通流混沌的转化机理,建立了一类新的交通流跟驰模型,并分析了模型的动力学行为.数值模拟结果表明,在这一新的跟驰模型产生的交通流中存在倍周期分岔和混沌.而且系统在经过倍周期分岔进入混沌的过程中,存在跳跃现象,特别是在某些参数下,存在跳跃现象的倍周期分岔还具有一定的周期性,是首次得到的结果.     

公交停靠站对混合交通流影响分析

在我国城市交通中,常规公交和社会车辆混行的矛盾长期存在。在混行路段,公交站点的运行在很大程度上会影响到交通流畅通与否。通过对港湾式车站和非港湾式车站两种设置方式下附近复杂交通流特性进行研究,总结两种停靠站的车流冲突,提出适合不同情况的公交车站布置方式。     

基于GIS的城市交通流模拟与决策分析

以赣州市章贡区主街道为例,结合GIS技术研究城市道路交通流模拟及决策分析,采用数据库中的存储过程技术处理海量交通流信息与GIS信息等数据表的多表连接,实现高效率信息查询,并融合GIS专题地图技术和数据库技术,耦合ArcEngine组件实现车辆最优路径选择,路况信息的实时显示等,为出行提供决策。     

基于流分析的交通事故对通行能力的模型研究

针对目前交通事故对道路通行影响较大的情况,假设在3车道通行道路上,在因交通事故发生而占据了不同的2条车道的情况下,基于交通流数学模型针对道路通行能力影响进行定量分析。引入交通流模型,结合事故合理假设,分析事故横断面实际通行能力,借助交通事故影响下的车流波模型,最终建立起车辆排队长度与车辆密度、车辆通行能力和速度三个因素的关系模型,通过分析相应数据,对所建模型的正确性进行验证,为开发城市紧急救援系统提供了理论依据。     

一般多值双向联想记忆模型及其在IP地址识别中的应用

通过引入模式相似度的概念,给出了一个一般的多值双向联想记忆模型.该模型囊括了Wang的指数式多值双向联想记忆(Mv-eBAM)以及多项式多值双向联想记忆(PBHC),并衍生出几种新的多值双向联想记忆模型,即正切联想记忆(HTBAM)和柯西联想记忆等.其中侧重对比讨论了HTBAM和Wang的PBHC模型,模拟结果显示HTBAM具有和PBHC相当的存储容量,且纠错性能显著提高.最后利用此性能,将HTBAM用于IP地址识别中,给出了一种新颖的联想IP路由查找方法.     

隧道路况实时监测系统

高速公路隧道交通事故发生的概率主要受人为因素、隧道环境因素和管理因素综合影响。通过对隧道交通事故致因的分析,建立车辆线性跟驰模型并进行推演分析,试通过缩短驾驶员的反应时间或者降低敏感度的方式,降低隧道追尾事故发生概率。同时,试建立一种面向车辆驾驶员和隧道管理单位的交通流信息管理与提示系统,提醒驾驶员及时规避,以缩短驾驶员的反应时间,降低交通事故发生概率。     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

基于元胞自动机教学楼层人员疏散行为的研究

突发事件中的人员紧急疏散一直是疏散行为的一个研究重点分支.在基于基本的元胞自动机模型的基础上,把教学楼层突发事件中人员的疏散规则建立成一个多出口双向人流的单格子元胞自动机模型,在原来单格子元胞自动机的特征上加入障碍物以及多个出口,每个出口对同一个人都有不同的吸引力.人在移动的过程中会视其吸引力的大小改变目标而形成双向人流.在教学楼紧急出口的模拟中通过加入多出口对人们的吸引力去判断人们在疏散过程中对多出口的动态选择,采用了优先矩阵和引入＂势能场＂的方法模拟逃生人员在教学楼层公共安全疏散过程中对路径的选择,研究表明,多出口的动态选择对人们在教学楼层公共安全中的疏散及其行为提供了很多参考依据.     

基于改进CNN-LSTM组合模型的分时段短时交通流预测

针对现有预测模型不能充分提取交通流时空特征的问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络的短时交通流预测方法.首先,采用分层提取方法使设计的网络结构和一维卷积核函数自动提取交通流序列的...     

轨道交通网络平台的网络外部性对客流的影响研究

轨道交通网络能吸引路网上的客流，因此可以缓解交通拥堵和环境污染等城市问题。采用效用函数构建平台客流模型，并从网络平台视角刻画轨道交通网络平台的客流状态。追踪中国上海相关数据，运用普通最小二乘法、工具变量法——二阶段最小二乘法、异质性分析、稳健性检验等处理方式，对比分析直接网络外部性效应与交叉网络外部性效应，实证检验直接网络外部性与交叉网络外部性对平台上的客流影响。结果显示：增加站点数量对乘客选择轨道交通出行的意愿影响有限；上海轨道交通网络平台的客流规模超过平台自身的最佳荷载量，导致乘客数量源源不断地流失。     

基于STIRPAT模型北京市交通碳排放影响因素研究

随着经济的不断发展,交通碳排放已经成为了城市碳排放的主要来源之一,引起了极大关注。现有研究主要集中在国家层面,而对于市级层面的交通研究较少。为了深入探究影响市级单位交通碳排放的因素,缓解交通业所带来的环境和能源压力,研究引入新变量能源价格,通过构建STIRPAT模型,采用PLS分析方法分析了1997—2014年北京市交通碳排放的影响因素。结果显示,经济发展与人口规模的扩张是影响北京市交通碳排放的主要驱动因素,能源价格的提高对交通碳排放有明显的抑制作用,民用汽车拥有量、客运周转量和货运周转量的上升使得交通碳排放显著增加,而能源强度的提高对降低碳排放的影响较小。基于以上分析结果,对降低北京市交通碳排放提出合理化政策建议。     

基于贝叶斯网络的Peer-to-Peer识别方法

网络业务分类与识别是网络管理、网络规划和安全的必要途径,而Peer-to-Peer (P2P)流量由于采用伪装端口、动态端口以及应用层加密,已成为业务分类与识别的主要难点. 该文提出了P2P业务的精确识别方法,通过对流统计特性的分析,提取相关特征属性,应用遗传算法选取最优特征属性子集,并采用贝叶斯网络机器学习方法识别P2P流量. 实验表明Ｋ2,TAN和BAN能有效快速地识别P2P业务,分类精度高达95%以上,很大程度上优于朴素贝叶斯分类和BP神经网络方法. 同时该系统具有可扩展性,能够识别未知的P2P流量,并适用于实时分类识别环境.     

具有周期起伏业务流的电信系统的分析

由于通信业务的不断扩展,迫切需要展开对非平稳业务流的分析.该文将传统的处理平稳业务流的方法推广为能处理周期性起伏业务流的新方法.     

脉冲式活性污泥工艺初步研究——改连续流活性污泥法为间歇运行

提出了改传统连续流方法为间歇运行——脉冲式活性污泥工艺.在不曾加任何设施的情况下,运用该工艺可以消除传统连续流方法存在的污泥膨胀的二个关键起因,并能在合适的工艺条件下保持系统稳定运行。研究还表明,该工艺的主要影响因素为脉冲投水时间、充水有机负荷、平均有机负荷和水力负荷。