An improved BP artificial neural network algorithm for urban traffic flow intelligent prediction

The traffic flow is interrelated to traffic congestion, the big traffic flow directly results in traffic congestion of some section. In this paper, on the basis of the research of overseas traffic accident, considering the characteristic of Chinese traffic, artificial neural network was used to predict traffic accident, and an improved BP artificial neural network model according with Chinese the situation of a country was proposed. The urban traffic flow prediction was simulated under the particular situation, the simulation result shows that the improved BP artificial neural network can fit the urban traffic flow prediction very well and have high performance.     

交叉口多相位神经网络智能控制

针对城市交叉口交通流的特点和普遍存在的拥挤问题，以F-B配时理论为基础，提出了一种基于神经网络的交叉口多相位智能控制，并以镇江市大市口为例，在调查了大量的交通流数据的基础上，描述了建立网络的方法，给出了学习算法，仿真结果表明，该神经网络控制器具有良好的学习和泛化能力，实时性良好．     

基于人工神经网络城市交通流量智能预测的研究

通过对我国目前城市交通情况的分析．说明交通拥挤和流量大小息息相关，因此对城市交通流量进行预测具有重要的意义。目前应用于城市交通流量智能预测的人工神经网络模型主要有线性网络、BP网络、反馈网络等。经过综合分析而采用了线性网络对城市交通流量进行预测，其优点主要表现在结构简单，实用方便，反应速度快，实时性强。根据城市交通的具体情况，对城市交通流量的预测模型进行了仿真。其仿真结果表明所采用的线性神经网络能够用于城市交通流量的预测。     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

基于混沌神经网络的交通事故损失预测

文章应用混沌方法对交通事故损失时间序列进行处理，计算出最大Lyapunov指数，得到最大可预报时间尺度，在此基础上，建立人工神经网络预测混沌时间序列的模型。最后运用该方法对我国交通事故损失进行了预测分析。     

基于深度学习的城市区域短时交通拥堵预测算法

城市的交通拥堵已经成为了各个城市中的普遍现象,严重影响了城市日常交通以及人们的出行。针对城市区域交通流的研究与分析,本文为了准确的对城市交通状态进行预测,通过网格划分的方法,把城市区域划分为多个区域,根据城市交通数据流的时空特征,提出了一种基于深度学习的城市交通拥堵预测模型（CS-Transformer）。该模型通过使用卷积神经网络(CNN)提取基于网格划分的城市区域交通数据的空间特征,然后采用全连接神经网络增强模型的表达能力,再通过相似性位置编码机制(SPEM)把位置信息加入交通数据中,最后运用Transformer网络捕捉交通数据的时间依赖特征。用成都市出租车GPS数据对模型进行验证,结果表明该模型预测结果优于卷积神经网络（CNN）、Transformer和CNN-Transformer等模型,以均方误差（MSE）为评价指标,将测试集中交通路网的平均预测精度分别提高了 19.6%、26.3%和10%。     

基于深度学习的交通拥堵检测

针对交通拥堵检测,提出一种利用深度学习中卷积神经网络(convolutional neural network, CNN)对交通拥堵图像进行检测的方法。首先,使用基于TensorFlow框架设计了含有三层卷积层的神经网络分类模型。其次,利用道路拥堵与非拥堵图片对分类模型进行训练,并进行评估。最后,利用训练完成的模型进行道路拥堵检测,与多种深度学习分类模型分类方法进行对比实验,表明该卷积神经网络模型能够更有效地进行拥堵检测,检测准确率达到了98.1%。     

Design of Congestion Control Strategy Based on Pipeline Flux Leak Monitoring Networks

Flow against pipeline leakage and the pipe network sudden burst pipe to pipeline leakage flow for the application objects,network congestion avoidance strategy is designed in pipeline leak monitoring.Based on the property of Markov chain for network data,a new estimator with particle filter is proposed for congestion control in this paper.The proposed scheme can predict the traffic patterns by the decision-making model.To compare with previous scheme based on fuzzy neural network,the proposed scheme can ada...     

空中交通网络流系统拥堵程度评估

为解决日益严重的空中交通拥挤和拥堵问题,提出从空中交通流的角度出发,区分界定空中交通拥挤和拥堵,并建立拥堵程度评估模型来评估空中交通网络的拥堵程度。空中交通拥堵发生时可将系统划分为非延误部分和延误部分,建立拥挤程度评估模型评估空中交通网络的拥挤程度,建立延误程度评估模型评估空中交通网络延误程度,对两个部分分别赋予不同权重建立空中交通网络拥堵程度模型。最后采用某大型机场发生的某次空中交通拥堵作为算例数据,结果证明了模型是可行的。     

基于TransModeler的拥堵区域交通流量调控方法研究

针对中小城市临时交通管制措施下出现的交通拥堵状况,应用微观交通仿真软件TransModeler建立拥堵区域路网模型。运用动态交通组织手段来实现拥堵区域交通总量控制,均衡路网交通压力。以曲靖市中心城区拥堵区域动态交通组织优化为实例,通过仿真结果对方案实施前后的各拥堵路段的交通流运行状况进行评价,证明了流量调控方法对缓解拥堵区域交通状况具有一定的科学实效性。     

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。     

基于流量预测的Ad Hoc网络负载均衡协议

针对AdHoc网络中的负载均衡问题,提出了一种基于小波神经网络方法预测节点流量的路由协议WNNP-LBRP,协议中的流量值以MAC层接口队列长度来衡量.该协议利用小波神经网络预测模型计算节点下一时刻的流量值及动态阈值,并对二者进行比较,避免将重负载节点作为中间节点而导致网络拥塞,从而在网络出现拥塞之前提前更新路径,实现网络负载的平均分配.仿真结果表明,WNNP-LBRP协议与LBR-AODV协议和AODV协议相比,网络性能得到提高:减少了丢包现象,降低了端到端时延和路由开销.     

RBF网络在交通流模型辨识中的应用

利用径向基函数 (RBF)人工神经网络来逼近已知的交通流非线性解析模型 ,讨论了高速公路交通流模型的辨识问题。提出了一种带反馈的 RBF网络模型 ,讨论了其训练算法。算法分两步实现 ,第一步利用一种改进的聚类分析方法确定隐层节点核函数的中心点 ,第二步用最小二乘法确定从隐层到输出层的连接权。最后将训练好的网络模型和给定的解析模型同时进行仿真计算 ,得出了当某路段出现突发性交通事故时交通流密度和平均速度的变化曲线。仿真结果说明 RBF神经网络模型的训练速度快和辨识精度还是令人满意的     

基于公交浮动车数据的城市主干道交通拥堵预测

交通拥堵预测是解决交通拥堵问题的前提。针对速度特性分析不全面的问题,基于公交浮动车数据,在速度时间相关性和空间相关性分析的基础上,加入了公交流量和时间占有率两个特征,提出了考虑时空特性和公交车流特性的改进粒子群优化的径向基函数神经网络(particle swarm optimization-radial basis function, PSO-RBF)速度预测模型。通过比较预测结果与速度阈值,得到城市主干道的交通拥堵情况。结果表明,与只考虑时空特性的预测结果相比,所提出的基于时空特性和公交车流特性的预测方法,可使模型预测的均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)分别降低13.58%、12.63%,决定系数达92.39%。同时,实例验证了改进的PSO-RBF神经网络模型的预测精度要优于标准的PSO-RBF神经网络。     

基于Softmax函数增强卷积神经网络—双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,需要准确识别和判断交通状态。基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index, TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态。提出了一种改进的深度学习预测模型(CS-BiLSTM),该模型基于卷积神经网络(convolutional neural networks, CNN)和双向长短期记忆(bidirectional long short-term memory, BiLSTM),并结合Softmax函数增强CNN提取出的交通空间特征信息。最后以成都市出租车的全球定位系统(global positioning system, GPS)数据进行验证。结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比CNN-BiLSTM网络预测框架提升了13%。     

基于改进人工蜂群算法优化小波神经网络的短时交通流预测

为了提高城市道路短时交通流量的预测精度,克服小波神经网络预测过程中存在收敛速度较慢、容易陷入局部最优的缺点,提出改进的人工蜂群算法优化小波神经网络预测模型。该算法引入差分进化算法中的自适应变异操作和遗传算法中的选择算子、交叉算子与变异算子来优化传统的人工蜂群算法,改善人工蜂群算法后期收敛速度慢、局部搜索能力弱的缺点。本文使用该算法优化小波神经网络的参数并对短时交通流进行预测,模型的仿真结果表明,改进人工蜂群算法优化小波神经网络预测的结果误差更小,精确度更高,训练次数少,具有较高的实际应用价值。     

基于广义回归神经网络的交通事故预测

在进行交通事故统计的基础上,运用广义回归神经网络理论,建立交通事故预测模型,对2000~2003年的交通事故死亡人数和经济损失进行外推预测.计算结果表明,该模型预测和外推精度高,可用于交通事故预测.     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

基于Bagging的交通拥堵预测研究

针对交通拥堵原因的多元性及单个神经网络拥堵模型准确率不高的特点,设计了一个以BP经网络为弱学习算法、基于Bagging集成学习方法的交通拥堵预测模型．与单个神经网络模型相比,Bagging后的预测模型具有更加优良的性能,可为市内交通预警决策提供分析与支持。     

基于MFD的模拟超饱和路网交通控制策略优化

为了缓解城市路网频繁出现的超饱和交通堵塞,本文以堵塞区域路网各条路段上行驶的车辆数作为状态变量,建立路网交通的状态方程,分析路段上车辆数变化规律;同时,基于交通流宏观基本图,以路网中路段累积车辆数最优作为控制目标,建立关于堵塞区域路网系统的离散状态优化控制模型,并将该模型在某城市新区进行模拟算例应用。结果表明,这种基于交通流宏观基本图的优化控制策略能有效缓解城市路网中超饱和交通堵塞,使路网整体输出效率得到明显提升。