城市局域路网交通量与OD估计集成仿真方法

为利用有限的交通采集设备,实现全面掌握城市路网交通运行状况、快速有效制定管理措施的目的,提出了一种"封闭环"式检测线圈布设方式和城市局域路网交通量与OD矩阵估计方法.以交叉口转弯比例稳定性实证研究为基础,建立理论模型,并探讨路段分配流量和OD估计唯一性问题.采用蒙特卡罗法设计车辆转弯行为仿真模型,并提出了局域路网交通量与OD矩阵估计的集成仿真方法.实例研究结果表明,其在实际路网上有良好的适用性和可靠性,可为先进交通管理系统相关交通模型的建立和交通采集设备的布设提供依据.     

高速公路动态OD矩阵估计

基于广义最小二乘法模型,建立了一种高速路动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD矩阵。对任意估计时段的OD流,通过假定各车辆间的时头距均匀分布,且可按相同比例拉伸或压缩,得出了模型中关键的分配矩阵的解析算式。算法是一种递推的估计过程,仅需较少的先验信息。针对一个具有19个OD对的高速公路网,大量仿真实验表明,提出的方法对具有较大流量的OD对估计效果较好。     

城市道路网络动态OD矩阵预测模型

实时动态OD(Origin Destination)矩阵是动态交通分配系统的重要输入. 运用状态空间模型的有关概念,考虑交叉口进口道观测数据建立了相应的状态空间模型,提出了一步预测卡尔曼滤波方程实现估计和预测. 案例研究表明,将交叉口观测数据纳入测量方程能更好地对OD矩阵做出较精确的估计和预测,且基于仿真的分配矩阵估计方法能更准确地反映OD流量在检测设施上的比例分配.     

一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法--混合遗传算法.该算法是在传统的数学规划方法和遗传算法的基础之上给出的.同时通过算例的求解,分析了算法的优缺点.     

快速路通道动态OD流估计模型

基于快速路通道的主干道和匝道出入流量信息,提出了一个新的动态OD矩阵估计模型和在线估计算法.文中引入宏观交通流模型以计算旅行时间,并把模型参数也作为状态变量进行估计,相应增加了新的测量方程.该文构建了新的动态OD估计状态空间模型,采用了含有约束条件的Unscented kalman filter(UKF)算法,运用仿真数据进行评估,结果表明,即使在拥堵状况下,提出的模型和算法也能达到很好的精度.     

基于路段流量相关性的检测器优化布设

根据路网中路段间流量的相关性,提出了一种路网交通检测器优化布设方法.通过路径-路段发生矩阵得到关键路段数量,并分析了网络规模、网络连通性、OD对数量及路径数量对关键路段数的影响;综合考虑路径覆盖率、道路等级、道路长度以及配套设施等因素,建立了最优关键路段组选择的多目标优化模型;提出了通过线性组合由关键路段流量推算其他路...     

交通网络中动态起点-迄点矩阵估计的一种实用算法

基于广义最小二乘模型建立了一种带滑动窗的动态起点-迄点(OD)矩阵估计算法，可通过对路段交通量和行程时问的检测来估计时变的OD数据．对任意估计时段的OD流，通过假定各车辆问的时头距均匀分布且可按相同比例拉伸或压缩，得出模型中关键的分配矩阵的解析算式．该算法是一种递推的估计过程，仅需较少的先验信息而估计过程不会发散．滑动窗的引入可充分利用量测信息，抑制量测噪声．大量仿真实验表明，所提出的方法在估计精度上明显优于Cascetta的递推估计法，但计算量并无显著增加．     

交通检测点分布规则及其数学模型

针对估计OD出行分布矩阵需检测路段流量的问题，分析了检测点合理分布的4种规则，并在已知OD时间的有效出行路径的条件下，建立了相应的数学规划模型，同时也提出了有效的启发式算法。     

基于车辆自动识别技术的动态OD矩阵估计新方法

根据车辆自动识别(automatic vehicle identification,AVI)技术检测的新信息,提出了利用AVI检测信息进行动态OD(origin-destination)矩阵估计的新方法.该方法以粒子滤波算法思想为基础,引入AVI检测的部分路径信息、动态行程时间信息以及检测器可测性判据,首先通过贝叶斯估计算法对路径缺失的车辆信息进行缺失路径范围确定和选择概率修正;然后利用蒙特卡洛随机仿真模拟任意车辆对缺失路径的选择,进而获得基于个体车辆部分路径的初始修复OD矩阵;最后运用AVI检测的流量信息校正初始修复OD矩阵,得到最终的OD矩阵估计值.以上海市南北高架快速路网为研究对象,分析了在不同AVI覆盖率和先验精度条件下的动态OD估计精度,结果表明在60％及以上的AVI覆盖率都能获取相当高的OD估计精度;即使在50％覆盖率和60％的先验精度条件下运用本方法进行OD估计,其平均相对误差仅为28.87％.同时本方法对OD先验信息的精度要求较低,能更好地满足我国目前OD基础数据精度不高的现实需求.     

基于发生率的高峰小时机动车OD矩阵预测

城市道路机动车交通分配一般使用的是高峰小时机动车起讫(OD)矩阵,提出一种基于高峰小时发生率调查的高峰小时机动车OD矩阵预测方法.直接调查各类用地的高峰小时机动车发生率以及其出行种类,可以进行高峰小时的小区出发到达量(OD)预测以及到出行产生吸引(PA)的转换.在使用高峰小时机动车PA进行出行分布预测之后,利用调查得到的出行种类比例进行高峰小时机动车PA矩阵到OD矩阵的转换,进而得到高峰小时机动车OD矩阵.     

稀疏网络编码中秩分布分析模型研究

针对现有稀疏网络编码研究中线性相关概率性能指标精准度较低的问题,提出基于马尔可夫链的性能分析模型。对线性相关概率、秩的概率分布等性能指标及其复杂度进行分析,并通过该性能分析模型分析编码包传输后期的译码成功概率;基于吸收马尔可夫链计算编码包传输过程中的瞬态、吸收态以及各状态间的状态转移概率,并对状态转移概率中蒙特卡罗模拟误差较大的问题进行改进,由状态转移概率构建吸收马尔可夫链基本矩阵,得出信宿端收到非再生包的线性相关概率,进而推导出秩的概率分布和译码成功概率性能指标。仿真结果表明,在相同条件下所提模型性能指标精确度均优于对比模型,且能精确地评估信宿端解码矩阵秩的概率分布、译码成功概率等稀疏网络编码的译码行为。     

采用数学建模方法对通用分组无线业务网络的性能分析

建立了一个二维连续时间的马尔可夫链模型，描述了通用分组无线业务(GPRS)和语音业务在一定的动态信道分配方案下对有限信道资源的共享。采用一种近似求解方法求得上述马尔可夫链的稳态解，通过数值计算可以估计出GSM／GPRS网络的一些主要性能，如呼叫阻塞率、数据平均传输速率、信道利用率等。计算结果表明，该模型对于估计网络性能是有效的，对于网络优化也具有一定的辅助作用。     

基于模型预测的快速交通网络路由诱导方法

为了达到均衡城市快速路网交通负荷,提高交通运行效率的目的,提出了模型预测路由诱导控制方法,控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题.采用宏观、确定型的、离散时间、空间、适合基于模型预测交通控制的宏观动态交通模型来构建网络交通过程模型,通过在未来较长的时段内求解每一个控制周期的最优问题来实现反馈控制.仿真实例研究结果表明,模型预测路由诱导控制方法能够考虑时变的交通状态,取得良好的控制效果,可为先进的交通管理系统构建提供依据.     

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.      

语音信息两类业务流模型的分析

针对语音信息在分组交换网上的传输特性,分析了现代通信网中两类业务流模型：Markov调削Poisson过(MMPP)模型和流体流动模型的基本原理、特点及其适用于描述业务流的类型．并对MMPP(2)／M／1系统的排队性能和流体流动模型的建模机理进行了分析．从而为语音传输系统的仿真模拟及传输网络的管理奠定了基础．     

一种新的ATM网业务模型

提出一种新的ＡＴＭ网业务模型，它去除了ＭＭＰＰ等信源业务模型中的泊松到达假设，更符合ＡＴＭ中业务的性质。它可以用于描述数据、语音、视频，甚至它们的复合业务流。给出了对这种模型进行排队分析的流体流分析法。最后以视频与话音业务的复合为例给出分析结果，并与仿真实验进行了对比，结果是令人满意的。     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

不完美维修情形下部分可观测系统的最优维修策略

针对监测费用昂贵导致难以实施连续监测和维修效果通常不完美的问题,研究了维修效果不完美情形下部分可观测系统的最优维修策略.在假设系统的性能退化状态变化规律可以用马尔可夫链进行描述的基础上,利用部分可观测马氏决策过程对该系统进行维修决策建模,并通过引入信息状态将其转化为完全可观测马氏决策过程;引入维修效果矩阵用以刻画维修效果对最优维修策略的影响;针对所建立的最优方程以单位时间期望维修费用最小为目标设计了最优维修决策算法.通过数值仿真验证了所提算法的有效性.     

基于马尔科夫链模型的网络链路权重评价方法

网络链路权重评价是网络运维管理的重要依据?将马尔科夫链的转移概率引入到网络链路权重评价中,从概率的角度来衡量相邻节点的可达性;充分考虑链路?节点的故障性,将网络中任意两相邻节点的通信过程近似为马尔科夫过程,基于此,提出了基于马尔科夫链模型的网络链路权重评价方法?根据网络的关联矩阵得到1步概率转移矩阵,进而求得网络的多步马尔科夫转移概率矩阵,直至所有节点概率可达,通过累加相邻节点间概率来衡量链路可达性?通过算例分别分析了串联网络?桥式网络和复杂网络的链路权重评价问题?分析表明,该方法不仅能准确评价网络链路的权重,而且还解决了删边或缩边方法难以分析串联网络的问题,具有计算量小?易编程实现的特点?     

共享单车需求预测及调度优化

为了更加准确地预测共享单车的需求量,制定合理的调度优化方案。针对共享单车骑行数据的周期性、非线性和随机性的特点,提出了季节性灰色Markov模型来预测共享单车需求量。在此基础上,根据双层规划模型结果来制定调度优化方案。在季节性灰色Markov模型中,首先将原始数据带入季节性GM(1,1)模型得到预测结果,然后用Markov模型对预测的残差进行修正,得到最终的预测值。在双层规划模型中,上层目标为运营商的调度成本,下层目标为调度中心的调度时间,双层规划模型用GUROBI求解器求解。最后将两种模型应用于纽约市17个Citi Bike共享单车站点的算例分析。数值计算结果表明：季节性灰色Markov模型在17个站点从周一到周五的需求量预测的平均绝对百分比误差(mean absolute percentage error,MAPE)为10.68%,预测精度较高。利用双层规划模型制定的调度优化方案能确定调度中心数量、位置,调度范围和调度路径,可以在满足用户需求的同时使调度成本和调度时间最优。研究提出的需求预测模型和调度优化方案可以为共享单车运营部门和交通管理部门提供有效的参考。