智能交通控制网络的短时交通流预测研究

随着交通压力的逐步增加,对交通流实现短时的预测可以大大提高交通控制的工作效率。本文针对交通控制短时交通流预测的问题,以多堆标度法进行短时交通漉数据的采集和处理,详细阐述了根据此方法进行短时交通流预测体系的建立和使用。此种预测方法的实现,改变了传统交通流预测方法存在的弊端,提高了智能交通控制网络的短时交通流颓洲的功能,减轻了交通控制部门的压力,提高交通控制的工作效率。     

基于微观仿真的快速路短时交通流预测

利用微观交通仿真技术可以对快速路上的交通进行短时预测。将快速路上的线圈采集的实时数据输入本文所述的交通仿真系统进行仿真,可以预测一段时间以后的交通状况。沿着这个思路,描述如何利用仿真技术进行短时交通预测,特别是对如何建立满足实时性和动态性要求的交通生成模型进行了详细的阐述。通过对真实历史数据进行仿真预测,并分析对比,结果说明使用微观仿真模型进行短时交通预测是可行的。     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

基于“四阶段法”的改扩建高速公路近期交通量预测

摘 要： 鉴于高速公路改扩建已成为时下我国高速公路发展建设中的常见现象及今后的一大发展方向,本文讨论了交通量预测的基本思路,以现状道路交通OD为基础,根据交通出行的趋势和特点,采用四阶段法（社会经济预测、交通生成预测、交通分布预测和交通分配）对改扩建高速公路交通量进行预测,为今后高速公路扩宽改造交通量预测工作如何开展提供思路。     

面向区域交通状态预测的时空集成模型

在智能交通系统中,交通状态预测发挥着至关重要的作用。针对现有的交通预测方法集中于中微观层面,且时间和空间维度单一的问题,提出了一种面向区域宏观交通状态预测的集成模型。该模型以交通指数为依据,在时间维度上采用时间序列预测方法获得时间预测结果,在空间维度上采用支持向量回归方法获得空间预测结果,并在集成模型中将两者的结果融合。在交通指数云图上的实验结果表明,与单一维度的时间或空间模型相比,该模型能显著提高预测精度。     

基于对比度和共识日的交通速度预测

交通速度预测是智能交通系统中研究热点内容之一,准确预测交通速度有助于为出行者提供可靠的出行决策。考虑到路网中交通速度变化的时空关联性和规律性,本研究提出一种基于对比度和共识日的交通速度预测方法。首先,为捕捉短时内速度的变化特征,挖掘道路的空间关联性,构建对比度模型并根据其值更新历史数据的交通状态集;其次,采用K-means方法对更新后的数据集进行聚类,通过Rand指数识别出每簇的共识日,并根据其信息预测交通速度;最后,借助RMSE、MAE和ACC等指标分析了预测方法的有效性。分析结果表明,本研究方法预测准确率达93.8%,预测精度较高,计算速度较快,具有更好的适用性。     

基于WiFi探针数据的短时交通状态预测

针对传统交通数据获取成本高,以及单参数输入的LSTM模型预测精度不高等问题,提出一种基于WiFi探针数据的短时交通状态预测方法.首先利用WiFi探针数据构建交通状态指数数据集,然后采用LSTM网络构建预测模型,并分析不同交通参数组合对模型预测精度的影响,最后比较不同模型对同一路段的预测性能.试验结果表明:交通流量会影响...     

基于浮动车技术的动态交通拥挤预测模型

利用动态交通信息实现路网交通拥挤动态预测是城市智能交通管理系统的一大关键技术。本文提出一种新的动态交通拥挤预测模型。该模型应用浮动车数据判断路网实时交通流具体状况,结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测。现场实测数据表明,该模型具有良好的预测效果。     

基于长短期记忆神经网络的城市交通速度预测

交通速度预测在智能交通系统中起着重要的作用,准确、快速的交通速度预测有利于及时掌握城市道路交通状况,能够有效实行交通诱导。针对交通速度具有极强的周期性,在工作日和非工作日之间存在较大差异,导致预测精度不高的问题,分别选取公开的工作日和非工作日交通速度数据,构建基于长短期记忆神经网络的城市交通速度预测模型。实验验证采用广州市20条路段的交通数据,结果表明,区分工作日和非工作日的平均绝对百分比误差、平均绝对误差和均方根误差的平均值比不区分均要小,说明区分工作日和非工作日可以有效地提高交通速度的预测精度。     

对城市轨道交通客流特征的分析与预测

城市轨道交通是缓解城市道路交通压力的有效途径，客流预测是城市轨道交通建设与设计的基础环节。本文主要对城市轨道交通客流模型展开探讨，并从其特征、机理上提出预测方法。     

在线广义神经网络交通状态预测的网格并行算法

针对城市大规模路网交通状态在线预测问题,采集出租车上的全球定位系统数据作为浮动汽车数据(FCD),采用广义神经网络理论,应用网格并行算法,通过加速广义神经网络的收敛和学习速度,构建了在线交通状态预测新模型.实验结果表明,该算法实现了在线广义神经网络交通状态预测模型的并行计算,提高了预测模型的计算速度,满足大规模交通路网实时、高效的在线交通状态预测的实际需求.     

基于系统平衡法的区域交通量预测方法探讨

解决在无现状调查OD或现状OD资料不全的情况下,充分利用未来年度各区域城市总体规划和经济圈发展规划,更加科学合理地预测发展变化较大区域交通量。采用多元回归分析进行交通需求预测、采用系统平衡法进行交通分布预测,最后以重庆市一小时经济圈交通量预测为例,对预测结果进行了评价分析。     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于定性动态概率网络的交通状态预测及改进

 交通问题已经成为了制约城市发展的一个主要问题.城市的交通状态是可以预测和加以改进的.有效的交通状态预测在一定程度上能优化交通状态,减少交通堵塞.定性动态概率网络(QDPNs)是目前进行动态地推理不确定知识领域最有效的模型之一.提出了一种基于定性动态概率网络的交通状态预测及改进的方法,该方法从系统的角度对城市的交通状态进行建模,通过推理,能够找到交通问题的症结,以便采取有针对性的措施来解决交通拥堵问题.     

浅析TRANSCAD在胶州交通需求预测中的应用

本文以胶州市交通需求预测为例,介绍了TRANSCAD在城市交通需求预测中的运用,在交通需求预测中简述了交通需求预测的建模过程,对于模型选择等关键问题,尤其对交通需求预测中的交通产生和分配两步骤的模型进行了较详细说明。通过胶州城区交通量预测的实例表明,TRANSCAD是一种良好的交通量预测工具。     

TRANSCAD软件在新建区域道路交通专项规划中的应用

本文讲述了应用TRANSCAD软件对新建区域进行交通预测的整个过程,并总结和探讨了在新建区域进行交通预测时存在的问题。     

ARIMA-RBF模型在城市轨道交通客流预测中的应用

客流量预测是城市轨道交通规划设计和运营管理的基本依据,已成为城市轨道交通建设过程中的重要环节。本文通过分析平常日客流变化的周规律、非平稳性等时序特征以及ARIMA模型和RBF模型的作用机理,将适合进行线性时间序列预测的ARIMA模型和适合处理非线性问题的RBF神经网络组合,建立了ARIMA RBF预测模型,并用该模型对北京市城市轨道交通平常日客流量进行预测,该模型充分考虑到城市轨道交通客流变化的线性及非线性特征,取得了较好的预测效果。     

基于区位理论的交通发生预测模型的研究

文章在考虑了各交通小区的区位因素后，建立了一种新的交通预测模型。并以算例将该预测方法与传统的类型分析法在交通发生预测方面进行了比较，在一定条件下使用本文模型的预测精度要比使用传统的类型分析法模型的预测精度高，故而在一定范围内有起好的实用价值。     

基于仿真和流量估计的服务性交通指标预测

提出了基于应用微观交通仿真模型和短期交通量预测的服务性交通参数预测模型.根据实际的交通系统和研究目的建立应用仿真模型并进行模型参数标定和有效性验证.根据实时采集的交通量采用基于小波分析和ARIMA(Autoregressive Integrated Moving Average)模型的混合模型进行下一时刻的交通量预测.将预测的交通量输入到应用仿真模型,根据仿真输出得到下一时刻的服务性交通参数指标.应用实例表明,该模型能够较好地进行服务性交通参数的预测.     

城市交通方式预测实用方法研究

城市交通方式预测实用方法研究李旭宏（东南大学交通学院，南京２１００１８）交通方式预测是交通预测的重要组成部分．国外有关人士提出了许多交通方式预测模型［１］．但这些模型均是针对小汽车和公共交通两者间的竞争关系提出的，而且使用这些方法前必须对出行方式阻...