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.     

OD估计模型的发展

本文对ＯＤ估计模型的研究历史进行了回顾。主要沿着重力模型－熵模型这个主线讨论了各模型之间的关系，并对一些模型作了简要评述。目的在于通过回顾与总结，对各模型有所深刻地认识，对理论研究和实际应用起到一定的指导作用。     

基于梯度法的OD矩阵估计和应用研究

以交通规划软件EMME／2为平台，在拥有合理的原始矩阵和一定数量的路段实测流量数据的基础上，运用梯度法(最速下降法)求出OD矩阵估计．结合具体的课题研究应用情况，证明该方法适用于大规模实际路网．     

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.     

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。     

一种基于平面交叉口的浮动车数据轨迹重构方法

通过一种根据车辆运动列簇特征,提取同一运动列簇的多辆浮动车的运动轨迹的方法对平面交叉口的浮动车数据进行轨迹重构处理,为后续对交通信号灯配时估计提供数据准备.该方法简单,易于操作,不需要利用复杂的算法或模型去实现.首先,通过分析车辆的运动过程来提取车辆的运动特性,再根据车辆的运动特性,从空间和时间的角度对车辆的运动轨迹进行分析,对平面交叉路口的车辆轨迹进行分流处理,从而得到重构的车辆轨迹序列.选取了2个不同类型的平面交叉口数据为实验示例,实验结果表明,该方法能够有效地对平面交叉口浮动车轨迹进行重构.     

城市交通网络设计与OD量预测问题的双层规划组合模型及算法

给出了一个城市交通网络设计和OD量预测问题的双层规划组合模型,此组合模型内在地不断修正OD预测值和路段能力增量(即网络设计方案),同时得到OD出行量预测和路段能力拓宽方案的最优解,与以往方法相比更加符合实际。此外,本文设计了一个基于灵敏度分析和混沌优化的求解算法。     

基于填充函数方法的OD矩阵估计

对现有关于求解OD矩阵估计的最小二乘模型所采用的逐次迭代算法的不足进行了分析,并引进了一种全局最优化算法即填充函数方法来找寻该模型的全局最优解。数值试验表明:所提出的填充函数算法有能力找到问题的全局最优解,且与初始值的选取无关,也有潜力解决较复杂网络的OD矩阵估计。通过数值结果发现,模型的权值选取对数值结果有明显影响。为此,引进了一种确定权值的评价指标RMSE,它能反映估计量与真实值之间的接近程度。利用该指标,可以选取较合适的权值。
     

基于无迹粒子滤波的车辆质心侧偏角估计方法

针对轮毂电机驱动车辆行驶状态参数获取困难的问题,提出了一种基于无迹粒子滤波的质心侧偏角估计方法。以采集的低成本普通车载传感器信息和驾驶信号作为输入信息,在构建非线性三自由度车辆模型基础上,建立了车辆行驶状态参数估计方程,设计了质心侧偏角无迹粒子滤波估计器。利用Matlab/Simulink和Adams进行了联合仿真实验。结果表明：该估计方法具有可行性,在不同工况下均具有良好的质心侧偏角估计效果。     

自动识别环境下车辆的出行矩阵估计新方法

鉴于以视频牌照识别系统为代表的车辆自动识别(automatic vehicle identification,AVI)技术在我国逐步应用的现实,提出了利用AVI检测信息估计高精度车辆起讫点矩阵(OD- matrix)的新方法.该方法首先将检测的车辆信息分为4类(起讫点已知、起点或终点及部分路径已知、仅知起点或终点、仅知部分路径),然后利用第1类信息根据AVI检测误差直接扩样更新基础OD矩阵;利用第2,3,4类信息,参照粒子滤波算法思想,基于贝叶斯估计理论修正更新路段-路径流量关系,进而用蒙特卡罗随机过程确定可能路径以及OD;最后根据AVI获得的路径流量信息反向验算校正OD.根据上海市目前视频牌照识别系统的应用现状,选择以南北高架快速路为研究对象,根据牌照识别系统检测的动态车辆信息,对布设9个视频检测器的南北高架沿线17个出入口的OD进行了估计应用.结果表明,在路网仿真模型误差≤15％、AVI设施覆盖率为27.2％以及检测误差在10％的前提下,运用本方法,OD估计的总体平均相对误差仅为11.09％.该方法能充分利用AVI检测的个体车辆不完整路径信息,且计算效率高,可满足实际动态交通管理的需求.     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于交通效率的城市公共交通路网研究

城市公共交通路网布局是影响公共交通效率非常重要的因素,本文在满足交通需求、环境约束、能源约束的前提下,研究了公共交通效率最大化的公共交通路网布局模型,并提出了运用遗传算法求解模型的思路和基本步骤.     

基于微观交通仿真的城市路网交通排放评估

为了给中小城市建立低碳交通体系提供理论依据,利用美国联邦公路局(FHWA)微观仿真软件TSIS/CORSIM,并结合广东省清远市中心城区的交通调查,建立了清远中心城区路网交通仿真模型,对以现状交通流量为基础设定的5个情景方案进行了仿真研究.结果表明:随交通流量的增大,路网的交通排放增加,当增大到1.5倍时,车辆每公里的HC,CO,NOx和CO2排放分别上升8%,12%,12%和29%,当交通流量增加(1.5倍)导致交通拥挤时,额外燃油消耗为225 L,额外CO2排放为518 kg,占总排放的16.3%.     

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。     

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     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

基于贝叶斯网络的路网失效程度评估方法研究

创造性地将贝叶斯网络应用于路网失效的评估中。选择连通可靠性作为评价标准,运用实例分析的方法,对基于贝叶斯网络的路网失效程度评估方法进行了研究。通过对路网的失效成因进行分析建立路网失效对应的事件树与故障树,并引入故障树向贝叶斯网络转化的算法,提出了利用贝叶斯网络对城市路网的失效程度进行评估的方法。最后举出一个简单的路网实例,按上述方法对其建立了其路网失效的贝叶斯网络,并利用MSNBX软件对该路网遭遇不同类型攻击时的失效情况进行了模拟计算,得到了实例路网的失效程度。实验结果证明了所探讨的方法的有效性,并为贝叶斯网络在大规模路网研究中的应用提出了一些思考和建议。     

基于RBF神经网络的城市快速路短时交通流预测研究

为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM（1,1）和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.