基于ANFIS的高速公路车辆跟驰模型与仿真

为了更好地描述高速公路上驾驶员在车辆跟驰过程中表现出来的模糊、不确定性的行为特征,采用自适应模糊神经网络ANFIS来建立车辆跟驰模型.首先,通过小波分析方法,对采集到的跟车数据进行降噪,消除外界因素的干扰,从而恢复数据的原始信息;根据信号处理方法,利用相关函数计算出驾驶员在跟驰过程中的反应时间.然后,建立以两车速度差、车头间距和后车速度作为输入,以及后车加速度作为单输出的自适应模糊神经网络跟车模型.最终,对该模型仿真训练,自适应生成驾驶员跟驰行为规则,并与传统的GM跟车模型对比分析.结果表明,该网络模型能较客观地反映高速公路上的驾驶员跟驰行为.     

行前交通信息提供下路线选择行为的影响因素分析

在行前交通信息提供下,驾驶员的路线决策行为在众多因素的作用下非常复杂。传统的研究方法缺乏对各影响因素的定量分析,模型中也鲜有考虑驾驶员的态度认知变数。为进一步探讨行前交通信息提供下驾驶员路线选择行为的影响因素,本研究提出3个基本假设,并采用结构方程模型对假设进行验证。结果显示:3个假设均成立,即路线选择行为与行前提供的行程时间成负相关,与路线的利用经验成正相关,与路线的认知评价成正相关。其中,出发前行程时间信息对通勤者的路线选择行为影响最大,路线的印象评价影响次之,最后是路线的利用经验。研究结果有助于正确把握驾驶员在交通信息影响下的决策行为。     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.     

需求依赖价格且模糊的订购定价模型

在需求对价格敏感且模糊的假设下,将确定环境下的订购定价模型扩展到模糊情形.文章首先建立了基于传统逆模糊化方法的库存模型;然后,通过把模糊需求看成模糊约束条件,建立了一个带有模糊约束的模糊非线性规划模型,进而根据最大隶属原则,将模型转化为确定型非线性规划问题,寻求最优解.最后,通过应用实例将2种建模方法进行比较.     

高速公路驾驶员昼夜感知速度变化规律

为制定合理的高速公路昼夜车速限制标准,采用数理统计与回归分析方法对采集的驾驶员昼夜感知速度数据进行了对比分析,量化研究了实际行驶速度、平曲线半径、纵坡对驾驶员感知速度的影响,建立了驾驶员昼夜感知速度与实际行驶速度、平曲线半径的关系模型.研究发现:驾驶员夜间感知速度的准确度与白天相比下降,且感知速度与纵坡值无关;白天驾驶员感知速度与实际行驶速度呈正指数相关,与平曲线半径呈负对数相关;夜间驾驶员感知速度与实际行驶速度呈正线性相关,与平曲线半径呈负对数相关.基于驾驶员的感知速度变化规律,针对不同的平面线形条件对昼夜分别实施不同的车速限制标准,有助于降低驾驶员的速度感知偏差.     

高速公路上自然驾驶工况下驾驶员转向操纵行为的动态特性分析

驾驶员模型的建模主要围绕着驾驶员的感知,决策和操纵三个关键行为展开研究,对驾驶员生理特性及行为的研究分析是提高驾驶员建模精度的重要方法。驾驶员转向行为特性的研究大多是在时域中进行分析,很少分析驾驶员操纵的频域特性,因此对驾驶员的转向动态特性很少研究。通过傅里叶变换分析高速公路上自然驾驶工况下驾驶员转动转向盘转角的动态特性,为分析驾驶员转向行为特性提供研究基础。     

基于潜变量的驾驶员路径选择行为分析

为更真实地还原驾驶员的路径决策过程,构建了基于潜变量的路径选择模型以增强模型的解释性。首先采用结构方程模型识别行为中存在的潜变量;并通过离散选择模型分析潜变量对选择行为的影响。最后以广州市驾驶员为例进行实证分析。结果表明:在驾驶员的态度与行为中存在4个潜变量因子;且各潜变量与驾驶员的社会经济属性有关。驾驶员的路网熟悉度与路径探索意识对其路径选择行为有较大影响;考虑潜变量的模型有效提高了模型的拟合度。     

基于宽松下近似的模糊决策树归纳算法

利用模糊相似关系对连续型决策表进行模糊化,进而运用宽松下近似定义启发式作为选择扩展属性的标准,从模糊决策表学习模糊决策树.     

交通瓶颈处大、小型车插队行为的演化分析

调查了太原市某路段交通瓶颈处驾驶员的插队行为,分析了大、小型车驾驶员在形成插队行为中不同的心理博弈过程,建立了驾驶员排队与插队的决策博弈模型。应用演化博弈论分析了驾驶员选择排队或者插队策略的时间演化过程,建立了系统的复制动态方程并对演化稳定状态进行了分析。分析结果表明:大型车驾驶员和小型车驾驶员群体的博弈过程属于非对称性博弈,通过提高交通监管力度、增加排队的收益、提高驾驶员素质和减小排队支出的额外成本可使驾驶员采取稳定的排队策略,缓解交通拥堵。     

智能汽车驾驶员模型的预瞄时间自适应分析

为了更好地模拟真实驾驶员在人车路闭环系统下的操纵行为,提出了一种针对智能汽车驾驶员模型的预瞄时间自适应模型.运用预瞄跟随理论与预瞄优化驾驶员模型构建智能汽车驾驶员模型,进而分析道路环境与汽车行驶状态等因素对智能汽车驾驶员模型中预瞄时间的影响,分别采用基本预瞄时间和补偿预瞄时间表征不同因素对驾驶员前视行为的影响,并将基本预瞄时间和补偿预瞄时间相结合,建立了基于BP神经网络的预瞄时间自适应模型.在Carsim/Simulink联合仿真平台上搭建了预瞄时间自适应的智能汽车驾驶员模型,针对正常驾驶和激进驾驶2种模式进行了仿真分析.结果表明所建立的预瞄时间自适应模型可有效改善智能汽车驾驶员模型的路径跟踪效果.     

基于前景理论的动态路径选择模型研究

在实际出行过程中受多种不确定因素的影响,导致出行者的路径选择行为往往是动态的。本文考虑出行者在路径选择过程中的有限理性以及路径改变方式,在前景理论的基础上建立了动态路径选择模型,提出了更适合人们思维习惯的动态路径选择方法。该方法允许出行者根据道路情况随时调整路径,并用实例验证了方法的正确性和适用性。结果表明,当出行者遇到拥堵路段时,可以在途中改变路径,并且在心理预期时间不能满足时,就会选择有风险的路径。     

基于双向搜索的公交路径选择算法及优化模型

为了解决人们出行公交路径选择问题,分析了公交网络的特点,对最短路径常用算法进行比较,提出一种基于双向搜索的公交网络路径选择算法。为了选择最优路径,综合考虑出行时间、出行费用和换乘次数等因素,给出一个综合评价指数模型,并用算例对算法和模型的可行性进行验证。基于数据库理论,算法用数据库表示公交网络,用数据库查询技术实现最优乘车路经选择,易于实现,执行效率较高。     

诱导信息下驾驶员路径选择行为建模研究

为定量分析可变信息标志(VMS)对驾驶员路径选择行为的影响,采用SP调查进行调研,使用SPSS 20.0分析数据,建立了VMS诱导信息下驾驶员改变路径频率的有序多分类Logit模型。同时针对有重叠路段的路径选择,构建了考虑VMS显示状态的C-Logit模型。有序多分类Logit模型计算结果表明,影响驾驶员改变路径频率的主要影响因素为性别、学历、车辆类型、出行活动、VMS准确率。C-Logit模型计算结果表明,驾驶员对路径的理解时间与实际行驶时间存在较大差距,导致驾驶员选择路径比较集中,没能实现交通流在路网中的合理分配。     

终端区进离场航线网络3D优化方法

为提高终端空域飞行航线设计的安全经济性与自动化水平,对航线网络3D优化问题进行了研究。针对独立航线的优化问题,采用蚁群算法优化水平方向安全经济性航线;根据终端空域航线垂直剖面数据,提出一种基于核密度估计的3D航线垂直剖面优化方法。分析得到进离场航线网络优化次序原则,逐步优化各航线,最终实现航线网络的总体优化。通过西安/咸阳机场终端区的算例分析,表明该优化方法在保证航线安全经济性同时,运行效率有很大提高。     

诱导信息影响下的路线选择模型

动态路钱诱导系统为决定出行和已出行的人提供路网交通状况信息或为他们决策提供出行建议,通过这种方式影响出行人的出行时间、出行方式以及出行路线等的选择。在分析了诱导信息对路径选择行为的影响后,给出不可分的路段费用函数,把诱导信息影响下的路线选择问题组织成一个非对称路网均衡问题,并给出用嵌入遗传算法的对角化算法求解的算例．最后,讨论了有待进一步研究的内容．     

剩余最短路径算法应用于起迄点交通调查统计

从研究旅行者的出行行为特征出发，并结合道路网拓扑关系，提出一种全新的剩余最短路径算法，用于起迄点交通量调查统计．对于每个起迄点对，先找到连接这个起迄点对的最短路径，再把这个路径上调查到的交通量从路段上转移到该起迄点对上．再寻找剩余的下一个最短路径，也把相应的路径调查交通量从路段上转移到起迄点对上．这样重复下去，直到该起迄点对的交通量全部从调查路段上转移至起迄点对．该方法可以有效解决交通出行被重复统计和被遗漏的情况，还可以为今后的起迄点调查提供更合理的测点．     

基于竞争弧的BGP路由策略冲突检测

给出一种BGP策略冲突动态检测方法,该方法基于有向竞争图理论,通过构建竞争弧来发现路由策略冲突的AS及相关路由·用路由相对优先级来描述到同一目的两条路由的优选关系·根据竞争弧形成条件,相邻两个AS到达同一目的的两条路由相对优先级不同,这两个AS的路由策略存在冲突·对BGP协议进行了修改,增加一个新的属性,该属性值为所选最佳路由与先前最佳路由的相对优先级·最后通过SSFNET仿真实验证实了该方法的有效性·     

遗传算法在航迹优化中的应用研究

提出一种基于遗传算法的航迹优化方法．主要是用遗传算法设计优化了一类巡航导弹航线．在此过程中根据所设计航迹要满足避开地空导弹、高炮、歼击机群、电磁脉冲等火力单元和地形地物障碍,并且满足航迹路径长度短、耗油量少等约束条件,对航迹优化提出了一种算法和一个航迹规划代价评判模型．建立了一个基于VC^＋＋和MATLAB软件平台开发的巡航弹航迹优化仿真软件．经仿真实验证明该方法典型性强,处理的信息量小,实时性也较好,具有一定的理论和使用价值．     

城市公共交通线路网规划方法

本文建立了城市公共交通线路同优化模型,设计了“分离目标,逐步优化”的公交线路网规划方法。本文主要采用网络优化方法,公交线路网的设计步骤可利用计算机进行。     

Alternative tradable credit scheme on general transportation network

This paper designs and analyzes an alternative tradable travel credit scheme on general transportation network for managing travelers’route choice behaviors.The scheme is a kind of charging and rewarding mechanism,which provides an attempt to urge travelers to plan their travel routes reasonably so that excessive traffic congestion can be mitigated.Mobility credits are imposed on those travelers who use high congested routes,while rewarded credits are given to those travelers who switch to the low congested routes.A free tradable market is created such that the travelers paying credits can purchase them from those earning them from the rewarding travel route choices.When the total amount of credits earned is equal to the amount of credits consumed,transfer of wealth can only take place among the travelers and hence overcome the inequity problem of congestion pricing.On the general transportation network,the type of tradable credit schemes can be formulated as a mathematical programming with equilibrium constraint(MPEC)model.Based on the model,a credit charging mechanism is obtained under the system optimum and Pareto-improving system optimum conditions.