基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

新型区域公路网交通产生量预测方法研究

以人工神经网络理论为基础，结合归预测和时间序列预测技术，形成一种新型的区域公路网交通产生量预测方法，从而克服了传统预测方法的局限性，提出了预测的准确性与合理性，为该方法在实际工程中得应用提供可能。     

公路网现状综合评价

为了提高公路网现状综合评价在实际应用中的可操作性和有效性，针对公路网现状优劣判断的相对性，探讨了公路网综合评价的相对性，研究了用于横向比较和纵向比较的综合评价体系。以吉林省2002年现状公路网方案综合评价为例，讨论了两种不同评价尺度的公路网现状综合评价体系，并使指标选择、评价结果的表现形式与评价目的相互适应。结果表明，该评价方法用于公路网现状综合评价能够客观反映现状公路网的总体状况，为公路网规划提供有效的决策信息。     

基于公平性的干线公路网布局方法

为缩小由于公路网布局而引起的区域发展差异,均衡公路网布局中各个区域的发展机会或条件,从公路交通资源分配的公平性和公路网布局结构的均衡性的角度,对传统的节点重要度模型进行了改进,将公路网公平性指标作为评判节点重要度的标准,利用各个区域公平性指标发展贡献度的正负值对原始节点的重要度进行修正,提出基于公平性的干线公路网布局方法.研究结果表明:通过基于公平性的干线路网布局优化方法改进模型计算出的各节点重要度值,可以改进模型的布局优化,使路网节点层次的划分更加分明;加入社会公平性指标的节点之间的重要度能较好体现各个节点之间的公平性发展,并且各个节点之间的通达性、集聚性也得到了较好的改善,为适应未来区内经济社会发展的需要奠定了基础,为以后的布局优化提供参考.     

飞地城市型开发区公路网规划方法

为了适应飞地城市型开发区开发阶段公路设施建设规划的需要，综合运用最小树法、区位线分析法、重要度布局等方法，对开发区路网进行规划，以满足开发区内外联系骨架、腹地开发轴线、骨架加密联络线等多方面的交通需求。建立了飞地城市型开发区公路网规划体系，并成功应用于西安市杨凌开发区的规划实践。结果表明，在飞地城市型开发区规划论证中，该方法能够满足开发区与母城直达道路交通、开发区对外道路交通、开发区内部道路交通的多层次需求，并对公路网布局理论有一定的借鉴。     

基于Laguerra函数模型的预测控制算法

在简述基于Ｌａｇｕｅｅｒａ函数近似模型的自适应预测控制原理,算法及其特点的基础上,将现有的多步预测,单步优化的控制算法扩展为多步预测,多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作为比较研究,结果表明基于Ｌａｇｕｅｒｒｅ函数模型的预测控制方法对变时延,变阶次被控对象的控制鲁棒性明显优于广义预测控制。     

县乡公路网交通预测方法探讨

根据县乡公路网规划的实际情况，提出了一种不基于现状ＯＤ调查的交通量预测方法，该方法为一种模拟四阶段法，充分考虑了县乡公路交通的变化规律，利用其易得的现状交通量资料为基础进行预测，实际应用效果良好。     

韶关市公路网的规划

通过对韶关市公路交通现状的分析,针对现状公路网存在的问题,提出路网规划的方案和规划结论,对韶关市的公路建设有指导性的作用。     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单,但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷,提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型,实现了基于特征模型的新型预测函数控制,并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现．     

基于Softplus函数的双隐含层BP神经网络的公路客运量预测

为了提高预测模型的精度,提出一种基于Softplus激活函数的双隐含层BP神经网络的预测方法,提高了模型的非线性学习和泛化能力及预测精度,并改善了网络性能。将该方法应用于公路客运量实际预测中进行有效性验证,结果表明该方法对公路客运量有更好的非线性拟合能力和预测准确性。     

基于加权复杂网络的公路网等级结构划分

为划分公路网等级,引入复杂网络理论,采用对偶拓扑方法,将公路路线按照路名抽象为节点,考虑路段流量和贯穿度计算节点权重,并基于重力模型得到加权邻接矩阵,通过Matlab编程计算节点重要度指标、紧密度指标、介数指标,采用变异系数法计算节点综合指标权重,以规划年路网总里程为控制量筛选得到满足里程要求的节点;最后对所筛选出的节点采取模糊聚类,进行公路网等级划分.研究结果表明:应用复杂网络理论进行公路网等级划分,不仅能够得出各等级公路里程,并且能够得出各等级公路的空间分布情况,为未来公路网等级的提升提供参考.     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

基于RBF网络的交通事故预测

随着我国交通需求的持续增长,机动车的数量不断增加,交通事故频频发生,安全成为交通管理中一个不容忽视的问题。为减少交通事故发生,需要根据交通事故发生的原因对交通事故进行分析预测,以便对引发事故的重要原因采取有效的措施。运用RBF网络,建立交通事故预测模型,并将预测结果与实际数据进行比较,对我国交通事故管理有重要的意义。     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

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.     

山区高等级公路网交通安全微观模糊评价模型

以某山区高等级公路网交通安全特性为研究对象,通过对公路交通安全影响因素及交通现状特性的调查、分析,结合实际道路交通状况和交通特点,建立了山区高等级公路网交通安全微观模糊综合评价模型,并利用实际算例对该评价模型进行了对比验证。结果表明,模型确定的重点路段与公安交通及公路管理部门所掌握的事故易发地点吻合性较好,说明该模型在实际操作中可行、有效,能准确、全面地反映出所研究路段的真实安全水平,为改善山区高等级公路网交通安全提供了参考对策。     

基于小波变换的网络流量预测

由于现代的数据通信网络中网络流量存在很强的自相似性,如何降低这种自相似性给网络的性能造成的不利影响成为大家关注的焦点。本文通过实际的网络流量数据,利用小波变换和平稳时间序列的AR模型,实现了对网络流量很好的预测,其结果对于在网络中优化排队算法和实施流量工程具有很好的参考价值。     

供需匹配的铁路网趋稳模型

从铁路运输供需匹配的角度出发,选择合理的铁路网供给和需求参数,基于趋于平衡的主要发达国家的铁路供需情况,运用多变量生产函数模型,建立基于供需匹配的铁路网趋稳模型及其修订模型,通过相关参数的合理假设,测算得出我国铁路网趋稳营业里程约为2.8×10~5km,研究表明,在较大地域范围内该方法的预测精度较高.