O—D简化技术

本文针对交通规则中由于Ｏ－Ｄ流对数量多而引起运用平衡模型求解在计算机上无法实现的问题，提出了一个等价的转化Ｏ－Ｄ流的方法，该方法大大降低了原问题的维数。     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。     

高速公路汽车目标检测

用动态图像序列分析减背景方法检测出了高速公路上的汽车目标，得到流量，速度等参数。初始背景用卡尔曼滤波更新，能自适应环境光的漫变，给出了目标检测跟踪算法的及实现算法ＴＭＳ３２０Ｃ２５脱机硬件系统结构。跟踪实际交通图像结果表明，算法性能良好，处理速度为－３４次／ｓ，满足了交通管理的实时性要求。     

民用无人机交通管理体系架构及关键技术

民用无人机交通管理是无人机运行管理的核心。目前无人机交通管理的研究大都处于针对单一运行场景的策略制定和相关支撑技术方案的探讨和论证阶段,没有系统揭示无人机交通管理体系全貌和技术发展趋势。在分析国外民用无人机交通管理现状的基础上,设计了面向全谱系运行场景的民用无人机交通管理体系架构,涵盖典型运行场景、管理策略、运行生态。为支持无人机交通管理体系的实施,围绕无人机空域精细化管理、无人机运行安全与间隔管理、无人机交通引导与控制、无人机智能化设施规划与应用提出了11项关键技术,并分析了技术发展现状,总结了技术发展方向。研究结果表明：民用无人机交通管理应采用面向场景基于风险的分级分类管理策略,适应无人机运行生态的可持续发展需要;交通管理关键技术研究需考虑多场景、多类型、多阶段、交互性、大规模、高自主等因素,以安全、高效融入国家空域系统。     

城市交通信息系统的设计研制——以北京市的系统开发为例

本文介绍了城市交通信息系统的设计目标，开发途径及其系统结构与功能和数据地理编码、建库，同时，论述了系统中交通现状、交通管理、交通规划及背景信息查询模块的建造及应用实验.     

公交优先的信号控制策略研究

研究了公交优先信号控制策略,模拟路边建立公交车辆检测器的情况下,不同交通流量和公交车发车间隔的最优控制策略,研究发现：当交通流量小于300辆／h．车道时,公交优先信号控制策略能显著地减少乘客的延误时间,而当交通流量达到500辆／h．车道时,即使有公交优先控制策略,而无公交专用道路,也不能有效减少乘客的延误时间,模拟实验的结果是：找到了使公交优先信号控制有效的交通流量和公交车发车间隔的阈值。     

基于非齐次泊松过程的共享停车场运营策略

为缓解因城市某些地区、某些时间段停车供需不平衡的问题,将居住区内空闲车位进行共享的解决方法已引起多方的关注。在居住区实施共享停车时,需考虑车位提供者与社会停车用户的时空冲突问题。本文首先基于实际停车行为数据,假设车位提供者返回过程呈非齐次泊松过程;其次,以居住区共享停车为运营场景,居住区停车场车位共享率和管理者收益最大化为目标,构建了相应的数学优化模型;最后,设计了粒子群求解算法,通过数值实验,分析该场景下的最优运营策略。结果表明：(1)社会停车用户的最大离开速率在其占车位总数的四分之一左右时,管理者总收益最大;(2)随着车位提供者车位返回速率突变时间的改变,要使得总收益及车位共享率最优,第一阶段变更共享策略时间设置在车位提供者返回速率突变时间前三十分钟内,第二阶段变更共享策略时间应设置在车位提供者返回速率突变时间后一小时五十分钟以内为宜。     

上海世博会出行方式选择意愿的建模与场景分析

针对2010年上海世博会客流来源广泛、背景差异大的特点,设计了两阶段递进式的SP(stated preference survey)调查方法,进行了大规模的世博客流出行方式选择意愿调查,多层次地分析了各种影响因素的效用;以此为基础,建立了描述本地、外地住宿、外地一日游等不同类型游客出行方式选择行为的多项Logit模型;利用这些出行方式离散选择模型,分析对比了多种交通管理措施和政策的组合场景实施效果,针对性地给出了世博交通管理的建议措施.     

浅谈有限低价评标法在公路工程招投标工作中的应用

本文通过笔者对招投表方面的理解和认识,结合河南交通招投标市场,对有限低价评标法的应用。     

Observations of passenger flow and verification of a crowd dynamics model

This paper reports observations of passenger flow in the Wuchang railway station in Wuhan, China during the Chinese Traditional Spring Festival in 2006. The data collected are used to verify a crowd dynamics model previously developed. The crowd dynamics model is based on simulating the global movement of each individual under the influence of the surrounding crowd, and the good agreement between the predictions and observations validates the prediction model. The crowd dynamics model suggests that the crowd movement speed is dominated by two factors： the front-back inter-person effect, and the pedestrian＇s self-motive. The first effect gives logarithmic relationship between the crowd speed and crowd density. The second factor depends on the individual motive driven with which people try to divorce themselves from the control of the crowd movement. The prediction model are helpful to guide the design of public traffic systems for effective crowd dispersal.