不同等级公路对公路货运发展的影响

为衡量不同等级公路对公路货运发展的影响程度,基于公路网的网络结构特征,应用比较优势理论,采用通径分析方法,构建出衡量不同等级公路对公路货运发展的贡献度计量模型。研究结果表明：高等级公路是影响公路货运发展的主导因素,较低等级公路对公路货运发展的贡献主要通过高等级公路来实现;较低等级公路的集散功能与高等级公路的通过功能是相互制约的关系;要促进公路货运发展,不仅需要继续保持对高等级公路的建设投资,还要推进各等级公路的协调发展,进一步完善各等级公路的合理布局。     

基于纹理提取与注入的交通图像去雾算法研究

雾天户外视觉系统所拍摄的交通图像质量下降、特征模糊直接影响到后续智能交通系统的监控精度,研究交通图像的去雾问题具有重要的实际意义.不同于一般的可视场景图像,交通图像的去雾在关注其去雾后视觉效果的同时,更应重视对交通图像纹理、边缘等特征信息的保持.提出一种基于纹理提取与注入的交通图像去雾算法,利用引导滤波从含雾交通图像的非下采样Contourlet变换的高频子带中提取交通图像的纹理、边缘信息,然后将其注入利用暗通道模型的去雾图像中,在有效去雾的同时一定程度上增强了去雾后交通图像的纹理细节信息.实验结果验证了算法的有效性.     

城市交通生态占用研究--以北京市为例

为了反映城市不同交通工具对自然生态环境产生的压力和影响程度,基于生态占用理论和方法,计算了2002年北京市公共电汽车、地铁、轻轨、出租车、小公共汽车和私家车等主要交通工具的生态占用.结果表明:私家车生态占用约为7.27×105hm2;出租车生态占用约为2.42×105hm2;公共电汽车生态占用约为1.59×105hm2;小公共汽车生态占用约为0.71×105hm2;地铁生态占用约为0.32×105hm2;轻轨生态占用约为0.23×105hm2.私家车的人均生态占用是公共汽车人均生态占用的5.67倍.这证实私家车对生态环境的威胁和压力比公共交通工具对生态环境的威胁和压力大.优先发展城市公共交通,适度限制发展私人交通是实现城市交通可持续发展的必然选择.     

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.     

城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法.首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域.然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向.实验结果表明:该算法的总体识别率超过91％,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息.     

城市轨道交通列车运行图编制的数学模型及方法

在对城市轨道交通线路属性进行数学描述的基础上,以车辆段设置地点为核心,提出两站图及三站图理论,设计分层顺序和反序推点算法计算列车在中间站的到发时刻,并以分时段列车等间隔运行为目标函数,构建城市轨道交通列车运行图通用数学模型.利用北京城铁13号线数据,通过计算机模拟方法验证了论文提出的城市轨道交通列车运行图编制理论的正确性和实用性.     

基于改进的SIFT算法交通标志牌的检测与识别

提出了一种针对自然场景下的标志牌的检测和识别算法,首先对获取的视频进行帧提取,采用图像增强算法对图像进行预处理,进而转换到HSV颜色空间,利用其颜色和形状特征进行检测定位,再根据感兴趣区域的面积特征排除多余目标,最后根据改进的SIFT特征匹配算法,利用最近邻分类器算法进行识别,样本库选用的是自然场景下的道路交通中的数据,通过对比实验发现,该算法在保证检测率的同时大大提高了算法的实时性。     

交通信号灯智能控制系统设计与实现

研究了运用PLC技术的交通信号控制系统，用简洁的软硬件使其智能化程度更高。采用PLC与计算机之间的通讯链接技术，完成交通对象的复杂控制。并运用模糊控制原理，将人的控制经验及推理过程纳入系统自动控制当中，使车辆行驶和道路导航实现智能化。     

考虑航班计划的机场短时停车需求预测

为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型。首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划对机场停车场短时停车需求的影响,将其与气象状况同时引入短时停车需求影响因素中,建立了基于Conv1D-长短期记忆(long short-term memory, LSTM)神经网络结构的机场短时停车需求模型。以上海虹桥机场停车场为实例,Conv1D-LSTM模型实验结果的平均绝对误差和均方根误差分别为12.057辆和14.237辆;对比多个其他模型实验结果,所构建的Conv1D-LSTM模型预测效果更优,能有效应用于机场停车场短时停车需求预测。     

基于感知的公交调度发车频率和车型优化模型

基于乘客感知的公交客流需求特征,研究了公交发车频率和公交车型的调度决策问题.针对单线独立运营模式的特征分别建立了基于最大感知和平均感知的公交调度优化模型,并设计算法.最后结合2014年江苏省江阴市K1路公交客流给出了优化算例.案例结果表明,模型具有较强的实用性,能有效地降低公交运营总成本并提高公交运营效率.