智能交通信号灯设计思路

本文指出了目前交通信号灯控制方式上存在的缺点，并提出了改进方案，从理论上阐明了用计算机实现交通灯智能控制的可行性，设计了用ＡＰＰＬＥ－Ⅱ机控制交通灯的程序。经模拟实验，证明这一设计是正确的。     

试论《道路交通安全法》的实施

简述了〈中华人民共和国道路交通安全法〉颁布实施以来,给道路交通安全管理带来的巨大变化,针对新法实施过程中发现的一些问题,提出了进一步改进的措施.     

一种新的路径生成式Logit交通分配算法

Logit方法是一种重要的非平衡交通分配方法，但由于需要路径枚举，限制了它在大型路网上的应用。本文提出了一种新的路径生成式Logit交通分配算法。每次迭代中，利用Logit方法在已产生的路径集上进行变通分配，并更新路段交通量度路段运行时间，然后在此基础上利用最短路算法求出新的最短路并更新路径集，如此变替进行．直至不再产生新的最短路，最后完成交通分配。由于不需进行路径枚举，从而使本算法适用于大型路网的交通分配。实际计算表明．该算法是有效和可行的。     

基于投影寻踪自回归的短时交通流预测

厦时准确地进行交通流短时预测是智能运通系统（ITS），尤其是其先进的交通管理系统（ATMS）与先进的出行者信息系统（ATIS）研究的关键内容之一。随着预测时间跨度的缩短，交通流量的变化显示出越来越强的不确定性，使得一般方法的预测精度大大降低。例如：非参数回归的算法是一种“无参数”、可移植、高预测精度的实时预测算法，在变通流预测中发挥了很大的作用。但随着样本数据维数的增加．存在“维数祸根”的现象。针对目前短时交通流预测存在的问题，本文提出一种基于投影寻踪自回归技术的短时交通流预测模型，解决了“维数祸根”和高维数据闻的非正态、非线性问题。经过实测数据验证。谊算法完全满足实时交通流预测的需要。     

基于改进概率神经网络的交通标志图像识别方法

神经网络具有较强的容错性和自适应学习能力，在交通标志图像识别中获得广泛的应用，但目前采用的多层感知器、BP神经网络以及径向基神经网络等几种神经网络存在一些不足，故本文提出采用改进概率神经网络进行交通标志图像识别的新方法，整个算法分两步实现：首先对交通标志图像提取它的Tchebichef不变距并作为图像的特征；然后采用改进的概率神经网络进行识别。仿真实验表明，提出的方法比以前的方法有更好的识别效果。     

交通流量变模式辨识的非参数概率变点模型

交通流状态辨识是智能运输系统（ITS），尤其是其先进的交通管理系统（ATMS）和先进的出行者信息系统（ATIS）研究的一个重要内容。以往算法主要集中在交通流预辨识（即交通流预测）和交通流实时辨识（即事件检测或交通流突变检测）的研究上．而忽略对交通流关键参数量变模式的辨认。依据交通流理论，结合非参数变点统计方法，以在淄博市世纪路采获的自由车流数据的研究为例，首次建立对交通模式量变识别的非线性概率变点模型．对变点存在与否进行假设检验。并对变点发生（时间）位置的搜索算法作了详细研究。最后结合实地数据对本方法进行了标定和检验。验证了本方法的有效性和可行性。     

基于混合整数规划的相邻交叉路口信号协调控制

建立一个基于混合整数规划的相邻交叉路口信号协调控制模型，该模型适用于两路口之间距离比较短的情况。根据上游路口的驶入率和周期初路段上的车辆数，对该路段上的车辆运行情况进行了研究，得到了一个周期内该路段的车辆数变化以及下游路口车辆驶出累积数，并通过协调上游路口信号灯变换时间来控制下游路口车辆周期内的驶出数量。本文与现有文献的不同之处在于，是以固定时间内下游路口驶出的车辆数为目标函数进行建模，给出了模型的一些重要性质，并通过算例对模型的协调控制能力进行了仿真研究。     

习惯路径算法与EMME/2的连接

本文提出了一种有效的交通流量的经验分配方法——习惯路径算法。该算法可以考虑规划的情况,并且可以同EMME/2进行数据通讯。     

土地利用效用与车辆出行的产生和吸引

车辆出行的产生和吸引量与交通小区的土地利用情况密切相关.土地利用情况可以用一系列的经济、技术指标来描述,但实际工作中有些指标往往不容易得到,因此很难完整地描述土地利用情况,更无法以此来建模和预测.本文介绍了土地利用效用的概念,它可以利用统计数据综合地反映交通小区的土地利佣情况.文中还给出了土地利用效用在城市交通规划中应用的实例.     

基于手机定位的交通OD数据获取技术

出行OD是进行交通规划和路网管理的重要基础信息,是反映出行需求空间分布的重要参数,其准确程度将影响交通分配模型的效果。由于传统的居民出行调查、电话调查以及路边询问等调查方式存在较大局限性,因此实际中很难获取高质量的OD数据。利用已有的手机通信网络设施,借助手机定位技术对目标对象进行连续位置跟踪,通过数据处理和建模分析提取追踪对象的OD信息。本文根据对目标对象进行位置追踪所采用的技术不同分为两类：（1）通过信号强度参数结合几何原理定位得到手机的平面坐标;（2）通过通信网络所记录的手机位置变化的位置区数据。