基于模糊C均值聚类和神经网络的短时交通流预测方法

短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明：所提出的方法的预测准确性明显地高于其他两种方法。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性 ,文章采用一种新型随机搜索思想———人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点 ,使得交通分配系统朝着用户优化的方向发展,降低了分配的复杂性 ,为交通分配问题开创了一条新的途径 ,同时显示了蚂蚁算法在交通规划中的使用前景     

一类带位移边值问题的逆问题

给出了Hasemann问题的逆问题的数学提法，利用Hasemann问题的解法，分别讨论了其逆问题在正则与非正则情况下的解法，并得到了其封闭解。     

交通路网中的定向寻优法

利用了现实中路段特别是节点位置的确定性和交通流量的定向性，结合图论中一些算法，模拟在重力场中水滴的流动，构造了一个求解交通路网中最短路径的定向寻优算法．阐述了此算法依据的原则、求解步骤以及特殊问题的处理方法，并说明了此方法的特点。     

基于封闭项目关联规则集压缩方法

 关联规则挖掘能使我们发现数据库中大量项目与项目之间的相关关系,但是用传统关联规则生成方法所生成的规则一是数量庞大,二是其中包含许多具有相同意义的规则,这必然对用户理解和提取信息带来干扰.通过求封闭项目集大大消减了频繁项目集数量,再由封闭项目集构造一种新的存储机制——-近似格,基于近似格可以得到冗余度较小的关联规则,从而提供用户简洁紧凑又无信息丢失的关联规则集.     

具有自组织能力的道路交通信号灯控制系统

在区域自适应协调控制模式的基础上,通过增加自学习和自组织功能,实现了一种人工智能化的控制模式.该模式根据历史流量和实时检测到的交通数据进行自我学习并利用专家系统、数据挖掘技术、交通仿真分析和交通预测模型对未来交通流的发展进行预测,在此基础上得到更适合的子区域划分,并自组织实现周期、绿信比、相位差的自适应调节.其使用的时间越长,得到的信息也越多,分配的方案就越合理,具有良性化发展的特点.     

城市交通系统复杂性模型及仿真分析

提出城市交通系统是开放的复杂巨系统，建立一个基于Logit交通分配模型的诱导信息服从率复杂性模型，对出行者诱导信息服从率的变化特性进行仿真分析，结果表明路径上交通量的变化呈周期性不稳定状态。     

基于乘客流量概率分布的轨道车站合理间距优化模型

车站间距规划是城市轨道交通规划和设计的重要内容。在已有优化方法局限性分析的基础上，建立了以轨道线路系统总成本最少化为优化目标，并考虑乘客流量和乘行距离随车站间距概率分布的合理间距优化模型，提出了模型的算法，得到了各影响因素常见组合情况下的车站合理间距，分析了各因素变化对合理间距的影响，为实际工作中车站间距的合理确定提供了理论支持。     

一种分布式交通信号控制方法及仿真实现

在基于多智能体的分布式道路交通控制概念模型和单路口交通信号自学习控制方法的基础上，提出了一种基于多智能体的分布式交通信号区域控制方法。通过相邻路口信号控制智能体的信息交互和协调，在确保路口绿灯时间利用率较高的前提下，尽量使相邻路口驶来的车队不停车地通过路口。编制交通控制微观仿真软件，在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验，实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式。     

收费对两道路交通系统成本演化的影响

研究两条道路交通系统中收费下降对系统交通需求和交通成本的影响.在对成本和需求进行动态分析的基础上,建立了系统交通成本的演化方程组,推导出边际需求对交通流速度的约束条件.研究结果对道路定价和交通控制有一定的实用价值.