绿色交通理念下的非机动化发展对策

随着我国机动化水平的不断提高,带来的是我国交通问题的日益突出,利用＂绿色交通理念＂,适时发展非机动化交通方式,对解决城市交通拥堵等交通问题有重要意义。     

雇猴警官改善警民关系

在泰国也拉省萨布里区的当地警方,别出心裁地雇佣了一位与众不同的新"警官"——短尾猴。这只猴子身穿特制的警服执勤,威风凛凛而又滑稽可爱。它的到来对改善当地的警民关系和缓解交通拥堵状况起到了很好的作用。     

中美“血拼” 为什么要到美国办年货？

对中国人和美国人来说，一年中最重要节日的主翘都一样。那就是消费。美国人的购物季从11月的第四个星期五开始．这一天也被称作“黑色星期五”。这种说法据说上世纪60年代起源于美国费城，因为这一天购物者会涌入城市的商业中心，导致交通拥堵，给交警和出行司机都带来不小的麻烦。     

英“移动站台”构想奇妙 从家门口送乘客与火车对接

<正>在城市化进程中,交通拥堵无疑成为困扰每一个人的问题。你是否常常为了赶火车而苦恼,希望站台能够修到自家门口?日前,英国设计师保罗·普瑞斯特曼就提出了一种新概念,设想让站台变成可以移动的电车,把人们送上行进中的高铁。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

限行政策下的山地城市道路交通拥堵问题研究

城市交通拥堵问题日趋严重,山地城市因特殊的地理形态,拥堵问题更为凸显,实施限行政策是缓解山地城市交通拥堵的手段之一;通过构建随机均衡配流模型来描述限行政策下山地城市交通的运行状况,并采用改进后的Dial算法对模型进行求解;研究以重庆市主城区为例,结合城市多中心组团的特性,对组团间的联系通道采取工作日机动车尾号限行措施,分析山地城市道路流量和服务水平的变化情况;研究发现,限行后组团中心区域的道路交通流量显著减少,道路服务水平明显提高,但同时交通拥堵也向周边区域发生扩散;最后,提出了缓解拥堵扩散的相关措施和建议。     

基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究

随着机动车辆的迅猛增长,城市路网呈现出事件多发、通行状态多变的特征,大城市的交通问题日趋严重.借助大数据技术,通过对城市路网中海量浮动车轨迹数据的深入挖掘,能够实现对复杂交通状态的快速识别和准确分析.本文首先对北京市浮动车的海量数据进行校准和清洗.其次,针对不同的研究内容,构建不同尺度的网格模型.然后,根据网格内节点对行程时间的历史数据,识别常发拥堵区域;结合实时行程时间数据,识别偶发拥堵事件.最后,通过对网格交通运行指数进行密度聚类,从空间范围上将大城市拥堵区域的类型划分为"点-线-面"3个层级对交通拥堵进行评价研究.本研究不以道路矢量地图为基础,仅通过浮动车轨迹数据,便可以实现对交通拥堵的高效识别和宏观拥堵的评价.     

交通拥堵中蝴蝶效应现象的计算机仿真研究

城市交通系统受到复杂的环境、道路、车辆、人员等众多因素的影响,是典型的复杂系统。文章通过交通拥堵中蝴蝶效应现象的计算机仿真研究,说明了计算机仿真技术应用于复杂系统求解过程的要点和优势,并对解决日益严重且难以解决的交通拥堵问题提出了有益的对策。     

海外传真

日本交通安全教育从小抓起日本是全球的汽车消费大国,却以交通事故少、死亡率低、通行率高等闻名于世,其交通文明也为世人所称道。那么,日本是如何解决交通拥堵、减少交通事故而实现文明交通的呢?日本的少年儿童从小就接受交通安全教育,交通安全知识编入了语文、算术、