信号交叉口通行能力与数据采集技术研究

交叉口作为城市道路网的节点，是城市交通系统的咽喉。据统计，城市道路网络中80％以上的延误集中在交叉口区域。目前，我国大城市的道路交叉口大多数为平面信号交叉口，在这些交叉口处，交通流的显著特征是机非行人混行、低速和高密度，针对该特征的混合交通流检测及其通行能力研究是我国城市道路交通精细化管理和控制的关键。     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

福井—石桥交通流模型高密度区平均场方程

对于一维交流流的含高速运动车（Ｖｍａｘ＝Ｍ〉１）并可随机延迟的福井－石桥元胞自动机模型，从车头间距的观点进行了研究，给出了车头间距随时间演化的基本方程，定义了长车距和短车距的概念，并分别计算了它们的出现概率，在高密度（ρ≥１／Ｍ）条件下证明了长车距的长度针缩短，任何初态都将演化到所有车头间距皆为短车距的稳定态，从而严格地证明了对于有随机延迟的一般福井－石桥交通流模型，其高密度区域车流渐近稳定态的基     

预则型动态交通网络配流模型

提出卫种预测型动态交通网络配流模型，利用最优控制理论和最优化原理推出了模型最优解存在的条件，并给出最优解的经济解释，体现模型体现了道路使用者对路树的预测依赖于先进的交通信息系统和决策者的理发预测的特点，它与实际情况更为接近。     

一维元胞自动机随机交通流模型的研究

依据概率论的定义，通过对稳态时关联函数的解耦，给出一维元胞自动机单速随机交通流模型中的关联函数与转入、转出及刹车概率之间的关系，继而进一步得出车辆的密度、速度、流量等物理量随这三个概率变化的理论值，理论结果与实验模拟相一致．     

对交通流动力学理论的认识

随着经济的快速发展，城市交通问题日益成为人们所关注的一个焦点，交通流动力学理论也随之得到迅速发展，章较系统地介绍了交通流动力学理论的发展、研究，并结合当前国内发展现状提出了它将来的发展趋势．     

单个交叉路口到车服从泊松分布条件下控制动态响应的仿真研究

从控制理论出发，依据仿真试验数据，研究当到车服从泊松分布时单个交叉路口信号控制的动态响应，给出试验结果和一些对提高交通流控制效果有参考价值的结论。