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。     

公路工程施工质量监理

探讨了公路工程施工质量监理工作，包括制定监理实施细则与技术交底，施工准备阶段的监理以及施工阶段的质量控制。     

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.     

论宏观调控主体的法律规制

宏观调控主体是宏观调控法中的重要范畴，对其的法律规制，能够使主体的行为制度化、规范化．保障宏观调控权的实现，从而进一步完善宏观调控。     

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。     

面向控制的城市快速路网宏观动态交通模型

针对我国城市交通特点，在改进经典的高速道路网宏观交通流模型METANET的基础上，提出了面向控制的城市快速路网宏观动态交通模型。该交通模型能够更好地描述快速路出口匝道流出能力受限、快速路主线起始点车流以及快速路主线车速控制等现象。对上海高架快速路的实际交通流数据进行了仿真研究，结果表明该模型较好地反映了城市快速路交通流的动态演化特征，可以作为城市交通控制系统分析和设计的有力工具。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。