基于贝叶斯分析的道路交通系统可靠性模型

针对灾变事件下重大公路交通基础设施所在路网运营安全管理实时决策的需要,提出了基于贝叶斯分析的道路交通系统可靠性计算模型.以系统工程理论对道路交通系统进行建模和分类,以可靠性工程理论对道路交通系统可靠性的概念进行定义,并逐级建立4类道路交通系统的可靠性计算模型.为了满足路网交通系统可靠性模型的应用需要,引入贝叶斯网络理论...     

基于时空关系的手机定位数据处理方法

应用手机定位技术进行交通信息的采集是当前国内外研究的一个热点.但是效果并不如人意,其中手机定位数据中包含了大量的“噪声”是一个重要原因.以某区域的手机定位数据作为对象,结合CELL_ID定位技术与手机切换的原理,首先根据蜂窝网基站的点数据,创建了与之对应的点、面图层;然后采用基于GIS时空关系的方法,对手机定位数据中“...     

工程传播是传播学研究的新对象和新内容

工程的发展伴随着文明的进程,体现并传播着各个时代的思想和文化。本文以工程概念为基础,以上海虹桥综合交通枢纽工程(下称虹桥工程)为分析案例,应用传播学5W理论对工程传播、公众理解工程及公众参与工程决策进行分析解读。分析得出:虹桥工程吝于言但蕴于理念,工程依靠传播让公众认知、理解并参与—公众参与工程决策的前提是工程传播。工程传播作为一门新兴交叉学科,正成为传播学研究的新对象和新内容。     

网络流量测量技术研究

研究网络流量特征,对网络管理、规划和发展具有重要意义.本文讨论网络流量的采集方法、流量测量和分析方法、流量测量模型,并指出了流量测量模型方面需要改进和进一步研究的问题.     

从动能损失看弯道路段的通行能力

基于元胞自动机NaSch交通流模型,提出弯道交通流的能耗公式.在开放边界条件下研究不同弯道曲率半径、弧长、摩擦系数等因素对各种能耗的影响.模拟结果表明:在不同影响因素情况下,对应的各种能耗随进车概率的变化趋势相似,安全能耗总是最小的,趋于零;弯道的曲率半径和摩擦系数越小、弯道弧长越长,出现能耗平台的临界进车概率点越小,...     

基于小波分析和集成学习的短时交通流预测

针对短时交通流具有随机性和不确定性等特征,提出一种基于小波分析和集成学习的组合预测模型.首先,对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;其次,对于各重构的单支序列分别使用极端梯度提升模型(extreme gradient boosting,XGBoost)进...     

飞行计划集中处理的流量瓶颈点的识别与优化

为建设全国级的空中交通流量管理系统提供智力支持,将飞行计划集中处理这一手段,运用于预战术飞行流量管理阶段的流量管理方法和技术的研究之中,提供了一条新的研究思路.首先,利用过点时间预测算法计算过点时间,并根据过点时间统计出关键航路点的流量预测值;接下来,通过航路点容量模型识别航路上飞行流量大于容量的航路点,即流量瓶颈点;...     

城市干道无信号控制人行横道行人过街特性分析

对城市干道无信号控制人行横道行人过街特性进行了分析,在对行人过街定性分析的基础上总结出反映行人过街效率的6个具体指标,以某市典型无信号控制人行横道为实例进行了交通调查,测算了行人过街效率指标的实际值.通过对指标值的分析,找出了观测路段交通秩序混乱的原因,提出了具体的改进建议.     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。