基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

现代网络业务流的几个基本定律

为了采用有物理意义的参数,在多个时间尺度下对现代网络业务流进行建模,考察了网络流量长相关(LRD)的基本特征,提出了业务流中满足的几个基本定律,揭示了在流量中描述LRD定量关系的参数cγ(或cf)、流量聚集级m、平均到达率l之间的基本关系,并通过实际测量的数据加以验证.所提出的定律表明:(1)流量确实存在LRD行为;(2)平均到达率(TCP和IP流等)与参数cγ(或cf)存在一定的统计定量关系.     

城市交通可持续发展的策略及建议

阐述了城市交通可持续发展的含义,介绍了目前国际上通用的两种城市交通系统可持续发展模式——轨道交通系统和快速公共交通系统BRT,指出了在实施城市交通可持续发展系统过程中应重视的若干问题。     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。     

基于可替换路径对的多用户均衡交通分配算法

针对多用户均衡交通分配问题,依据多用户均衡条件,给出了该问题的变分不等式模型和间隙函数。利用可替换路径对的概念,设计了基于可替换路径对的多用户均衡交通分配算法。在大规模交通网络上,对比分析了提出的交通分配算法、外梯度算法、基于用户的对角化算法和基于起点的对角化算法等的性能。数值结果表明,提出的基于可替换路径对的交通分配算法在求解精度、算法效率以及稳定性等方面都显著优于其他算法。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量,能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型,利用BP 神经网络对样本数据进行处理,再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段,利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证,并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性,建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束,钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标,建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例,采用实际数据验证所建立的方法,并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法,在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明,钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力,尤其是干道直行机动车的通行能力,可降低车辆的平均延误。     

一种通用的城市道路交通流微观仿真系统的研究

交通流仿真是研究交通问题的有效工具,本文采用复合概率、模糊逻辑等方法建立了描述交通流中不确定性因素、车辆的到达,在路段上行驶以及通过路口的微观仿真模型,并利用面向对象的方法设计实现了于种基于上述模型的通用城市交通流微观仿真系统,比较真实地再现了车辆在道路网络的行驶过程。     

基于交通效率的城市公共交通路网研究

城市公共交通路网布局是影响公共交通效率非常重要的因素,本文在满足交通需求、环境约束、能源约束的前提下,研究了公共交通效率最大化的公共交通路网布局模型,并提出了运用遗传算法求解模型的思路和基本步骤.     

基于Web的交通事故远程仿真系统

结合开发交通事故防范的数字化公共平台,根据基于Web的交通事故模拟分析系统的技术特征,设计了基于Web的交通事故模拟分析系统的框架.基于商业软件,提出适用于模拟法的交通事故场景自动生成技术,并初步建立了包括车辆、人体在内的全三维参数化仿真模型数据库.通过实现远程交通事故模拟与分析,为交通事故的快速分析和处理提供有力的支持.