基于BP神经网络的路径行程时间实时预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上,本文建立了基于ＢＰ神经网络的行程时间实时预测模型,编制了行程时间预测软件系统．利用长春市的交通实测数据对行程时间进行了预测     

城市交通网络综合平衡交通分配模型研究

基于目前交通分配中“系统”与“用户”之间的矛盾及其冲突机理，提出了平衡协调思想，并在综合考虑出行影响因素的基础上，建立了平衡分配模型，从理论上实现了路网流量分配的合理化。     

基于卡尔曼滤波理论的实时行程时间预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上,本文利用卡尔曼滤波理论建立了行程时间预测模型, 利用实测的交通流量预测几个时段后的路段行程时间, 进而预测路径行程时间．文中利用三种方法预测行程时间并对结果进行了分析     

离散时间动态随机交通分配模型

提出了一种离散时间的动态随机交通分配模型。该模型以离散时间形式提供在一天或高峰期间内路网交通流的变化。模型中路段交通条件假设为两部分：一部分为自由流,一部分为排队车流。模型中考虑了先入先出的原则和路段拥挤效应。运输需求调整采用马尔克夫动态模型。当每个出行者不能再通过改变出行选择而增加其效应时达到动态随机用户平衡。