基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.      

与交通标志信息有关的驾驶人短时记忆衰减研究

研究驾驶人交通标志信息记忆量随时间的变化规律,能够为城市道路交通标志设计及实施应用提供有力支撑。在分析短时记忆时间规律、交通标志信息传输及度量的基础上,以一条有交通信息标志的实验路段为例,采用实验车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,探究交通标志信息记忆量随时间变化的规律。结果表明,驾驶人对交通标志信息的短时记忆衰减规律符合艾定浩斯遗忘曲线。     

铁路选线设计方案物元优选模型及其应用研究

铁路选线设计方案优选是一个多目标决策问题。根据铁路选线设计方案优选评价的内容和特点,从技术可行性、经济合理性、施工及环境影响和社会政治经济意义4个方面建立了评价指标体系。在此基础上,应用物元可拓理论,并结合AHP权重确定方法,依据优选评价等级划分标准,提出了铁路选线设计方案物元优选综合评价模型,可较好地反映铁路选线设计方案的内涵,对铁路选线设计方案的优选评价有借鉴作用。实证研究表明,此评价模型可用于判定铁路选线设计方案优选达到的程度,以及进行不同时期铁路选线设计方案的比较。     

交通语言在交通管理中的应用

引入交通语言的概念,研究交通语言对交通系统运行指标的影响模式,指出不合理的交通语言容易产生交通问题。针对交通管理对交通语言的需求提出面向交通管理和信息服务的交通语言设置方式。最后,阐述基于交通语言的有效交通管理措施有：通过交通导向分离不同需求的交通流;分层次设置交通语言;信息量集中处采用分散设置的方式提高信息发布效率。研究结果可作为交通管理方案制定和实施的参考。     

交叉口指路标志信息有效性量化模型研究

为了精确度量交叉口指路标志信息的有效性,结合人机系统理念,综合考虑驾驶人在指路标志信息理解、判断及决策过程中的信息需求、认知规律及心理预期,分析影响信息有效性的主要因素,选取信息需求满足程度、信息关联强度、信息适量程度、信息理解难易度及驾驶人心理预期作为标志信息有效性的量化指标,建立交叉口指路标志信息有效性量化模型.运用模型进行实验分析,结果表明,模型量化数据能够精确表征交叉口指路标志信息的有效性,同时可以全面体现影响指路标志信息有效性的主要因素,进而为更加合理地设计、设置指路标志提供参考及依据.     

驾驶人对交通标志视认的短时记忆衰减模型研究

研究驾驶人交通标志信息记忆量随时间的变化规律,构建驾驶人对交通标志视认的短时记忆衰减模型,能够为城市道路交通标志设计及实施应用提供有力的支撑.基于对记忆衰减因子、衰减曲线形式的分析及对交通标志视认的短时记忆衰减模型的三个特点,提出采用幂函数曲线作为驾驶人对交通标志视认的短时记忆衰减曲线,并以一条有交通标志的实验路段为例,采用实车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,构建驾驶人对交通标志视认的短时记忆衰减模型.     

基于广义费用函数的高铁票价双层规划模型研究

为了研究客运通道内合理制定高铁票价的方法,从出行者选择出行工具影响因素出发,建立考虑安全性、快捷性、经济性、舒适度、方便性等五大服务特征因素的广义费用函数;构建考虑旅客和高铁运营单位这2个矛盾体双重利益的双层规划模型,其上层规划描述高铁运营单位在政府规定的范围内制定最佳票价策略以实现企业自身的目标,下层规划则描述旅客在城际间各种运输方式竞争合作条件下广义出行费用最小的目标;采用内罚函数算法设计基于径路流量的FrankWolfe算法的求解步骤;以京沪高铁实例验证所提出的模型与算法的合理性。研究结果表明:通过该模型制定的高铁票价具有现实可借鉴性,可为高铁票价的制定提供较为科学的依据。     

机非混行道路交通改善方法研究

目前我国城市中有很多道路是机非混行,其主要问题是安全性差、机非干扰严重、通行效率低.以解决混行交通问题为目的,采用冲突分析的方法,对路段、交叉口的潜在交通问题、交叉口空间划分、交通组织方法等进行了研究.针对混行问题,从机动车、非机动车、公共交通、停车等几个方面提出了基于慢行交通一体化思想的改善方法,并讨论了方法的适用性.实践证明,该方法可以充分保证非机动车的交通安全,并提高路段和交叉口的通行效率,在一定的条件下还可以增加停车供给和绿化面积.该方法较适用于原人行道较宽的一块板和两块板道路的改善设计.     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

诱发道路交通事故的关键因子分析方法研究

为探究造成道路交通事故的关键成因,对道路交通事故的主要影响因素进行了多因致果集中分析,构建了涵盖机动车驾驶入、非机动车驾驶人、行人及乘车人、道路环境、意外的道路交通事故成因指标体系,运用因子分析法对指标体系进行降维处理,得到了造成道路交通事故的关键因子,进而提出了道路交通事故关键因子分析步骤.以我国2006~2012年全国道路交通事故统计为例,对原有38个相关联评价指标进行综合分析,结果表明:道路交通事故的关键成因是机动车非法行驶与停靠致因因子(贡献率57.34%)、交叉口与路段非法穿越道路致因因子(贡献率23.12%)和道路设施不健全与交通工具故障致因因子(贡献率12.58%)三方面.