基于实时数据的网状城市快速路行驶时间预测方法研究

基于城市快速路实时管理和控制的思路,利用观测断面的数据,给出动态预测网状城市快速路上的交通状态和任意两点间行驶时间的方法。具体做法是,依据时序列数据、状态空间模型和自回归模型进行模型参数自拟合,并且预测出将来几个时段的交通状态,然后计算出行驶时间。最后,给出应用于城市快速路网的实例计算结果。结果表明,提出的方法可以用于预测路网上的交通状态和行驶时间,并为城市快速路的信息服务和交通诱导提供一种方法。     

行人影响下的信号交叉口通行能力研究

为量化行人交通对信号交叉口通行能力的影响,分析了行人-机动车冲突点处的行人行为特征和人车运行规律,并描述了行人成群到达的现象。在此基础上,利用车队分析法建立冲突点车辆通行能力模型,并且利用实测数据标定模型参数,为计算行人影响下的信号交叉口通行能力提供了分析依据。模型计算的冲突车流通行能力很大程度取决于有效绿灯时间内冲突点处人车冲突的平均次数。模型计算通行能力总体上低于HCM 2000方法,结果随行人流量增加而呈现的下降趋势渐趋平缓。模型建立在冲突点运行规律基础之上,具有较广泛的适应性。研究为混合交通条件下信号交叉口配时设计与交通管理提供了理论基础。     

道路交通状态预测研究

针对道路交通状态预测的研究成果,综述了基于实时数据分析的道路交通状态预测理论和方法的相关研究.从分析基于实时数据分析的道路交通预测的基本流程、特点和要求和单一断面交通状态预测和多断面交通状态预测角度回顾了道路交通状态预测的研究现状.结果表明:在不断发展完善单一断面预测方法的同时,需要发展以多个断面交通状态为研究对象的多断面预测方法,以促进我国智能交通系统的基础理论发展及其应用水平的提高.     

基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法

为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模型。首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析。计算结果表明,该模型具有较高的精度和可靠性。     

基于快速K均值聚类的经济水平与货运量模型

应用快速K均值聚类方法对我国各地区工业生产水平、单位生产的货运量进行聚类分析。根据各省市在分类成员表中的类别归属,对横截面分类数据作了进一步的回归分析。选取工业生产水平和货运量的对数为2个聚类因子,得出了5个聚类。通过定性和定量相结合的方法得出我国各地区的经济水平与货运量增长速度之间的定量关系模型,模型的相关系数介于0.901~0.982,置信度较高。     

拥堵路网交通流均衡分配模型

为克服利用传统静态交通流分配模型分析拥堵道路网络交通流分配问题的不足,研究交通拥堵状态下静态拥堵交通流均衡分配模型.首先,基于拥堵路段上交通流特征,分析拥堵路段阻抗函数特点,包括满足拥堵路段上流量随车辆数增加而减少的特征;其次,分析拥堵状态下用户疏解路径选择行为,提出道路网静态拥堵交通流分配的用户均衡与系统最优原理;再次,构建道路网静态拥堵交通流用户均衡与系统最优分配模型,并证明模型与用户均衡原理的等价性、模型解的唯一性;最后,给出求解用户均衡模型的迭代加权求解算法.通过算例与传统静态交通流分配进行对比分析,结果表明:拥堵用户均衡分配模型与拥堵系统最优分配模型可以合理描述拥堵用户均衡原理与系统最优均衡原理,且拥堵用户均衡分配模型可以合理描述路网处于全拥堵状态下各路段实际通过流量.拥堵交通流分配模型可应用于由拥堵蔓延导致的局部全拥堵区域,可作为半拥堵静态交通流分配的核心部分之一.     

土地利用与居民出行生成模型及其参数标定

基于城市交通与土地利用的相互关系,建立了土地利用与居民出行生成模型,并对模型中的参数进行了标定。由于不同的土地利用类型,居民出行生成量有很大的差异,选用建筑容积率并利用MATLAB软件计算其对土地利用类型赋予的不同的权重系数,并以长春市为例对模型的参数进行标定并加以验证。     

公交优先与城市发展

城市公共交通尤其是城市轨道交通以快速、准时、安全、舒适、运量大、能耗低、污染轻的绿色方式。在承担城市居民出行服务的同时，可以拉动和优化土地利用空间布局，解决被称为城市交通“病”的道路交通阻塞、交通事故和环境污染问题。并已经被国内外大城市交通建设的经验所证实。近年，以北京在上海等为首的我国特大城市已经认识到城市公共交通在城市发展和交通建设中的不可替代性，并进行了“以公共交通优先发展为基本的城市交通白皮书”或“交通发展纲要”等的编制。以确定公共交通优先在城市规划和建设中法定地位。     

基于G-P算法的快速路交通流参数相空间重构

提出了一种基于混沌分析的G-P(Grassberger-procaccia algorithm)算法将非平稳交通流参数时间序列近似转化为平稳时间序列的方法。首先采用自相关函数判断自由流状态、拥挤流状态和阻塞流状态下交通流基本参数时间序列的平稳性。然后应用G-P算法计算嵌入维,进行相空间重构,给出交通流参数时间序列平稳化方法。最后利用快速路交通流实测数据,对3种状态下非平稳的交通流参数时间序列的平稳化进行验证,结果表明:本文方法能够为交通流参数分析、拟合和预测提供科学合理的输入集。