高速公路动态交通流模型及其参数的分段辨识

从高速公路交通流的宏观特性和动态特性出发，对高速公路进行了两级分段，以车流密度和车流速度作为状态变量，给出了高速公路非线性的宏观动态交通流模型，进而采用直接搜索法对模型中的参数进行了分段辨识，并给出了辨识实例．     

适应ITS的交通流参数之间的关系

流量、速度和密度是表征交通流特性的三个基本参数．随着ITS中纵向避碰技术和自动公路技术的应用以及车辆制动性能的提高，车辆能够以相同速度在较高的密度条件下行驶或在相同的密度条件下能够以更高的速度行驶．传统的流量-速度-密度关系将有变化．文中研究了适应ITS的交通流三个基本参数之间的关系模型，模型中引入了自由流密度，并用实测数据对模型进行了验证．     

实际交通流的运动微分方程

提出了交通流的相对粘性假设,在理想交通流的欧拉方程中引入相对粘性阻力项,得到了实际交通流的运动微分方程,并以速度一密度定流量模型和Green Shields速度一密度线性关系模型验证了假设和方程。     

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型，提出了交通流参数的线性神经网络方法，且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究。     

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型,提出了交通流参数的线性神经网络方法,且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究.     

基于视频的交通流参数检测

随着经济的发展,如何保障交通的畅通与安全已成为当今世界的热点研究课题之一。基于视频的交通流参数检测系统具有直观、安装简便、费用低等优点,它代表了车辆检测器的发展方向。简要介绍了视频车辆检测在智能交通系统中的应用,给出了基于视频的交通流参数检测的常用方法,以及检测系统提取的主要交通流参数,分析了影响检测精度的因素和提高精度的相应对策。     

基于非参数回归的短时交通流预测研究综述

短时交通流预测是实现交通控制和诱导的关键问题之一。综述了基于非参数回归的短时交通流预测方法,指出了状态向量的选取没有考虑天气环境等存在的问题,提出了改进思路和方法,即基于动态聚类和决策树的历史数据组织方式、时空一天气环境相结合的状态向量选取方法以及基于密集度和状态向量的自适应变K机制等,期望通过这些改进能提高基于非参数回归短时交通流的预测精度,为交通控制和交通诱导建立基础。     

行人交通流三参数基本关系式适用性研究

为研究交通流量、密度和速度基本关系式对行人交通流的适用性,采用类比和误差分析方法,建立了行人交通流基本关系式评价方法与步骤.采集了水平通道、楼梯等步行设施行人流量、密度和速度数据,并利用基本关系式进行密度换算,分析了密度实际观测值与基本关系式换算值之间的差异.研究结果表明:对于有固定边界步行设施上的行人交通流,在极低密度和极高密度时,用基本关系式换算参数的误差可高达20%~25%;使用基本关系式还会得到极高密度时行人交通仍能获得较高流量与速度的错误结论,并导致部分高密度交通流数据缺失;行人交通流三参数基本关系式并不严格成立,对于行人通行能力的理论研究,不应采用基本关系式进行参数换算.      

基于粒计算的交通流参数预测

交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基 础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时 间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态 可变的区域间隔长度.此方法主要特点是基于Gath-Geva 模糊聚类的时间序列分割,利用 模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化 趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区 间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.     

混合交通流参数之间关系模型标定

提出了混合交通流参数之间关系模型的标定和超车换道率的计算方法,采用广深高速公路、广佛高速公路和沪宁高速公路的实测数据对模型进行了验证,并计算了各数据点的超车换道率.结果表明,流量、密度数据的相关系数都接近1,超车换道率介于-1和1之间.     

基于多维时空参数的道路短期交通状态预测

城市道路交通状态会同时受到时间、空间多维因素的影响. 为对城市道路短期交通状态进行比较准确的预测,本文在分析多维时空参数的基础上,构造了基于支持向量机（SVM）的不同维数的道路短期交通状态预测模型,并通过贵阳市中心城区的出租车GPS数据对各种模型的预测精度进行了检验,分析各时空参数对道路交通状态的影响程度. 结果表明, 基于目标路段先前流量数据及下游路段交通状况的SVM模型具有较高的预测精度. 为了进一步分析该模型的性能,将其与线性回归模型和ARMA模型进行了比较,实验结果显示,本文提出的SVM模型具有较好的预测效果,表明该方法是进行道路短期交通状态预测的有效手段.     

一种基于视频虚拟检测线的交通流参数检测方法

实时交通流参数检测在智能交通系统中起着重要的作用。参数检测有多种方式,其中基于图像处理的视频车辆检测方式近年来发展很快,由于它具有检测区域大、系统设置灵活等突出的优点,已成为智能交通系统领域的一个研究热点。车辆的检测基于车道,在每个车道设置两条虚拟检测线来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像转化成一维的检测信号,减小了运算量,降低了运算负荷。提出的基于视频虚拟检测线特征的交通流参数检测系统已经在PC机上用VC 6.0实现,并对不同典型天气条件下的交通流视频进行了实验,实验结果表明该系统具有较高的车流量统计精度。     

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源,需实时估计交通流参数。若要准确估计交通流参数,应详细考虑道路网交通流时空特征。本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型。该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性。结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%,证明所提TSTGAN模型可以提高交通流参数的估计精度。     

利用高速路录像资料的交通流测量新技术

本文提出一种利用城市高速道路交通录像资料测量交通流模型中各种参数的新方法.通过测量和分析获得了Kerner非线性模型中的临界密度,宽运动堵塞的传播速度和Greenshields模型中的畅行速度等参数.结果显示,这是一种操作性强、成本很低且有多种应用前景的交通流测量新技术.     

基于云遗传算法优选的SVR交通量预测模型

针对城市主干道交通流量的实时变化和波动性特点,利用支持向量回归机(support vector regression,SVR)进行城市主干道短时交通流量预测.为了优选SVR模型参数,基于混沌logistic 映射和云自适应机制对标准遗传算法进行改进,建立了基于混沌云自适应遗传算法(chaos clouds adaptive genetic algorithm,CCLGA)进行SVR参数优选的CCLGA-SVR城市主干道短时交通流量预测模型.综合考虑了短时交通量各个影响因素,结合实测数据进行了实证预测分析,仿真结果表明文中提出的预测模型精度较高,寻优速度较快,可有效应用于城市主干道短时交通流量预测.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...