基于网络道路交通流仿真平台的研究与设计

以交通流理论为指导思想,提出采用OPNET网络仿真软件设计网络道路交通流仿真平台.介绍了OPNET网络仿真软件的能力映射到设计网络道路交通流仿真平台所作的研究,认为从理论、方法和技术上是可行的.     

GERT随机网络的优化研究

研究了ＧＥＲＴ随机网络的优化问题,对随机费用特征作了介绍。推导出在固定资源（费用）情况下的时间优化模型;提出了随机网络的时间－－费用优化的简化方法,可寻同ＧＥＲＴ网络计划的最优工期和最小费用。     

城市路网交通流的数学模型及仿真

提出了一种基于改进的蜂群智能算法的路径选择分配方法。首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度。仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,为提高交通路网的效率及实用性和有效性提供了依据。     

城市主干道交通流随机分配模型研究

为了减少城市主干道出现局部拥堵,提出一种基于logit模型的城市主干道交通流分配方法。根据路段通行能力、路径延误时间和路径流量综合考虑,通过计算每条路段选择的概率大小,将交通流分配到路段上。同时改进了STOCH算法,通过实例对比验证,改进后的模型,不会出现单条路段拥堵,表明模型具有更好的分配能力。     

随机网络评审技术在汽车技术改造中的应用

随机网络评审技术是一种基于随机网络和计算机仿真,用以辅助管理、决策、计划评审和风险分析的有效科学方法．以轿车技术改造实例阐述了随机网络评审技术在解决多随机因素管理中的应用．     

基于混沌小波网络的交通流预测算法研究

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键。也是智能化交通管理的客观需要．结合交通流预测的特点，提出了一种基于小波网络的路段交通流预测方法，把混沌优化算法引入小波网络的拓扑构造，结合提出的相似时段的预测思想，给出了一种基于混沌优化算法的小波网络交通流量预测模型．实验结果表明，引入相似时段的预测思想可以有效提高交通流的预测精度，基于混沌优化算法的小波网络在交通流预测的精度和收敛速度方面明显优于常规BP网络．     

基于换道时间分布的交通流随机微分方程

在总结随机交通流理论发展的基础上,提出考虑换道时间随机性的随机交通流动力学方程,给出包括换道行为的交通流方程数值解法.解法结合换道时间的密度分解和偏微分方程的差分求解,对快速路交织区车流速度在时空上的演变概率进行求解,得到交通流速度演变趋势的随机可能性,并表达为速度变化的概率密度.求解结果表明,交通流动力学随机微分方程及其数值解法能够描述复杂交通流的随机特性,速度概率密度函数弥补了其他交通流方程难以表达的车流速度随机特征,为深入研究拥堵工况的交通流演变规律提供了新研究手段,也为交通设施和交通控制设计提供了通行能力之类的参量在可靠性上的理论分析方法.     

基于元胞自动机的开放型城市街区交通流模拟

科学合理的交通流疏导是衡量可持续性发展城市街区尤其是开放型街区紧凑度的重要考量因素,提出了一种从强度、连接性和复杂度3个方面建立开放型街区道路通行的指标体系,运用元胞自动机算法原理对交通流模拟进行优化。该算法根据交通规则和司机的行为倾向对NaSch模型的车辆行驶规则进行了改进,加入了交通灯、街区内部内行驶限制等规则,能够描述出交通堵塞的物理效应,准确地模拟出排队形成、排队消散和路口延迟等交通动力学特性。     

基于混沌小波网络的交通流预测算法研究

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要.结合交通流预测的特点,提出了一种基于小波网络的路段交通流预测方法,把混沌优化算法引入小波网络的拓扑构造,结合提出的相似时段的预测思想,给出了一种基于混沌优化算法的小波网络交通流量预测模型.实验结果表明,引入相似时段的预测思想可以有效提高交通流的预测精度,基于混沌优化算法的小波网络在交通流预测的精度和收敛速度方面明显优于常规BP网络     

随机网络计划仿真方法研究

分析了传统CPM和PERT方法的缺陷,利用逻辑矩阵"穷举"识别工作路径,导出项目计划可靠性公式,提出了在两点法基础上确定时间参数、基于MATLAB+SIMULINK建立随机网络模型的解决方案。仿真分析表明,基于两点法的随机网络计划模型,建模简便易行,对于复杂系统和大型项目计划具有实际意义。     

基于元胞自动机的自行车交通流仿真建模

提出了一种自行车元胞自动机模型.该模型是在机动车Nagle-schreckenberg(NS)模型的基础上,考虑自行车的换道行为,在NS模型规则前加入路径选择规则,从而建立符合自行车行驶行为的模型.根据模型的规则,在不同最大速度、不同随机慢化概率、不同车道宽度等条件下进行了仿真分析,其通行能力及速度-密度仿真曲线均符合...     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

基于改进动态递归神经网络的交通量短时预测方法

针对已有基于改进动态递归神经网络预测方法的不足,并充分考虑交通流本身所存在的复杂性、非线性和不确定性特点,提出了一种基于可变增益Elman神经网络的交通量短时预测方法。该方法通过引入一个基于实时误差分析的可变增益因子,实现了网络的实时更新。通过长春市人民大街的实测数据对方法进行了验证。试验结果表明,本文方法在网络收敛时间和预测精度方面均优于已有的基于Elman神经网络的预测模型。     

基于核自组织映射-前馈神经网络的交通流短时预测

提出了一种基于KSOM-BP神经网络的交通流短时预测模型。利用基于核函数的样本自组织映射神经网络(KSOM),在没有任何先验知识的情况下,自组织、自学习地将具有相似统计特性的历史样本划分成一类,促使分类样本统计特性更集中显著。对每个类别的样本分别建立动量-自适应学习速率的BP神经网络预测模型,以期提高交通流短时预测精度,减少预测时间。结合实际城市道路数据对模型进行验证。验证结果表明:KSOM-BP神经网络的预测误差统计指标MARE小于7%,比基于全部样本训练的BP神经网络的MARE减少4%左右;同时,KSOM-BP神经网络建模时间更短,证明了本文方法的有效性和先进性。     

城市交通视觉仿真

基于MATLAB和VB仿真软件,建立了城市交通路口交通量、最佳路径、交通事故、事故树和交通量预测5个仿真模块。利用VB建立系统界面,调用MATLAB对路口交通量进行仿真分析,采用函数曲线拟合法对数据进行了处理,得到了相应的规划措施。     

Effects of real-time traffic information systems on traffic performance under different network structures

The effects of real-time traffic information system (RTTIS) on traffic performance under parallel, grid and ring networks were investigated. The simulation results show that the effects of the proportion of RTTIS usage depend on the road network structures. For traffic on a parallel network, the performance of groups with and without RTTIS level is improved when the proportion of vehicles using RTTIS is greater than 0 and less than 30%, and a proportion of RTTIS usage higher than 90% would actually deteriorate the performance. For both grid and ring networks, a higher proportion of RTTIS usage always improves the performance of groups with and without RTTIS. For all three network structures, vehicles without RTTIS benefit from some proportion of RTTIS usage in a system.     

基于图卷积网络的交通流预测方法综述

近年来,基于深度学习的交通流预测方法一直是交通流预测领域的研究热点.与传统卷积神经网络不同,适合处理非欧几里得数据的图卷积网络在空间特征建模方面表现出了强大的能力,而反映路网空间特征的拓扑图、距离图、流量相似图等正是典型的非欧几里得数据.因此,基于图卷积网络及其变体的交通流预测方法成为交通流预测领域的一个研究热点,并取得了很多有吸引力的研究结果.本文对近年来基于图卷积网络的交通流预测模型进行了分类和总结.首先,从图卷积网络的基本定义出发,结合空域图卷积和谱域图卷积的定义详述了图卷积的基本原理.其次,根据预测模型的网络结构特点,将基于图卷积网络的交通流预测模型分为“组合型”和“改进型”两大类,并对其中最具代表性的模型结构进行了详细分析和讨论. 此外,对交通流预测领域中常用于模型性能对比的典型数据集进行了综述,并以其中一个真实数据集为例开展仿真测试,展示了4个基于图卷积网络交通流预测模型的预测性能.最后,基于当前的研究现状和发展趋势,对基于图卷积网络的交通流预测方法研究领域中未来的研究热点和难点进行了开放性的讨论和展望.     

基于复杂网络理论的城市交通网络结构特征

以复杂网络理论和B-A模型为基础,统计和分层解析了南京主城区复合交通网络特征,研究表明:城市复合交通网络由随机网络和无尺度网络共同组成,从而可以实现随机网络的稳定性、可达性和无尺度网络的高效性、成长性的优势互补;经过等级调整后出现的B-A模型中的γ=3的幂次分布,符合无尺度网络结构的基本特征;交通网络复合化的增长包括自下而上和自上而下的双向增长过程。     

一种随机车流与桥梁耦合振动的分析方法

为提高随机车流作用下桥梁结构动力行为仿真分析的计算效率,提出一种时变维度的随机车流与桥梁耦合振动分析方法.联合模态综合技术和整体分析法建立了车桥耦合振动方程.通过对随机车流过桥过程的动态判别,进行车桥运动方程维度的时变更新,并提出了过程分析数据的动态存贮与提取算法.详细阐述了所提分析方法的总体框架和具体实现步骤.工程实例分析结果表明,在满足相对误差小于3.5%条件下,所提出的分析方法计算用时仅为传统整体分析法的14.8%,与分离迭代方法基本相同.所提出的分析方法具有较高的计算效率和分析精度,可用于相关研究和工程实际中的随机车流与桥梁耦合振动仿真分析.     

基于小波和回声状态网络的交通流多步预测模型

针对交通流的含噪混沌特征,提出了一种基于小波回声状态网络的交通流多步预测模型。该模型利用小波多尺度分解方法,屏蔽了噪声成分对交通流动力学特性的干扰,同时提取了占有交通流绝大部分能量的混沌低频成分。在采用多路分量并行预测的方式下,充分发挥了回声状态网络对混沌低频分量的强大多步预测能力,从而保障了交通流多步预测的精度。对北京市西直门桥的实测交通流的预测结果表明:该模型的多步预测精度比传统的回声状态网络模型有了较大幅度的提升,在保证预测精度的前提下,最大可预测的步长也相应的增加。