基于LSTM的道路拥堵分析模型研究

针对利用交通流量和平均车速等交通要素分析交通拥堵,无法实时分析出用户车辆当前所处道路拥堵的问题,提出一种基于LSTM网络的道路拥堵分析模型.首先采用车辆检测算法判断出当前用户视角中前方车辆位置,并利用位置信息估测车距;然后结合车距信息、车辆与车道位置关系,生成车距信息矩阵;最后通过训练好的神经网络分类模型,以车距信息矩...     

拥堵路段的判断与分析

随着城市化进程的加快,道路拥堵日益严重。为了有效地判断拥堵路段,该文以嘉善县地感线圈采集的流量数据、嘉善县天气数据及路网数据为例,首先对原始流量数据进行预处理,剔除错误数据、补充缺失数据、处理冗余数据,为分析提供可靠数据;其次,通过车辆的平均速度计算路段平均行程车速,对照路段交通运行状态等级划分表判断道路的拥堵等级,并分别在空间尺度与时间尺度上发现产生拥堵的规律、原因;最后使用可视化的方法分析天气对交通拥堵的影响。     

无人物流车路线拥堵优化研究

在智能化、集成化的浪潮下,无人物流车成为研究热点。无人物流车在厂区里的应用极大地降低了厂区的物流成本和人工成本,本文就无人物流车在使用中出现的车辆顶牛问题、料框阻挡问题、路口调度问题以及跑偏问题预警提出解决方案,为无人物流车调度优化提供新的思路。     

城市交通拥堵自动判别方法研究

利用检测器所提供的车流量、车速和占有率等相关信息,本文提出了基于LVQ神经网络的交通拥挤自动判别方法．该方法能够在确认交通拥挤出现的同时,根据拥挤状态下交通流特性的差异,判别交通拥挤的类型,为交通拥挤的疋时疏散提供准确的道路信息。仿真结果表明,该算法比传统的检测方法具有更高的检测率和较低的误报率,能够对道路交通状况进行自动检测．具有一定的现实意义。     

基于YOLO的道路车辆拥堵分析模型

针对当前交通运行出现的拥堵问题，提出一种新型的道路状态判断模型。首先，模型基于YOLOv3目标检测算法，然后结合图片对应的特征值矩阵，通过相邻帧之间的特征矩阵作差并将差值逐项求和得到的结果与预设值进行比较来判断当前道路是处于拥堵状态还是正常通行状态，其次再将当前计算出的道路状态与前两次计算出的道路状态进行比较，最后运用模型里的状态统计法来统计道路某状态（拥堵或通畅）的持续时间。该模型能够同时对一条道路的三个车道进行状态统计分析，经过实验，模型对单条车道状态判断的平均准确率能达到80%以上，并且白天与夜晚的道路均适用。     

Google Maps中的局部交通道路数据提取方法研究

Google Maps API的开放策略将基于WebGIS的应用开发推向了一个新的高潮.针对具有特殊需求的路径规划、行车诱导等应用,本文在深入分析路网特点及寻径方式的基础上,探讨了如何根据Google Maps API提供的对象和方法提取局部交通道路数据的策略,并针对一些特殊道路类型设计了提取算法.     

基于蚁群算法的拥堵交通最短路径研究

针对当前交通网络在路径选择研究中,存在只考虑静态交通网络的路径选择的问题,提出了利用蚁群算法的拥堵交通网络的最短路径算法,建立了采用Petri网的交通网络模型,运用蚁群算法对静态交通网络进行了最短路径求解,并加入天气状况、道路容量等动量建立动态交通网络.运用层次分析法并结合Petri网对交通拓扑图进行了最短路径的探索并进行了对比分析.研究结果表明在道路拥挤的情况下,动态交通网络下的路径算法可以为出行者找到更快捷方便的路线.     

隐马尔可夫模型的道路拥堵时间预测

道路车辆拥堵问题导致交通事故增加,降低了居民的出行效率,长时间的道路拥堵更是加重了环境污染,造成国家经济损失等诸多问题。为缓解城市道路交通的拥堵问题,提高出行效率,基于隐马尔可夫模型,针对已有道路拥堵时间数据进行采集与建模,并对该隐马尔可夫模型进行训练,通过算法计算与分析,预测未来一段时间的道路拥堵情况,为人们的出行提供拥堵时间预测,而后提出不同时段通过道路用时最短的最优路径。对韦尔奇算法进行改进,在原算法基础上增加考虑前n时刻状态。利用改进型韦尔奇算法,使得训练集参数更精确,达到预测精度更高的目的。实验结果表明,预测数据结果与真实数据相比,误差不超过3%,该模型预测结果具有较高准确性。     

智能交通让出行零拥堵、零风险

不久的将来,交通监视系统不是孤立的,它不仅能监视车辆,同时还可以使用感应系统监视行人。车辆内部安装的计算设备可以汇总交通监管信息,并结合车辆当时的驾驶状态,在紧急且必要的时候做出处理。通过采取应急措施,避免可能出现的交通事故,实现了安全辅助驾驶、交通运输安全监测和预警等——当然这也依赖于至强平台服务器的强大计算能力的支撑。     

多重处理的道路拥堵识别可视化融合分析

目的 随着城市交通拥堵问题的日益严重,建立有效的道路拥堵可视化系统,对智慧城市建设起着重要作用。针对目前基于车辆密度分析法、车速判定法、行驶时间判定法等模式单一,可信度低的问题,提出了一种基于DBSCAN+（density-based spatial clustering of applications with noise plus）的道路拥堵识别可视化方法。方法 引入分块并行计算,相较于传统密度算法,可以适应大规模轨迹数据,并行降维聚类速度快。对结果中缓行区类簇判别路段起始点和终止点,通过曲线拟合和拓扑网络纠偏算法,将类簇中轨迹样本点所表征的路段通过地图匹配算法匹配在电子地图中,并结合各类簇中浮动车平均行驶速度判别道路拥堵程度,以颜色深浅程度进行区分可视化。结果 实验结果表明,DBSCAN+算法相较现有改进的DBSCAN算法时间复杂度具有优势,由指数降为线性,可适应海量轨迹点。相较主流地图产品,利用城市出租车车载OBD（on board diagnostics）数据进行城区道路拥堵识别,提取非畅通路段总检出长度相较最优产品提高28.9%,拥堵识别命中率高达91%,较主流产品城区拥堵识别平均命中率提高15%。结论 在城市路网中,基于DBSCAN+密度聚类和缓行区平均移动速度的多表征道路拥堵识别算法与主流地图产品相比,对拥堵识别率、通勤程度划分更具代表性,可信度更高,可以为道路拥堵识别的实时性提供保障。     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

基于模糊神经网络的道路交叉口交通控制方法

提出了一种基于模糊神经网络的道路交叉口交通控制方法,分别把关键车流信息和非关键车流信息作为控制输入,采用两级控制器结构,综合形成控制策略。仿真结果表明,与传统的定时控制方法和只考虑关键车流的情形相比,所提出的两级神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进。     

固体运载器耗尽关机制导方法研究

针对固体运载器耗尽关机的制导问题,提出一种基于零控拦截流型的耗尽关机制导方法。在闭路制导阶段,考虑目标和运载器存在引力加速度差时,基于零控拦截流型推导一种显示的制导方法,该制导方法形式简单,制导精度高,通用性强。在能量管理阶段,设计适用于零控拦截流型下的能量耗散管理方法,该制导方法降低了能量耗散末段姿态剧烈抖动,又保证了运载器处于零控拦截流型上。通过仿真表明,该耗尽关机制导方法能够保证运载器在关机时刻处于零控拦截流型之上,并高精度命中目标。     

基于激光传感数据的拥堵路口交通信号灯控制

针对城市车流高峰时段的道路拥堵问题,提出基于激光传感数据的交通信号灯智能控制方法研究。在道路两侧均匀布置激光传感器节点,采集实时的激光传感数据和车流量信息,并构建一种两层级的交通信号灯控制模型,以提取的交通路口实时传感数据作为输入项进行模糊推理,并求解出交通信号控制模糊子集,最后推导出当前车流长度、车辆在路口的平均滞留时长及车辆的延误时长等变量,达到缓解交通拥堵,提高通行效率的目的。仿真实验数据表明,提出的拥堵交通信号灯智能控制方法具有良好的控制效果,可以明显减少车辆延误时长,提高道路通行的效率和安全性。     

基于区域道路实况数据的交通行为谱分析方法

针对国内外有关交通行为谱研究的特征指标和评价指标不完善,且不能定量分析等问题,设计并定义了相应的特征指标和评价指标以建立完整的、能够定量化的分析区域交通行为数据的交通行为谱体系。首先基于交通行为特征,采用改进的层次分析法（AHP）对交通秩序类型进行了分类;其次采用多数据融合的实时系统集成（RTSI）算法对某路段交通安全性进行综合评判。最后开发了交通行为谱分析工具,该工具能根据交通实况数据计算区域路段的交通安全指数,较为完备地分析该路段内的交通行为。     

智能交通环境下车辆群体速度优化控制方法研究

为降低智能交通系统中车辆的能量消耗,该研究以智能网联汽车为研究对象,提出了一种车 辆速度优化控制方法。该方法以车辆的能量消耗模型为依据,综合考虑了其他车辆以及交通信号灯配 时对车速的影响。通过瞬时优化算法实时计算出经济车速,从而降低车辆的能量消耗并减少车辆的信 号灯等待时间。为验证其有效性,该研究提出了 3 种基准测试方法,并在 Vissim/Autonomie 联合仿真平 台上对几种方法进行了比较。结果显示,该方法分别实现了 14.32%、9.74% 和 73.72% 的能耗降低。     

物联环境下拥堵道路汽车最优通行路径选择

研究并提出了一种基于物联环境下拥堵道路汽车最优通行路径选择的“分布式”算法,通过计算物联环境下汽车行驶路况信息素,构建算法模型,推演拥堵道路汽车最优通行路径信息素发展趋势,标定拥堵道路重复路径优选信息,栅格化处理容易将通行道路信息素和路面障碍物重叠,由此选择基于局部最优和整体最优的拥堵道路汽车通行可行性路径。经过最优道路扩展运算和通行路径细化优选分析,在模拟运行环境下,测试验证了该算法优选方案及其决策支持下的最优通行路径的合理性、安全性与经济性。     

考虑港口拥堵因素的沿海海运网络优化

沿海运输权制度是沿海运输是否保留给本国船舶或者向外国籍船舶开放的制度。港口拥堵主要发生在海运网络的枢纽港上。通过考虑沿海运输权和港口拥堵对轴辐式海运网络加以优化,以海运网络内货物运输总成本最小化为目标函数,构建一个小规模整数规划模型。从欧亚航线覆盖的主要地区中选取10个港口组成海运网络进行算例分析,并使用CPLEX软件进行求解,研究结果表明,通过考虑枢纽港间货物运输的规模经济效应和产生的拥堵成本,可合理地确定枢纽港的位置;若允许沿海捎带,外资航运企业将会改变货物中转的港口。     

智能交通动态调度优化模型与评价方法

为了降低大城市市民出行成本,缓解公交企业运力压力,提出一种智能交通出行OD(Origin Destination,出行地和目的地)的公交调度优化算法,以公交出行OD客流预测和计划排班发车时间间隔为出发点,运用公交出行OD客流推导理论,构建智能交通出行OD的公交调度优化模型。通过获取个人OD数据,利用单条线路公交OD方法,实现全市公交OD矩阵推算。根据全市公交出行OD推算结果,求解公交调度模型,解决智能交通调度多目标规划和公交线网优化问题。通过仿真模拟试验,分析智能公交排班计划评价指标,计算车辆营运效率占比:自动排班仿真数据为79%,实际运营数据为73%;统计车辆高峰时段与全天营运车次占比:自动排班仿真数据为36.75%,实际运营数据为37.37%,满足智能公交计划排班评价指标的要求,实例证明模型和算法具有实用性和可靠性。