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。     

基于熵权的沥青路面使用性能多目标综合评价

针对传统路面使用性能评价方法主观性强以及已有模型存在缺陷等问题,分析了高速公路沥青路面使用性能评价指标体系,通过主成分分析（principal component analysis,PCA）法对评价指标进行降维处理,形成彼此相互独立的主成分,并选取主成分样本训练支持向量机（support vector machine,SVM）,构建主成分分析法与支持向量机相结合的PCA-SVM模型以评价高速公路沥青路面使用性能.最后,选用罗宁高速2016年实测路面使用性能数据对提出的模型进行验证,并与《公路技术状况评定标准》的评价结果进行对比,结果表明：PCA-SVM模型评价结果与《公路技术状况评定标准》评价结果相近,修补率较高的5个路段评价结果比《公路技术状况评定标准》评价结果低一个等级,该研究成果可为公路技术状况评定的改进提供借鉴.

     

高速公路入口自适应性超限检测站成本节约估算模型及评价

为对高速公路入口自适应性超限检测站进行经济性估算, 采用阶段预测方法建立成本节约估算模型, 分析收费站入口货车延误影响因素, 形成入口延误时间节约估算方法;引入TTI模型估算路段客货车延误成本节约, 依据实际道路交通情况, 分析并得出养护成本节约估算方法;结合自适应性超限检测站的投资建立有效的成本节约估算模型, 将各项节约项目进行量化.该估算模型可从经济角度为自适应性超限检测站的设置提供理论支持.     

考虑震后道路可靠性的多目标应急调度问题研究

针对重大自然灾害应急物资调度决策问题，提出一种考虑灾后道路可靠性的多目标优化应急调度模型，以最长车辆行驶时间最小、最小车辆行驶路径可靠度最大和系统物资未满足度最小为目标函数，采用第二代非支配排序遗传算法（NSGA-Ⅱ）和加权遗传算法（GA）进行求解，并对求解目标函数结果进行对比分析.以“汶川地震”为仿真算例，结果表明：在多目标应急调度问题上，NSGA-Ⅱ各目标最优解均优于加权GA算法且收敛速度更快，验证了该应急调度模型的有效性.     

并行式时空二维融合路段交通量预测

提出了一种基于支持向量机(SVM)的并行式时空二维融合路段交通量预测方法,对时间SVM和空间SVM分别在两个并行的操作系统模型中进行,以此降低时间成本.并将时间维SVM预测、空间维SVM预测与基于SVM的数据时空二维线性融合预测结果进行了对比,通过对比表明,时空二维线性融合预测的误差很明显比其它两种方法预测的结果误差要小得多,因此本文提出的时空二维融合可大大的提高预测精度.尤其是当有突发因素(如:交通事故发生)时,本文所提出的方法可在很大程度上避免一维时间源数据融合的结构性系统误差.     

公共交通需求的协整分析方法

公共交通需求分析是进行公共交通规划、设计、建设、管理的基础和依据.在分析几种常用公共交通需求分析方法的基础上,将协整理论引入公共交通需求分析中,然后分析了公共交通需求与人口、劳动力就业数量、石油价格之间的关系并进行了实证分析.结果表明:公共交通需求与劳动力就业数量之间存在协整关系,建立误差修正模型后进行预测,发现模型具有较好的预测效果.     

考虑路网交通流状态的单变量交通噪声预测

为实现路网区域交通噪声预测,克服传统预测模型中路段间交通特性相互独立以及路段内流量与速度相互独立的缺陷,借助Van Aerde交通流模型,在不同道路等级、设计速度约束下,结合道路线声源噪声排放,构建基于速度的单变量交通噪声预测模型.分别对比4种常见城市道路的交通噪声实测值,模型预测值平均偏差为1.63 dB,满足精度需...     

基于SVM与自适应时空数据融合的短时交通流量预测模型

针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.     

Transport sector CO\n\t\t\t\t\t\t2

为了更好地掌握交通运输行业碳排放相关指标动态变化规律,分析交通碳排放影响因素驱动力,依据IPCC(intergovernmental panel on climate change)清单指南提供的相关数据,对区域交通碳排放相关指标进行测算;建立改进的STIRPAT (stochastic impacts by regression on population affluence and technology)模型,运用最小二乘回归和岭回归法对交通碳排放影响因素进行定量分析. 以北京市为例,研究该地区2005—2014年交通碳排放情况,得出区域交通运输业碳排放发展态势及各影响因素对碳排放总量的驱动力影响程度排序,该研究结果可为其他省市交通运输业碳排放研究提供借鉴.

     

基于修复度和性能衰变的预防养护时机

为达到精细化预防养护作业目的,针对沥青路面预防养护时机判断,提出一种基于修复度和性能衰变的预防养护时机决策模型。考虑预防养护的短期效果和长期效果,提出养护修复度的概念;应用成本效益、环境效益分析法,从养护修复度、性能衰变2个维度确定养护最佳时机。通过实例分析对提出的模型进行验证,得出预防养护最佳时机路面使用性能指数(pavement performance index, PPI)为90、修复度为60%,在PPI值为85.0～87.5、修复度为80%～95%时能够获得更大的环保效果。结果表明,在养护时机相对早、路况水平相对高的标准下进行预防养护,能够获得较大的经济、环保效益;对于公路养护和管理部门在资金受限、节约环保情况下进行预防养护决策具有指导作用,可为精细化预防养护作业提供有效决策方法。