ITS中交透流预测方法的研究

交通流预测是交通控制与诱导系统中的关键问题之一,也是智能交通系统的重要功能之一.文章从短时交通流预测定义出发,介绍短时交通流预测的原理,并重点介绍几种预测模型,对其建模的理论基础,特点及其可行性、有效性进行分析,并作出了比较和评价.最后对交通流预测的发展作了展望.     

智能交通系统中短时交通流预测系统的研究

短时、实时交通流预测是城市交通控制与诱导的基础，也是智能交通系统的重要功能之一。研究表明，没有一种预测模型和方法能够适用于各种环境和条件下的交通流预测。本文提出并建立了一种短时交通流的智能预测系统，按照智能预测和组合预测的思想，实现预测模型的智能选择，以及多个预测模型的预测结果的综合。仿真试验结果表明，系统具有较强的适应性，提高了预测的准确性。该系统采用多智能体技术进行设计和实现，文章给出了这种基于多智能体的智能交通预测支持系统的系统结构和工作原理。     

基于张量填充的短时交通流预测算法

短时间内挖掘和分析高速公路交通流数据,实时准确预测短时交通流状态,是建立有效的交通诱导系统,改善高速公路服务水平的有效措施。交通流具有明显的不确定性、随机性、复杂性及时空相关性,现有短时交通流预测模型在预测能力和精度上往往存在着不同程度的限制。研究基于张量理论,构建了多维度的动态张量模型,采用HaLRTC预测算法,并给出了算法的逻辑流程图。实验结果表明,HaLRTC算法可通过挖掘数据规律同时完成一周七天的预测,具有更好的预测精度。     

基于EVIEWS的短时交通流分析及预测

利用计量经济分析方法以及Eviews软件,对短时交通流序列进行了数字特征分析;通过对短时交通流样本序列进行单位根检验,和1次差分后的残差分析AC和PAC系数,建立短时交通流ARIMA（1,1,1）预测模型,对模型进行检验,发现模型的拟合效果较好,为短时交通流预测提供了一条新的途径。     

交通流状态辨识及混沌预测

交通流存在着自由流、同步流和堵塞流三种状态，各种状态均表现出不同的特点和性质，企图用某一种算法进行短时交通流预测结果的准确性受到影响。其中，同步流状态准确的预测和诱导，可能最在限度地减少并尽可能避免交通拥挤出现的次数与持续时间，利用混沌预测技术对其进行短期预测，可得到较好的预测效果。     

一种基于灰色系统的短时交通流预测方法

为了提高短时交通流预测的准确性,本文提出了一种基于灰色系统的交通流预测算法,充分发挥了灰色模型能揭示多因素关联程度的优势,以南京市交通流为研究对象,获得了较好的预测效果。     

快速路交叉路口短时交通流协调优化方法

为了降低快速路交叉路口中发生交通拥堵现象的概率,需要对快速路交叉路口的交通流进行协调优化。采用当前交通流协调优化方法对快速路交叉路口的交通流进行协调优化时,不能有效的对快速路交叉路口和入口车道进行协调,得到的协调优化效果不明显。提出一种快速路交叉路口短时交通流协调优化方法,根据不同车道的车流量信息,构建快速路交叉路口交通流动态模型,为快速路交叉路口短时交通流的协调优化提供数据,提高协调优化效果。通过占有率和排队长度对城市快速路交叉路口短时交通流状态进行判别,采用守恒方程对快速路交叉路口车辆的动态排队进行描述,根据快速路交叉路口的车辆排队情况建立排队调节控制模型,完成快速路交叉路口短时交通流的协调优化。实验结果表明,所提方法可以有效的对快速路交叉路口的短时交通流进行协调优化,得到的优化效果较为明显。     

基于大数据的城市短时交通流预测方法研究

短时交通流预测是城市智能交通系统的重要组成部分,随着交通大数据和智能科学的快速发展,深度学习在交通领域得到了广泛的应用。本文以门控循环单元神经网络GRU短时交通流预测模型为研究对象,采用加州交通局绩效评估系统的交通流数据为例,将道路观测点的交通流序列作为输入,利用GRU实现城市短时交通流量的预测,并与SVR、ARIMA等模型进行对比,结果表明,该预测模型具有良好的预测性能,可为城市区域短时交通流量变化监测提供依据。     

交通流数据的采集及基于Kalman滤波的处理应用

本文以实际项目为背景,探讨了交通流数据的采集、应用,以及如何把Kalman滤波原理利用到交通流的处理上,并对S市的实际交通流数据进行处理,同时也介绍了几种常用的数据采集方法及其优点,对实际交通流数据处理结果表明Kalman滤波的适应性强、处理效果好。     

基于GA-BP神经网络的交叉口短时交通流预测研究

现阶段影响交叉口车辆运行效率的因素主要分为两个方面:其一为受交通信号影响,即实际交通流与交叉口所反应出来的交通信号并不匹配;其二为时间间隔过长,目前短时交通流的普遍预测时长多集中为5-15分钟,过长的时间间隔无法提供有效的信号控制,很容易对最终的数据结果造成不良影响。为提升交叉口短时交通流预测的准确性和实效性,利用科学合理的方式方法对其进行改进有着重要的价值和意义。本文主要对GA-BP神经网络的交叉口短时交通流预测进行研究和分析。     

一种基于深度学习的交通流预测方法

<正>智能交通系统（Intelligent Transportation System，简称ITS）是指将先进的计算机，电子信息，传感器等技术运用于交通运输控制与决策中，以构建更加安全高效的交通运输环境。在ITS的构建中，运用大数据进行短时交通流预测起着重要作用。实现短时交通流的预测，可以帮助交管部门对复杂的交通状况进行监测和预测，以便及时采取措施展开交通管理和疏导；也可帮助出行者了解实时交通运行状态并作出合理安排，对交通拥堵的改善具有积极影响。因此，本文将道路短时交通流的预测作为研究对象，建立多因素复杂交通环境下的车流量预测模型。     

基于融合的短时交通流预测

短时交通流预测在交通管制中有十分重要的作用。本文利用三种机器学习方法,基于三种融合策略提出新的短时交通流融合预测模型。通过实例验证,基于融合的方法预测精度高于单一预测方法;其中基于kNN融合模型精度最高,交通流量相对误差指标(MPE、MAPE、RMSE)分别降低了37.98%、4.53%、17.82%,旅行时间方面分别降低了80.34%,19.55%,20.67%。     

交通流微观仿真浅探

通过对交通流微观仿真系统的原理和构成的介绍,说明交通流微观仿真系统的突出优点和广阔的应用前景。     

关于交通流预测各种模型的探讨

随着社会的发展,交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。多年来,世界各国的城市交通专家提出各种不同的方法,试图缓解交通拥堵问题。交通流预测在智能交通系统中一直是一个热门的研究领域,几十年来,专家和学者们用各种方法建立了许多相对精确的预测模型。本文在提出交通流短期预测模型应具备的特性的基础上,讨论了几类主要模型的结果和精确度。     

对各种交通流预测模型的简要分析

随着社会的发展,交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。多年来,世界各国的城市交通专家提出各种不同的方法,试图缓解交通拥堵问题。交通流预测在智能交通系统中一直是一个热门的研究领域,几十年来,专家和学者们用各种方法建立了许多相对精确的预测模型。本文在提出交通流短期预测模型应具备的特性的基础上,讨论了几类主要模型的结果和精确度。     

关于我国城市机非混行混合交通流的研究

本文描述分析了我国城市机非混合交通流中影响机动车车速的因素及其具有的特征和我国城市机非混行形成的原因，并提出了机非混行混合交通流的综合治理建议。     

基于非参数回归预测下的干线协调控制研究

城市干线协调控制是智能交通研究的关键环节。由于交通流是一个时变的、复杂的非线性系统,具有高度的不确定性、随机性,因此很难建立准确的模型,针对这一问题,本文采用非参数回归预测的方法对交通量进行预测,并运用到干线协调控制中,根据预测出的各交叉口短时交通量对干线协调控制进行配时设计。通过仿真表明,该方法能有效减少交叉口平均延误。     

非线性分数微分方程的应用及近似求解方法

介绍了分数微发方程在流变学、交通流及振动学中的应用,并提出了求解非线性分数微分方程的变分迭代算法。     

基于MapX的城市交通流诱导系统仿真的实现

本文从武汉城市交通的特征出发,利用地理系统GIS开发软件商MapInfo公司提供的GIS软件开发平台MapX组件,结合微软公司提供的面向对象VC编程工具进行二次开发。通过介绍城市交通流诱导系统的功能模块,分析了此系统功能模块实现的各个方面因素,结合武汉实际交通情况,并以容量限制-多路径方法来实现城市交通流诱导系统仿真。     

城市混合交通流诱导系统的研究

借鉴国外发达国家关于交通流诱导系统的成功经验,结合我国城市交通特点,提出了在我国开展城市交通机非混行的交通流诱导系统研究的内容,结构以及进行诱导模型与算法研究的新思路,为进一步研究我国城市交通机非混合的交通流诱导系统进行必要的基础准备。