题名 交通流状态辨识小波算法研究
被引量：3
1
作者
张敬磊 王晓原
机构
山东理工大学交通与车辆工程学院
出处
《武汉理工大学学报（交通科学与工程版）》
2006年第5期820-823,共4页
基金
山东省社会科学规划研究项目(批准号:04CMZ08) 山东理工大学科研基金重点项目资助(批准号:2004KYZ02)
文摘
针对智能交通系统的开发和交通流特性,应用小波多分辨分析理论的M a llat分解算法建立交通流状态辨识方法,利用多种小波系数与交通流参数之间的相应变化规律进行交通突变状态的辨识.交通流状态的突变多与交通事件直接相关,故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试.将算法与几种传统算法分别进行了性能比较,结果表明M a llat分解算法在交通流突变状态实时辨识方面具有很好的性能.
关键词
交通流 交通流突变 状态辨识 小波变换 多分辨分析
Keywords
traffic flow traffic flow breakdown condition identification wavelet transform multiresolution analysis
分类号
U491
[交通运输工程—交通运输规划与管理]
题名 用密度-流量关系模型解释交通流量陡降现象
被引量：4
2
作者
王欣 王炜 李文权 程琳
机构
东南大学交通学院
出处
《西南交通大学学报》
EI
CSCD
北大核心
2009年第1期141-146,共6页
基金
国家高技术研究发展计划课题(2007AA1Z210)
文摘
用密度-流量关系模型解释交通流量陡降现象.为了解释交通流量陡降现象,提取了车头间距和驾驶员反应时间等驾驶行为共性参数.利用这些共性参数,建立了车流-回波速度、速度-密度和密度-流量关系模型.根据驾驶员在加速和减速时反应时间,计算了回波速度和密度-流量关系.计算结果表明,随驾驶员反应时间减少,回波速度峰值减小,流量峰值增大.驾驶员反应时间的变化是产生流量陡降现象的根本原因.
关键词
密度 流量 流量陡降 跟车模型 回波速度 驾驶行为
Keywords
density flow traffic flow breakdown car-following model wave speed driving behavior
分类号
U491.112
[交通运输工程—交通运输规划与管理]
题名 从车流运动过程分析交通流中流量陡降现象
3
作者
王成
机构
重庆交通大学交通运输学院
出处
《广东公路交通》
2014年第5期56-59,共4页
文摘
针对交通流流量密度模型中当密度达到最佳密度Km附近时流量值出现突然下降的现象,从车流运动过程分析移动车流群在最佳密度附近的流量-时间变化规律和密度-时间变化规律,发现车流群所产生的回波速度是影响流量陡降现象的主要因素。在分析格林希尔治模型缺陷本质的基础上,指出交通流模型采用二阶段模型的必然性,并建立了相应模型。
关键词
移动车流群 密度 流量 流量陡降
Keywords
moving vehicular traffic flow density flow traffic flow breakdown
分类号
U491.112
[交通运输工程—交通运输规划与管理]
题名 交通流突变辨识组合算法
4
作者
张敬磊 王晓原
机构
山东理工大学交通与车辆工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2010年第19期220-223,共4页
基金
山东省自然科学基金(No.Y2006G32) 山东理工大学科研基金重点资助项目(No.2004KJZ02)~~
文摘
针对智能交通系统的开发,结合交通流特性,应用小波多分辨分析理论的Mallat分解算法与RBF神经网络建立交通流状态辨识组合算法。利用多种小波系数与交通流参数之间的相应变化规律进行RBF网络输入参数设计,进而通过RBF网络进行交通流状态突变的辨识。交通流状态的突变多与交通事件直接相关,故采用事件和非事件条件下的模拟数据对算法进行了离线测试。与传统算法的性能比较结果表明:组合算法在交通流状态突变辨识方面具有良好的性能。
关键词
交通流 交通流突变 状态辨识 MALLAT算法 RBF网络
Keywords
traffic flow traffic flow breakdown state identification Mallat algorithm Radial Basis Funtion（RBF）network
分类号
U491
[交通运输工程—交通运输规划与管理]
题名 突发交通事件非参数诊断的变点统计方法研究
5
作者
王晓原 孟昭为 隽志才 朴基男
机构
山东理工大学数学与信息科学学院 吉林大学交通学院 英国南安普敦大学
出处
《运筹与管理》
CSCD
2004年第4期30-36,共7页
基金
国家自然科学基金资助项目(50178033) 教育部高等学校骨干教师资助计划(980) 山东理工大学博士基金资助项目
文摘
针对智能运输系统(ITS)项目特别是先进的出行者信息系统的开发,建立了突发交通事件非线性非参数诊断的变点统计方法。依据交通流理论,结合均值变点模型,对变点搜索的最小二乘法和局部比较法进行了研究。利用在英国南安普敦市检获的实际数据对上述两种算法进行了标定,并对模型进行实际应用。结果显示上述方法对突发事件检测具有很高的灵敏度和有效性。
关键词
交通运输规划与管理 突发交通事件诊断 变点统计方法 非参数统计方法 交通流 突变
Keywords
transportation programming and management detection of traffic flow breakdown statistical method of change-point nonparametric statistical method traffic flow breakdown
分类号
U491
[交通运输工程—交通运输规划与管理]
