导读:本文包含了交通流模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:通流,模型,自动机,序列,神经网络,交通,时间。
交通流模型论文文献综述
刘学刚,张腾飞,韩印[1]（2019）在《基于ARIMA模型的短时交通流预测研究》一文中研究指出高效利用短时交通流数据进行预测,建立合理的预测模型对于有效缓解交通拥挤问题十分必要。首先获取时间序列数据,判断序列的平稳性,然后用Eviews软件对时间序列数据构建ARIMA誗6,1,6誗模型,通过最小二乘估计法进行参数估计,并对残差检验是否为白噪声数据,对该ARIMA模型进行交通量的静态预测,最后对预测结果做出评价,结果显示拟合效果较好,表明ARIMA模型在短时交易量预测时有很大的应用价值。(本文来源于《物流科技》期刊2019年12期）
陶亦舟,韦艳芳,高庆飞,董力耘[2]（2019）在《基于精细微观交通流模型的信号交叉口人-车相互干扰研究》一文中研究指出采用微观离散模型研究信号交叉口的人-车相互干扰机理,其中车辆运动描述基于细化NaSch模型并考虑了司机对交通灯信号切换的预期效应;行人运动描述则基于多步格子气模型并考虑了过街绿灯周期内行人过街速度逐渐增加的特征.机动车与行人之间相互干扰表现为交通灯信号切换时由于车辆(行人)滞留冲突区而造成行人(车辆)运动的延误.通过数值模拟得到了车辆运动的基本图、行人等待时间以及相应的相图,并给出行人(车辆)滞留冲突区内造成车辆(行人)延迟的定量特征.模拟结果发现存在一个临界绿信比.当绿信比小于临界值时,随着密度的增大,车流出现自由流相、饱和流相和拥堵流相;而当绿信比大于临界值,则出现自由流相、共存相、饱和流相和拥堵流相.由人-车相互干扰所导致的延误与车流和行人流的运行状态密切相关.当行人到达率和绿信比都比较大时,等待区内的行人无法在行人绿灯周期内一次清空.文中详细地讨论了人-车相互干扰的定性和定量特征.发现通过合理设置绿信比,可以在保证车流运行效率的同时,减少行人过街的等待时间.(本文来源于《物理学报》期刊2019年24期）
钟颖,邵毅明,吴文文,胡广雪[3]（2019）在《基于XGBoost的短时交通流预测模型》一文中研究指出为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。(本文来源于《科学技术与工程》期刊2019年30期）
邝先验,陈自如[4]（2019）在《考虑礼让行人的交叉口机非混合交通流模型》一文中研究指出现实城市交通中,一些交叉口路口较为狭窄,将右转专用车道设置在停车线位置,本文以此建立了一种CA(cellular automata)模型。与其他模型不同的是,在考虑信号灯控制及机动车、非机动车混合车流的同时,在模型中加入了行人过街引发的机动车、非机动车礼让规则和非机动车占道规则,并根据该模型,研究交叉口行人与机动车非机动车混合车流的冲突关系和礼让行为,以及非机动车在交叉口占道排队对交叉口通行能力的影响,并根据所提出的模型,研究右转机动车和非机动车在交叉口处的冲突问题。结果显示直行非机动车与右转机动车数量都会导致VDOC(vehicle declaration occurrences caused by conflicts)和NMDOC(non-motor vehicle declaration occurrences caused by conflicts)冲突增加,两者正相关。同时,右转机动车的增加还使得DOP(declaration occurrences caused by pedestrians)冲突增加。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年04期）
陈岳峰,陈礼彪,黄键,冯移冬[5]（2019）在《考虑驾驶行为稳定性与交通流状态稳定性的路标效用评价模型》一文中研究指出高速公路互通立交区域由于交通流相互交织、车辆加减速换道等原因,驾驶人需要付出更多的注意力以及操控力,操作难度较大,该区域交通标志的设置位置和形式对于交通安全至关重要;我国以往针对互通立交区指路标志的效用评价往往采用定性化主观评价方法,无法全面反映指路标志对于互通立交区域车辆驾驶人驾驶行为与交通流的综合影响。基于驾驶模拟实验,构建综合驾驶人微观驾驶行为评价指标、交通流宏观评价指标的互通立交区指路标志效用评价模型,提出了评价模型的基本形式。并对基本形式进行了目标分解。在驾驶人微观驾驶行为评价指标方面,选取了反应时间、心率变异率作为具体评价指标,分别给出了计算公式,以及各自影响权重;在交通流宏观评价指标方面,选取了速度变化率、车道保持能力作为具体评价指标,同样的,分别给出了计算公式,以及各自影响权重。在结合实际情况确定各目标函数评价指标的相关约束条件基础上,提出了基于遗传算法的互通立交区指路标志效用定量化评价方法,并选取某高速公路客货分离车道车流交织区的标志布设方案,开展驾驶模拟实验,应用本模型对两组设计方案的标志诱导效果进行评价。(本文来源于《公路交通科技》期刊2019年10期）
李明明,雷菊阳,赵从健[6]（2019）在《基于LSTM-BP组合模型的短时交通流预测》一文中研究指出为减轻日益严重的交通拥堵问题,实现智能交通管控,给交通流诱导和交通出行提供准确实时的交通流预测数据,设计了基于长短时记忆神经网络(LSTM)和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子,建立时间序列预测模型框架,借助Matlab完成从数据的处理到模型的仿真,实现基于LSTMBP的短时交通流精确预测.通过与LSTMBPWNN叁种预测网络模型的对比,结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建,可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.(本文来源于《计算机系统应用》期刊2019年10期）
温惠英,张东冉,陆思园[7]（2019）在《GA-LSTM模型在高速公路交通流预测中的应用》一文中研究指出为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
岳昊,张鹏,刘晓玲,张辉,邵春福[8]（2019）在《拥堵路网交通流均衡分配模型》一文中研究指出为克服利用传统静态交通流分配模型分析拥堵道路网络交通流分配问题的不足,研究交通拥堵状态下静态拥堵交通流均衡分配模型.首先,基于拥堵路段上交通流特征,分析拥堵路段阻抗函数特点,包括满足拥堵路段上流量随车辆数增加而减少的特征;其次,分析拥堵状态下用户疏解路径选择行为,提出道路网静态拥堵交通流分配的用户均衡与系统最优原理;再次,构建道路网静态拥堵交通流用户均衡与系统最优分配模型,并证明模型与用户均衡原理的等价性、模型解的唯一性;最后,给出求解用户均衡模型的迭代加权求解算法.通过算例与传统静态交通流分配进行对比分析,结果表明:拥堵用户均衡分配模型与拥堵系统最优分配模型可以合理描述拥堵用户均衡原理与系统最优均衡原理,且拥堵用户均衡分配模型可以合理描述路网处于全拥堵状态下各路段实际通过流量.拥堵交通流分配模型可应用于由拥堵蔓延导致的局部全拥堵区域,可作为半拥堵静态交通流分配的核心部分之一.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
殷礼胜,唐圣期,李胜,何怡刚[9]（2019）在《基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测》一文中研究指出针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。(本文来源于《电子与信息学报》期刊2019年09期）
周海赟,闫冬梅[10]（2019）在《基于SSARX-NARX模型的短时交通流预测》一文中研究指出为了提高短时交通流的预测精度,向出行者提供更加准确可靠的道路交通信息,在充分考虑交通系统非线性特征的基础上,提出了基于SSARX-NARX的短时交通流预测模型。该模型以NARX作为短时交通流预测基础模型,采用SSARX方法建立了短时交通流预测状态空间模型并估计了模型参数,然后将估计出的状态空间模型的系统阶次和马尔科夫参数的值分别作为NARX基础预测模型线性部分的初始参数值,优化后构造了SSARX-NARX预测模型。利用PeMS数据库的交通流数据,验证了SSARX-NARX模型的预测性能,比较了SSARX-NARX模型与SSARX模型的预测精度。结果表明,SSARX-NARX模型可以实现1步和多步短时交通流预测,并且针对5步和10步短时交通流预测,SSARX-NARX模型的MAPE值分别比SSARX模型小0.76%和2.4%,而针对1步交通流预测,SSARX-NARX模型的MAPE值比SSARX模型大0.13%,但相差不大。(本文来源于《交通信息与安全》期刊2019年04期）
交通流模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用微观离散模型研究信号交叉口的人-车相互干扰机理,其中车辆运动描述基于细化NaSch模型并考虑了司机对交通灯信号切换的预期效应;行人运动描述则基于多步格子气模型并考虑了过街绿灯周期内行人过街速度逐渐增加的特征.机动车与行人之间相互干扰表现为交通灯信号切换时由于车辆(行人)滞留冲突区而造成行人(车辆)运动的延误.通过数值模拟得到了车辆运动的基本图、行人等待时间以及相应的相图,并给出行人(车辆)滞留冲突区内造成车辆(行人)延迟的定量特征.模拟结果发现存在一个临界绿信比.当绿信比小于临界值时,随着密度的增大,车流出现自由流相、饱和流相和拥堵流相;而当绿信比大于临界值,则出现自由流相、共存相、饱和流相和拥堵流相.由人-车相互干扰所导致的延误与车流和行人流的运行状态密切相关.当行人到达率和绿信比都比较大时,等待区内的行人无法在行人绿灯周期内一次清空.文中详细地讨论了人-车相互干扰的定性和定量特征.发现通过合理设置绿信比,可以在保证车流运行效率的同时,减少行人过街的等待时间.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通流模型论文参考文献
[1].刘学刚,张腾飞,韩印.基于ARIMA模型的短时交通流预测研究[J].物流科技.2019
[2].陶亦舟,韦艳芳,高庆飞,董力耘.基于精细微观交通流模型的信号交叉口人-车相互干扰研究[J].物理学报.2019
[3].钟颖,邵毅明,吴文文,胡广雪.基于XGBoost的短时交通流预测模型[J].科学技术与工程.2019
[4].邝先验,陈自如.考虑礼让行人的交叉口机非混合交通流模型[J].广西师范大学学报(自然科学版).2019
[5].陈岳峰,陈礼彪,黄键,冯移冬.考虑驾驶行为稳定性与交通流状态稳定性的路标效用评价模型[J].公路交通科技.2019
[6].李明明,雷菊阳,赵从健.基于LSTM-BP组合模型的短时交通流预测[J].计算机系统应用.2019
[7].温惠英,张东冉,陆思园.GA-LSTM模型在高速公路交通流预测中的应用[J].哈尔滨工业大学学报.2019
[8].岳昊,张鹏,刘晓玲,张辉,邵春福.拥堵路网交通流均衡分配模型[J].哈尔滨工业大学学报.2019
[9].殷礼胜,唐圣期,李胜,何怡刚.基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测[J].电子与信息学报.2019
[10].周海赟,闫冬梅.基于SSARX-NARX模型的短时交通流预测[J].交通信息与安全.2019
论文知识图
