简介:道路的空间关联性对交通流量有重要影响。为提高交通流量预测的准确性,运用空间分析方法,基于贵阳市中心城区交通流量等数据,构建不同的空间权重矩阵,通过MoranI指数判断交通流量的空间自相关性,运用核密度估计法对不同时段交通流量的空间分布趋势面进行研究,通过空间自回归模型(Spatialauto-regressionmodelSAR)将平均车速、车道占有率对交通流量的贡献率进行分析,并与经典线性回归模型进行比较。此研究有助于探索城市路网中交通流的热点和冷点区域,了解整个城市交通系统的运行状态,并对动态交通管理和长期城市交通规划提供决策支持。
简介:为了提高道路服务水平,减少道路交通事故,改善车辆设计,开发车载安全装置通过驾驶模拟器和交通仿真相结合的方法,深入探讨个体驾驶行为交通流特征的影响.首先,选取反映驾驶员特征的静态驾驶适性和动态驾驶适性2类指标,通过因子分析、主成份分析及聚类分析方法对驾驶行为特征进行提取,构建不同类型的驾驶行为特征分类.其次,利用驾驶模拟器采集到的实验数据,对不同类型驾驶行为的仿真模型参数进行校准.最后,通过交通仿真技术对不同类型的驾驶行为下交通流特征研究,主要集中在不同车道位置、不同行为下的交通流特征差异.研究结果表明,激进的驾驶行为仿真产生的最大交通量(2200pcu/h)〉中等驾驶行为(1800pcu/h)〉保守驾驶行为(1700pcu/h),但激进驾驶行为下的交通流较其他行为显得更加不稳定.因此,提高道路安全水平,需针对呈现此类驾驶行为特征的驾驶员进行重点教育及培训.
简介:对智能交通系统(ITS)短时交通流量预测问题进行研究,提出了一种联合FCM与群集蜘蛛优化SVR交通流量预测算法。首先采用FCM聚类方法对交通流量数据预处理,得到基于时间节点分割的时序数据模块,有效降低了数据差异性带来的误差影响;然后构建基于群集蜘蛛优化SVR模型,针对SVR参数选择难题,在群集蜘蛛优化算法中引入社会等级制度,动态的将蜘蛛种群划分为上中下三个阶层,并根据不同阶层个体适应度大小,分别设计自适应竞争、"快搜"以及逆向学习机制,提高了算法寻优精度;最后,运用群集蜘蛛优化SVR对各个交通流量数据时序模块进行预测评估。仿真结果表明,同其它预测算法相比,该算法预测平均绝对误差降低了38.4-53.8%。