|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 周期数据时段划分的双截断高斯混合模型及其EM算法显示文摘有限混合模型是多模态数据拟合和聚类的有力工具,本文针对具有多模态的周期数据提出了双截断高斯混合糢型,并推导出相应的EM算法,再通过BIC准則确定混合成分个数,该方法的优点是可以将相邻周期上距离较近的数据聚为一类.模拟研究显示,在具体参数设置下,EM算法和BIC准则是相合的。最后,该方法应用于车流量数据的时段划分,将一天划分为具有显著特征的6个时段,有助于交通部门采取相应策略,为优化交通灯信号配时提供参考依据. | 官国宇 王运豪 别一鸣 | 2022 | 数理统计与管理2022，41，1： | 4 |
| 2 | 基于多目标雷达数据的单点交通信号控制方法显示文摘针对多目标雷达检测器可以获取区域交通状态的特点,提出了一种基于多目标雷达数据的单点交叉口信号控制方法。首先,根据进口道检测区域排队长度情况,设计了单点信号控制策略,将单点信号控制划分为两个阶段。其次,分别确定两个阶段的信号控制方法。第一阶段主要解决常规车辆放行问题,建立了信号相位的切换规则。第二阶段主要解决进口道车辆排队过长以及出口道排队溢出问题,建立了相应的控制逻辑规则。在此基础上,确定了相关控制参数的取值与优化方法。最后,以实际典型交叉口为例对本文构建的控制方法进行仿真验证。结果表明,本文控制方法可以有效提升交叉口运行效率,平均车辆延误降低了9%,高交通需求下车辆排队长度降低了15.5%。 | 刘东波 沈莉潇 代磊磊 陆建 | 2022 | 吉林大学学报(工学版)2022，52，10： | 3 |
| 3 | 基于交叉口车牌识别数据的网络交通状态分类方法显示文摘为实现能实时、高效、准确地利用现有的车牌识别数据掌握路网交通状态,并精准实施道路交通网络控制措施,基于道路交叉口车牌识别系统数据,依据基于平均最短路径长度的拥堵指标衡量路网运行状态,使用K-means聚类算法进行分类,依据谱距离指标和拥堵指标分类不同时段的网络剩余供给能力。在此基础上,依据实时的道路交通数据,计算拥堵指标,可得到实时道路网络剩余供给能力分级。针对分级后的实时道路网络的实际剩余供给能力,设计不同的网络交通管控方案,能有效缓解交通拥堵。以长沙市五一广场局域道路网络为实例,研究结果表明:城市道路网络状态全天可以分为4种类型,拥堵指标为1.522、1.823、2.207、3.069,分别对应路网剩余供给能力良好、一般、较差和极差。该网络早晚高峰时段路网剩余供给能力多处于较差状态,并且晚高峰时路网有可能处于剩余供给能力极差状态。相比于工作日,在周末的高峰时段,路网剩余供给能力表现较为良好。采取针对性交通管控措施后,经仿真验证表明拥挤路径社会总成本下降5%以上。 | 黎茂盛 李杭聪 | 2023 | 哈尔滨工业大学学报2023，55，11： | 1 |
| 4 | 基于关键本征模态函数的道路交通信号控制时段划分方法显示文摘交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明:(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车均延误减少6.80%,停车延误减少5.87%,工作日车均延误和停车延误变化不大。 | 冯斌 徐建闽 林永杰 | 2023 | 交通信息与安全2023，41，1： | 1 |
| 5 | 考虑方案间过渡影响的Kagscv-DBSCAN单点交通控制时段划分方法显示文摘为提高单点交通控制时段划分准确性,首先提出一种基于KD-tree加速搜索并利用GridsearchCV进行超参数寻优的kagscv-DBSCAN算法用来求解基于检测器自然数据的时段划分初步方案,并加入了对方案间过渡的考虑对初步方案进行修正。最后,以车总延误、交叉口通行能力和运算速度为评价指标进行实际案例分析并与传统方法进行了对比。结果表明:所提方法对比K-means、PAW、FCM和RSAGA-FCM在车总延误方面分别降低8.69%、6.61%、3.68%和1.04%,通行能力提升效率分别为5.67%、5.07%、3.48%、1.69%,并在运算速度上具备明显优势。 | 姚辰达 王景升 杨政陶 葛帅杰 | 2024 | 科学技术与工程2024，24，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员