Payne-Whitham型宏观交通流模型波动特性

宏观交通流模型将交通流比拟成流体流,通过整体变量如交通流量、平均车速以及交通密度来研究其整体性质,得到了越来越多的肯定.文章采用波前展开的方法,研究Payne-Whitham型宏观交通流模型描述扰动沿交通流波动的特性,同时给出了相应的稳定性条件.最后利用Padé逼近法进行数值仿真,得到的结果与理论分析相一致.     

交通流非参数回归模型

交通流宏观参数流量、速度和占有率在交通工程和管理中具有非常重要的作用 ,对这三者关系的刻划反映了道路本身特性和交通流的规律。到目前为止 ,基本上采用线性或非线性的参数模型来描述 ,此类模型在应用中具有一定的局限性 ,并交通变量时间序列进行预测 ,数据拟合表明 ,选择适当的核函数或邻近数以及窗宽 ,可以达到比较满意的效果     

守恒高阶各向异性交通流模型基于POD方法的降阶外推差分格式

利用Godunov流方法和特征投影分解方法,对守恒高阶各向异性交通流模型建立一种自由度很少、精度足够高的降阶外推差分算法, 并给出这种降阶外推差分算法近似解的误差估计和算法实现.最后,用数值例子说明数值结果与理论结果相吻合,并阐明这种降阶外推差分算法的优越性.     

自行车阻滞干扰对机动车交通流延误改进模型

通过分析机非混合这一城市交通的主要特征,结合最小车头时距及不同车辆长度,对机非混行路段单个自行车对机动车的干扰分析模型进行改进,提出了一种新的数学模型;并对机动车道上出现自行车群的情况进行了研究,分别采用概率论及流体力学理论方法建立了相应的阻滞干扰模型,对评价路段服务水平、实施城市道路机非分离设计及提升道路交通通行能力等具有较为重要的意义.     

风电功率波动特性的概率分布模型研究

为保证电网安全稳定运行,在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义.基于数据驱动的方法,采用加权高斯混合概率分布模型来拟合大规模风电基地的波动特性,模型拟合参数可采用基于期望最大化(Expectation Maximization,EM)的极大似然估计算法来获得,并提出了拟合评价...     

改进的灰色模型及在短时交通流中的应用

基于城市道路交通流按日周期变化的数据特征,提出一种可自动选择步长的灰色模型算法.将其应用到美国Minnesota的两个道路交通流的预测,并和传统灰色模型、历史平均法以及滑动平均法对比.数值实验结果表明:改进的灰色模型能够大幅降低预测绝对误差,预测精度高,稳定性好,适用于城市道路短时交通流的实时预测.     

基于跟车思想的一维元胞自动机交通流模型

提出一个改进的一维元胞自动机模型来模拟周期性边界条件下高速公路上车流运动.基于跟车模型的思想,根据所研究车辆与其前方紧邻车辆之间的间距和相对速度来确定该车的运动,间接地反映了次近邻车辆的影响.通过引入安全间距来描述高速运动车辆接近前方缓行车辆时的减速行为,并利用随机减速概率来反映减速行为中的随机因素.由于安全间距的引入,当减速概率大于零时在较高密度下就出现完全的阻塞相.同时在本模型中采用的是有条件减速,因而可以较好描述交通实测中观察到的现象.在临界密度附近,车流运动处于亚稳态并呈现出滞后现象.由于本模型对于车辆微观运动的合理描述,可以直接用以研究在交通灯控制下城市道路交通中的各种现象.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

低维宏观交通流模型的稳定性和分岔分析

交通流模型的分岔点对应临界的交通状态,对研究交通流的稳定性具有重要的理论意义.为了分析宏观交通流模型的分岔特征,通过对低维宏观交通流模型的求解得到两个平衡点,并讨论了其稳定性,发现该模型存在一个跨临界分岔点.数值仿真验证了结论的正确性,并且在一定条件下,通过改变响应时间会影响到最终的平衡状态.     

关于非线性双曲波动变分方程的动力学形式

受到[3],[4]和[5]的启发,本文对应于某种波动变分方程的弱解,给出了该方程的动力学 形式,此方程来源于长原子液晶运动双极链中的长波以及其它邻域的研究.     

一个交通模型的行波解的渐近稳定性

主要考虑下面的交通模型的行波解的渐近稳定性.{vt-ux=0 (E)ut+p(v)x=1/ε(f(v)-u+μuxx 其中初始值为 (v,u)(x,0)=(v0(x),u0(x))→(v±,u±),v±＞0,as x→±∞.(Ⅰ)在允许流函数f不是凹函数以及初始值在无穷远处的极限不满足平衡方程的条件下,我们得到了稳定性...     

具有负压力的Aw-Rascle交通流的Riemann问题

研究了广义Chaplygin气体的Aw-Rascle交通流的Riemann问题,构建了它的古典和非古典Riemann解.借助广义Rankine-Hugoniot关系和δ-激波熵条件,获得了δ-激波解的存在性和唯一性,并且给出一些数值模拟来阐明此分析.     

短时交通流混沌预测模型的比较研究

短时交通流预测是实现交通流诱导的关键技术之一.针对目前短时交通混沌预测模型预测结果差异较大的问题,归纳了4种基于混沌理论的短时交通流预测模型:RBF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究.应用4种预测模型对几个典型的非线性系统进行预测,验证了算法的准确性.然后用这4种预测模型对微观实测交通流的时间序列进行实证分析.仿真结果表明,4种预测模型对典型混沌时间序列具有很好的预测效果;而对实测交通流预测,其预测精度和稳定性较差,但可以满足实时交通流预测的需要.     

稳健交通均衡模型的SDP松弛

交通均衡问题在城市交通管理中具有重要意义.研究均衡交通的目的是通过对稳定交通流进行量化分析、,为决策者提供交通规划及管理的依据.Wardrop交通均衡原理是描述交通均衡问题的基石,本文在其扩展之一的稳健Wardrop(Robust Wardrop,简记为RW)互补均衡模型的基础上,将不确定因素的盒子约束改进为球约束,以改善原有模型的保守度.其次给出带有不确定因素的稳健Wardrop极小化形式及其确定性稳健对应模型(Robust Counterpart,简记为RC).最后通过SDP松弛手段将稳健对应模型(RC)松弛为容易的线性半定规划问题进行求解,并给出实例说明,为不确定因素影响下的交通均衡问题提供了一种新的有效模型及解法.     

多模式城市交通网络随机用户平衡配流模型

本文考虑了影响出行者选择出行方式的多种因素(如出行时间、花费、舒适性等),分析了多种交通方式并存的城市交通网络,基于随机用户平衡理论构造了多模式的交通配流模型,并证明了模型解的等价性和惟一性,给出了求解算法.     

具有交通流量异质性的网络传染病模型研究

主要研究了异质集合种群网络上的移动和扩散行为对疾病传播的影响.针对现实社会中的网络所具有的异质性,分析了影响城市疾病传播的主要因素为网络拓扑结构以及城市交通流量异质性,建立了依赖于交通流量移出率的传染病动力学模型.通过分析模型的无病平衡点以及正平衡点的存在及其稳定性,发现人口流动会使交通较发达的城市拥有更多的染病者,更容易促使疾病的爆发.     

多等级交通流LWR模型中的非线性波描述与WENO数值逼近

证明了交通流多等级LWR(Lighthill-Whitham-Richards)模型的双曲性质,并根据交通流的特征给出关于其非线性波的描述,主要包括车流通过激波和稀疏波时密度和速度的单调性变化．由于方程组没有显式的特征分解,所以引入具有高分辨和高精度的WENO(weighted essentially non~oscillatory)格式作数值模拟,得到与理论描述完全一致的数值结果．     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。