改进粒子群优化XGBoost模型的高速公路服务区交通量预测

为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGBoost模型的主要超参数进行优化选择,建立了交通量调查数据和服务区各交通量之间的IPSO_XGBoost预测模型.结果表明:提出的改进粒子群算法具有更强的参数寻优能力,迭代收敛速度更快,能够搜索出XGBoost模型的理想超参数,实现对服务区交通量的有效预测.同时,提出模型的预测性能明显优于LSTM、XGBoost、CNN-LSTM和PSO_XGBoost,对小型车、大型车、货车、车当量和人当量数据的预测精度分别达到了0.913、0.815、0.872、0.931和0.924.     

RBF神经网络主成分分析法在交通量预测中应用

文章基于径向基函数(RBF)神经网络应用于交通量预测时,如果输入空间严重自相关及网络维数较高时,RBF神经网络的预测精度会下降这一问题,提出了一种改进的RBF神经网络主成分分析法。用实例证明,该方法在模拟预测中与一般的RBF神经网络模型相比有较好的效果。     

从大渡口互通立交看互通立交组合方案设计的研究

随着我国高速公路建设的发展,高速公路网日趋完善,互通立交呈现出密集化的趋势.两座或以上互通立交的组合设计的问题也日益突出.文章以安庆至景德镇高速公路上的大渡口互通立交为例,论述互通密集区互通立交的设计新思路.     

基于GA-tBP模型的城市道路交通量预测

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量。从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素。以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现。研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error, MSE)及平均绝对误差(mean absolute error, MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性。     

基于改进F-B模型的过饱和状态下交叉口信号配时优化方法

为减少过饱和交叉口的车辆延误时间,建立了改进的F-B配时模型。该模型进行周期计算的步骤与F-B法相同,在调查各进口道交通量时,提出"通过交通量"的概念,并采用延误模型对F-B算法以及改进F-B法进行评价。案例分析结果表明,与F-B配时模型相比,应用改进F-B配时模型的信号配时方案使相邻交叉口延误时间分别减少了34.39%和28.05%。该模型能够有效缓解交通拥堵,减少车辆排队长度并提高交叉口服务水平。     

考虑坡顶交通量影响的路堤边坡失稳敏感性分析

目前对边坡稳定影响因子敏感性的研究主要是针对边坡的内部因素,在分析路堤边坡稳定时,车辆荷载等外部因素对边坡稳定的影响不容忽视.本文同时考虑内部因素和外部因素,选择边坡土体重度γ、边坡土内摩擦角φ、边坡土粘聚力C、边坡坡度θ及交通量Q作为边坡稳定安全系数敏感性分析的影响因子,5个因子都具有广泛的分布随机性.以金鞭公路某标段路堤边坡为例,制定了5因子5水平的正交试验方案,利用传递系数法分别计算不同工况下的边坡稳定安全系数,再利用SPSS统计分析各影响因子对路堤边坡稳定安全系数的敏感性.研究结果表明:路堤边坡稳定性受内部因素和外部因素共同作用,影响因子敏感性大小依次为:边坡坡度θ边坡土内摩擦角φ交通量Q边坡土粘聚力C边坡土体重度γ.本研究可为该边坡失稳治理设计提供依据.     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

基于起落架构型的沥青道面交通量换算

为了解决沥青道面混合交通的计算问题,提出了用荷载圆半径、胎压、轮径比和轴径比表示单轮、双轮和双轴双轮起落架荷载的特性。应用概率统计理论,统计分析现有飞机起落架的轮径比和轴径比的特性,双轮起落架的轮距特性可用轮径比3.32表示,用轴径比6.791,轮径比4.0和5.0为界将双轴双轮起落架分为3类。运用疲劳等效原理,以底基层的拉应力和相应的疲劳方程作为换算标准,选取7种典型结构,计算不同胎压和半径的同型和异型起落架荷载作用下底基层的最大拉应力,得到各型起落架的换算系数,建立了设计飞机与其它飞机间的交通量换算关系,满足了交通量换算中按不同飞机作为设计飞机时,进行道面结构设计所得的厚度是相同的原则。     

改进PSO-LSTM算法预测高速公路交通量

高速公路交通政策的制定需要准确的预测交通量,基于此,选用LSTM机器学习模型对其研究,针对LSTM模型中参数确定的问题,选用 PSO算法对其优化,同时针对PSO算法中粒子位置更新问题,以公式中各参数含义为切入点进行改进,将PSO算法公式中原来静态的惯性权重及学习权重改为会随着迭代次数及粒子位置改变而改变的动态值,从而达到搜寻精度提高的目的,据此构造改进PSO-LSTM模型,最后通过实例计算分析,分别对高速公路的工作日及休息日进行预测。结果表明改进的PSO-LSTM模型较LSTM模型在工作日及休息日交通量的预测上,其评价指标均方根误差分别提高了12.19%、10.97%,平均绝对误差分别提高了17.06%、15.17%,平方绝对百分比误差分别提高24.56%、23.88%,精度提高值明显高于PSO-LSTM模型。改进PSO-LSTM模型在交通量预测精度上具有显著提高作用,且抗干扰能力强,可以为政策的合理制定提供更可靠的依据。