曲鑫
- 作品数:7 被引量:61H指数:4
- 供职机构:吉林大学交通学院更多>>
- 发文基金:国家自然科学基金国家科技支撑计划吉林省科技发展计划基金更多>>
- 相关领域:交通运输工程电子电信天文地球更多>>
- 基于投影寻踪动态聚类的快速路交通状态判别被引量:18
- 2015年
- 为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.
- 邴其春龚勃文杨兆升林赐云曲鑫
- 关键词:交通状态判别混合蛙跳算法城市快速路
- 基于粒子群优化投影寻踪回归模型的短时交通流预测被引量:11
- 2016年
- 针对短时交通流数据的高度复杂性、随机性和非稳定性,为了进一步提高短时交通流预测的精度,提出一种基于粒子群优化投影寻踪回归模型的短时交通流预测方法。通过灰色关联度分析确定交通流预测影响因子,然后采用粒子群优化算法构建非参数投影寻踪回归模型,并利用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析。实验结果表明:PSO-PPR模型的短时交通流预测效果明显提高,其平均预测精度分别比ARIMA模型和BPNN模型提高37.8%和27.2%。
- 邴其春龚勃文林赐云杨兆升曲鑫
- 关键词:智能交通系统短时交通流预测粒子群优化灰色关联度分析
- 采用低频浮动车数据的行程时间估计被引量:4
- 2016年
- 为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段进行实证分析,利用1 500辆出租车数据,对各种修正方法下的行程时间进行估计,与改进内插值估计方法进行对比,并与车牌识别装置提供的直接行程时间估计结果进行相似性分析.结果表明:所有误差均修正的行程时间估计与改进内插值方法相比,平均估计精度提高9.5%,且估计的中位数、25%分位数和75%分位数与车牌识别方法有较高的匹配度.考虑低频浮动车数据误差修正的行程时间估计可以改善估计的精度,可提供有效的行程时间信息.
- 曲鑫林赐云杨兆升商强程泽阳
- 关键词:误差修正模型车牌识别行程时间估计
- 基于诱导终端组合的交通信息发布方式评价被引量:4
- 2018年
- 为提高城市交通信息服务水平,对交通信息发布方式特点及出行者需求进行了分析,将各诱导终端进行了两两组合,并在此基础上建立了交通信息发布方式评价体系。研究首先利用层次分析法和熵值法相结合的方法确定指标权重,接着提出了基于改进密切值法的评价模型。案例结果表明:改进密切值法的结果比传统值降低了,同时其评价误差低于TOPSIS法及多属性效用法,由此表明改进密切值法是一种相对有效的交通信息发布方式评价方法。
- 程泽阳王薇曲鑫
- 关键词:交通运输工程交通信息发布层次分析法熵值法密切值法
- 基于不同信息分配原则的北斗/INS信息融合技术研究
- 2016年
- 智能交通中组合定位信息融合技术是研究热点之一,其信息分配过程以及信息分配系数的选择是关键点。文章提出了基于不同信息分配原则的北斗/INS组合定位下信息融合技术算法,很好保证了滤波结果的精确性和稳定性,通过实际跑车验证方法有效且能较大幅度提高北斗/INS组合定位精度。
- 刘仲波李霖曲鑫
- 关键词:信息融合
- 考虑低排放低延误的交通信号优化方法被引量:9
- 2015年
- 为了达到低排放低延误的交通信号多目标优化控制的目的,首先对车辆行驶轨迹进行描述,并基于机动车比功率(VSP)进行机动车排放的计算;然后利用回归分析的方法,对排放和延误的关系进行量化;之后建立一个以减少排放和降低延误为目标的交通信号控制模型,以此来优化信号控制交叉口的周期时长和绿灯时长,从而达到低排放、低延误的交通信号多目标智能化控制.选取了长春市典型交叉口进行调查,并运用仿真软件VISSIM对该模型进行仿真验证.优化前后的对比分析表明,延误减少了10.54%,排放降低了13.41%,从而证明了该控制技术的有效性.
- 杨兆升曲鑫林赐云邴其春龚勃文
- 关键词:交通信号控制低排放多目标优化
- 基于相空间重构和RELM的短时交通流量预测被引量:16
- 2016年
- 为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量时间序列的最佳时间延迟和嵌入维数,进行相空间重构;然后选用G-P算法计算序列关联维数,判断出短时交通流量序列具有混沌特性.在此基础上,将重构数据作为正则化极端学习机的输入和输出来训练模型,并采用网格搜索法优化模型参数.最后以实测数据为基础,对模型的预测效果进行对比分析.结果表明,新构建模型的预测效果良好,能够有效提高短时交通流量预测精度.
- 商强杨兆升李志林李霖曲鑫
- 关键词:交通工程极端学习机