版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、如何將交通流分配到有限的道路資源上,使得交通網(wǎng)絡(luò)中用戶總出行費(fèi)用或者個體出行費(fèi)用盡可能少是整個社會和國際學(xué)術(shù)界關(guān)注的熱點研究問題。現(xiàn)有研究通常假設(shè)用戶可以提前獲得確定的交通流量或其分布,不滿足實際需求。針對未來不確定的交通流量到達(dá)路網(wǎng)出發(fā)節(jié)點選擇路徑去目的節(jié)點的實時交通流分配問題,在用預(yù)測理論與方法對未來不確定的交通流量進(jìn)行預(yù)測的條件下,采取在線問題與競爭策略的理論方法,從交通管理者和用戶角度研究路段通行能力無限制與有限制情形下的在線交
2、通流分配策略,為交通管理部門指揮疏導(dǎo)交通流和用戶出行的實時路徑選擇提供有效理論依據(jù)。
本研究主要內(nèi)容包括:⑴貝葉斯流量預(yù)測下的在線用戶均衡(User equilibrium UE)策略設(shè)計及其競爭性能分析。從個體用戶的角度來說,每個個體用戶的出行時間和出行量是不確定的,因此,當(dāng)前某一時間段內(nèi)到達(dá)路網(wǎng)某一出發(fā)節(jié)點的交通流量是不確定的。首先用Probit方法求出用戶到達(dá)出發(fā)節(jié)點的當(dāng)前交通流量,并針對個體用戶只能獲取有限交通流量數(shù)據(jù)
3、的特征,選取神經(jīng)網(wǎng)絡(luò)模型、卡爾曼濾波模型和非參數(shù)回歸模型構(gòu)成貝葉斯組合預(yù)測模型A,對下一時間段內(nèi)的交通量進(jìn)行預(yù)測,在此基礎(chǔ)上,采用在線問題與競爭策略的理論和技術(shù),以路網(wǎng)上每個用戶出行費(fèi)用盡可能少為目標(biāo),設(shè)計貝葉斯在線用戶均衡策略,將貝葉斯預(yù)測下的交通流分配到路網(wǎng)上,證明該策略在路段通行能力無限制情形下競爭比為(1+λ(α+β)/2)g+2,而在路段通行能力有限制情形下競爭比為(1+(α+β)/2)g+2,并比較兩種情形的執(zhí)行效果。通過實
4、例分析,對貝葉斯在線UE策略的執(zhí)行效果進(jìn)行驗證。⑵貝葉斯流量預(yù)測下的在線系統(tǒng)最優(yōu)(system optimization,SO)策略設(shè)計及其競爭性能分析。從交通管理者角度來說,根據(jù)其可獲取各時間段、各路段交通流量歷史數(shù)據(jù)的特征,選取時間序列-ARIMA模型,支持向量機(jī)回歸模型和歷史平均模型構(gòu)成貝葉斯組合預(yù)測模型B,對下一時間段內(nèi)的交通量進(jìn)行預(yù)測,在此基礎(chǔ)之上,采用在線問題與競爭策略的理論和技術(shù),以路網(wǎng)上所有用戶出行總費(fèi)用盡可能少為目標(biāo),
最新文檔
- 船舶交通流量預(yù)測方法研究.pdf
- 交通流量短時預(yù)測方法研究.pdf
- 交通流量短時預(yù)測的算法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測.pdf
- 寧波港船舶交通流量預(yù)測研究.pdf
- 短時交通流量混合預(yù)測方法研究.pdf
- 短時交通流量預(yù)測算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測研究.pdf
- 基于多模型融合的短時交通流量預(yù)測.pdf
- 基于混合效應(yīng)的船舶交通流量預(yù)測分析.pdf
- 結(jié)合交通流動態(tài)特性的短時交通流量組合預(yù)測研究.pdf
- 基于時空相關(guān)分析的短時交通流量預(yù)測方法研究.pdf
- 基于RVM和ARIMA的短時交通流量預(yù)測方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)交通流量預(yù)測模型的研究.pdf
- 空中交通流量短期預(yù)測模型研究.pdf
- 機(jī)會約束交通流量分配模型.pdf
- 空中交通流量數(shù)據(jù)的統(tǒng)計預(yù)測研究.pdf
- 空中交通流量長期預(yù)測方法研究.pdf
評論
0/150
提交評論