摘要：文章以南宁市干线公路网规划为研究对象,通过梳理、总结现状干线公路发展存在的主要问题,分析在交通强国建设和高质量发展趋势下,基于区域一体化、城乡统筹和融合发展的理念,南宁市干线公路网规划的要点,为新时期类似区域干线公路网规划提供经验借鉴。

摘要：交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态可变的区域间隔长度.此方法主要特点是基于Gath-Geva模糊聚类的时间序列分割,利用模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.

摘要：为保证城市快速路段的畅通,建立一种基于蜂群算法-支持向量机(ABC-SVM)融合多源交通数据的城市快速路交通事件检测方法。首先通过分析路段实际情况,选取不同检测器的数据作为事件检测模型的输入值;然后利用蜂群算法(ABC)对支持向量机(SVM)分类模型中的参数进行优化,获得最优的交通事件检测模型,模型的输出结果为检测路段是否发生交通事件;最后结合成都市三环城市快速路路段上采集到的多源交通数据进行实例验证。结果表明,利用ABC-SVM方法进行事件检测的效果优于BP神经网络的方法。

摘要：文章在公交IC卡数据处理的基础上,结合相关标准或者参考值,通过公交车运行参数推算获取了公交站间运行时间、站内停靠时间、站间运行速度,提出了基于公交IC卡数据的公交车辆进站和出站的减速度和加速度计算方法,并与传统通行能力计算方法相结合,得到了基于公交IC卡数据的常规公交线路通行能力分析公式,为公交线路通行计算提供了一种新思路。

摘要：针对单一检测器所得到的交通数据不能够全面准确地反映实际的交通状态,提出一种基于AF-SVR模型的城市快速路多源交通信息融合的方法。首先通过将相同路段中不同检测器的速度数据作为学习样本输入到支持向量机回归模型(Support Vector Regression,SVR)中进行训练。然后利用鱼群算法(Artificial Fish,AF)对支持向量机回归模型中的参数进行优化,获得最优的信息融合模型,用于多源交通信息的融合,输出为能准确反映真实交通状态的速度数据,并用人工采集的速度数据作为真值进行验证。最后将此方法应用于成都市三环快速路路段上的多源交通信息融合,取得了令人满意的结果。

摘要：随着视频车牌采集系统的发展与完善,快速路行程时间的动态预测成为了可能。为了提高基于车牌识别数据的快速路行程时间预测精度及有效性,根据快速路车牌识别数据的特征和所能提取的信息,结合BP神经网络和支持向量机的预测优点,通过蜂群优化算法对BP神经网络和支持向量机模型的参数进行优化,提出了一种基于多模型融合预测算法(multi-model fusion algorithm,MMFA)的BP神经网络和支持向量机相结合的组合预测方法。最后选取成都市三环路某段上的视频车牌数据进行实例验证,结果表明该组合预测方法比单一的BP神经网络或者支持向量机具有更好的预测效果。