论文读书笔记_读书笔记论文

论文读书笔记由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“读书笔记论文”。

1.Road Traffic Flow Prediction with a Time-Oriented ARIMA Model

摘要部分说明根据不同时段交通流数据训练得到的ARIMA模型在预测方面更精确。介绍部分首段指出卡尔曼、ARMA等模型训练所需的数据并没有划分。

2.动态交通流量预测方法研究

摘要指出本文介绍了误差逆传播（BP）模型的相关理论，指出传统BP神经网络的缺陷，并提出了提高预测精度的措施——引进高阶神经网络。该文利用交叉口的实测数据进行预测，并用实际数据进行验证和比较。

结束语：传统BP神经网络在流量预测上还存在比较大的误差，耗时比较长，无法达到实时预测的要求。而高阶神经网络是可以应用并能够胜任于实时交通流预测的。不足：未考虑天气因素，对于突发事件的预测，还有待于更进一步深入的研究。

3.交通流量的预测仿真

交通流量的长期预测主要是利用与交通流量有关的宏观因素来确定交通流的宏观变化趋势。鉴于道路交通系统的非线性、复杂性和不确定性的基本特征, 以及实际采集数据较少的情况, 利用广义回归神经网络（GRNN）的逼近能力、分类能力和学习速度较强, 网络最后可以收敛于样本量聚集较多的优化回归面的优势。

交通流量的短期预测主要是考虑一些微观因素对交通流量的影响。由于对交通流起作用的影响因素较多, 根据多年的实际经验, 选择了月影响系数、周影响系数、高峰小时影响系数、天气状况系数、人员聚集影响系数作为输人因子。

4.短时交通流量预测研究.nh

摘要：文章提出用小波将短时交通流数据分解到不同尺度（频率）空间，再在各尺度空间分别进行预测，将预测的结构综合得到原流量序列的预测值的方法。

仿真结果表明，先采用光滑度较大的小波将短时交通流数据分解到各尺度空间，然后用模糊神经网络预测低频数据，AR模型预测高频随机数据的方法对短时交通流量预测精度的提高具有明显的效果。

5.Spatial Analysis of Urban Form and Pedestrian Exposure to Traffic Noise

文章分析指出在澳门半岛这样一个历史文化名城中游玩的游客，当他们置身于那些步行街道时，由于交通噪声和其他的城市污染，使人们的旅行质量下降，无形之中毁坏了这座文化名城的声誉。

6.TrafficFlowCharacteristicsAnalysisatIntersectionin Wuhan City

Abstract-This paper discues the proceing method of survey data at intersection in Wuhan City, and analyze traffic flow characteristics at intersection on base of actual survey data.According to the traffic flow characteristics such as the spatial distribution of traffic volume, time distribution of traffic volume, the traffic flow stability, the traffic flow directional volume, the headway and the traffic composition, we can get the current traffic situation at intersection in Wuhan City, which provides a basis for the planning, designing and management of intersection in Wuhan City.6.车载终端实时交通导航技术的研究及实现

本文设计了一个车载实时交通信息的发布和接收系统，可以将路况信息动态地显示在地图上，实现车辆的动态导航。该系统以S3C2410处理器为核心，使用嵌入式Linux 操作系统作为底层软件平台。终端采用3G模块连接互联网，通过嵌入式浏览器浏览网 页。参考TPEG协议，定义了实时交通信息的传输协议。首先在Web服务器端用MFC 开发了一个实时交通信息的输入平台。根据输入的交通信息，自动生成相应的XML文 件。然后用JavaScript编写html网页，在网页中嵌入Google地图，对生成的XML文档 进行解析，将实时交通信息用图标的形式标示在地图上的对应位置。将3G模块在Linux

下进行正确的配置，车载实时交通导航终端通过3G模块连接上因特网，用嵌入式浏览 器访问编写好的html网页，最后返回地图信息，显示在终端的屏幕上。另外，针对嵌 入式系统的手写输入问题，本文优化了汉字手写体识别系统，提高了系统的识别率，加 快了系统的识别速率，并将此应用在车载导航终端上。

7.基于实时交通信息的车辆路径问题研究

本文研究课基于实时交通信息的车辆路径问题，建立了数学模型，并提出了动态调度策略和带插入规则的节约算法。动态调度策略对于利用实时信息具有决定性的意义。带插入规则的节约算法关键在于插入规则的确定，对于速度变化的情况，节约值的计算很复杂，调度裕度的评估是非常重要的因素。仿真结果验证了策略和算法的有效性。今后，还要针对流程行业间歇过程的车辆路径问题开展进一步的研究。

8.基于实时交通信息的城市交通流诱导系统关键技术研究

动态路径诱导系统是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路线来达到诱导出行行为、减少车辆在路上的逗留时间、进而实现改善城市交通和避免交通拥挤、阻塞的目的。本文的研究目的是为在中国城市区域研究并开发以城市交通面控系统提供的实时动态交通信息为基础的、符合我国混合交通的实际特点的动态路径诱导系统提供理论基础和实施技术方案。

根据城市交通流诱导系统的基本功能需要和中国的实际情况，通过对国外路径诱导系统的分析，确定了系统的基本结构，给出了城市交通流诱导系统框架。研究了如何把来自于交通面控系统的流量和时间占用率数据转换为城市交通流诱导系统实际使用的路段行程时间数据。基于实测数据对我国城市路段的交通流特性进行了统计分析，发现同一时段内的路段行程时间与该路段的平均流量和时间占有率之间具有的一定的统计相关关系。路段行程时间的预测是动态路径诱导系统的基本理论问题，如何将根据实时交通信息获得的当前时段路段行程时间数据转化为未来时段路段行程时间是进行路径诱导的关键，本文探讨了一种应用泰勒级数展开公式预测未来时段路段行程时间的方法。

交通事故的频繁发生使得事故路段发生阻塞，增加了出行时间，造成行车延误。本文分析了城市路网发生交通事故对车辆行驶的影响，根据交通事故的严重程度不同确定事故地点的通行能力，按照排队长度动态变化的规律，给出了事故点上游交通需求大于事故点通行能力时事故路段行程时间的计算公式，以此作为是否诱导车辆绕行的依据。根据城市路网最优路线选择的标准，给出了进行绕行路线选择的方法。

9.实时交通信息服务数据组织与基于JAVA的系统实现

摘要: 相对于单纯道路网络信息和历史经验交通信息, 实时交通信息对于出行者出行决策具有更为重要的意义。随着实时交通信息获取手段的多样化和普及化, 更富生命力的实时交通服务系统已经纳入应用日程。首先分析总结了公众对于实时动态交通信息的需求状况, 将与导航和出行密切相关的实时道路交通信息分为交通事件和交通流信息两大类, 对交通事件, 根据其几何特征,进一步分为点事件、线事件、面事件和关系事件。基于J2ME/J2EEE 软件开发架构, PostSQL 与PostGIS 的时空交通数据管理模式,研发了中心式的实时交通信息服务系统原型, 并对典型的交通事件和交通流信息在移动终端模拟器进行了时空表达示例。

10.面向实时交通信息提取的车辆轨迹数据挖掘

摘要: 车辆行驶轨迹是驾驶人员主观意愿和道路客观约束条件综合作用的结果, 从海量车辆轨迹中可以挖掘出道路的实时交通信息为智能交通服务.通过建立轨迹约束模型用以量化各约束因子, 基于线性参照系统的数据预处理以加快检索速度和降低轨迹的不确定性, 基于移动目标主体相似性和移动轨迹时空相似性的数据选取降低了数据库搜索次数提高发掘准确度, 分别针对道路交叉口和一般路段进行数据挖掘, 提取实时的道路交

通信息.研究结果和实验结果表明, 这个挖掘算法可以有效地提取道路实时路况信息.11.实时交通流量人工神经网络预测模型

摘 要: 为满足交通流诱导系统的理论需要, 建立了实时交通流量神经网络预测模型, 编制了人工智能交通流量预测软件系统。

12.基于手机位置的实时交通信息采集技术

结束语：国内外智能交通的发展现状显示, 实时交通数据采集和信息发布的产业化发展趋势日益显著, 产业规模正在逐渐形成。同时, 国内在实时交通数据的采集方面也已开始发展, 面向公众的交通信息服务产品也相继出现。由于基于手机位置切换的实时交通数据采集方式具有投资小数据量大采集覆盖范围广等特点故必将成为实时交通数据采集的一个重要发展方向。

13.一种基于聚类分析的实时交通流量监测系统

摘要：将图像处理技术与聚类分析理论相结合!建立了一个基于视觉信息的车流量检测系统!实现了从图像获取、运动车辆检测、图像聚类分析，到车辆计数、车速及车辆大小等交通流量参数提取整个过程的自动化。实验证明，该系统具有相当的实用性。

14.An Aggregation Approach to Short-Term Traffic Flow Prediction

Abstract—In this paper, an aggregation approach is proposed for traffic flow prediction that is based on the moving average(MA), exponential smoothing(ES), autoregreive MA(ARIMA),and neural network(NN)models.The aggregation approach aembles information from relevant time series.The source time series is the traffic flow volume that is collected 24 h/day over several years.The three relevant time series are a weekly similarity time series, a daily similarity time series, and an hourly time series,which can be directly generated from the source time series.The MA, ES, and ARIMA models are selected to give predictions of the three relevant time series.The predictions that result from the different models are used as the basis of the NN in the aggregation stage.The output of the trained NN serves as the final prediction.To ae the performance of the different models, the naïve,ARIMA,nonparametric regreion, NN, and data aggregation(DA)models are applied to the prediction of a real vehicle traffic flow, from which data have been collected at a data-collection point that is located on National Highway 107, Guangzhou, Guangdong,China.The outcome suggests that the DA model obtains a more accurate forecast than any individual model alone.The aggregation strategy can offer substantial benefits in terms of improving operational forecasting.15.IntelligentTransportManagementSystemUsingSensorNetworks

Abstract--This paper proposes distributed traffic monitoring and controlling model using sensors and dedicated traffic servers.This model is described as basic role-oriented procees communicating though primitive interaction protocols.The model is aimed to provide an enabling communications framework upon which multi-agent system models can be organized and built to be used for an simulation of an road map and to estimate the traffic behavior(to provide information about the best routes).This paper presents a hierarchical routing strategy for controlling the traffic of that region.The model aists the drivers to get the desired destination taking into account the current situation of traffic characteristics.It gives the estimated arrival time and the corresponding distance between a start and an arrival point.The neceary information is obtained from current traffic position using sensors(used as dynamic information and to characterize the traffic, for example if traffic is jammed on an area, we can predict alter paths).The

information given by the advisory system has the form of self generated meage according to the condition of traffic using the given algorithm.The proposed algorithm uses well known searching techniques and data structures for appropriate handling of traffic in a sensor based web model for traffic management.To achieve this objective the model uses proposed algorithm on parallel communicating servers which also

communicate with end users.