秦政
- 作品数：6 被引量：46H指数：5
- 供职机构：西南交通大学交通运输与物流学院更多>>
- 发文基金：国家自然科学基金四川省科技支撑计划更多>>
- 相关领域：交通运输工程自动化与计算机技术环境科学与工程更多>>
- 基于BP神经网络与SVM的快速路行程时间组合预测研究被引量：20
- 2016年
- 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。
- 丁宏飞李演洪刘博秦政
- 关键词：BP神经网络支持向量机组合预测
- 城市快速路交通事件影响范围研究被引量：5
- 2016年
- 为解决交通事件影响范围难以精确获取,进而影响交通管理与控制的问题,建立涵盖时间域和空间域的城市快速路交通事件影响范围模型。首先,根据交通事件对路网系统造成的后果,划分交通事件类型。然后,利用交通波理论,分析城市快速路交通事件发生点上游排队车辆的积聚消散过程和救援队响应时间。基于流体力学理论,分析交通事件发生点上游交通流的黏性耗散变化,得到一种判别间接空间域影响范围的方法。最后,通过算例验证模型的有效性。结果表明,利用该模型可以精确获取交通事件的最大影响时间和最大空间影响范围。
- 丁宏飞刘博秦政李演洪
- 关键词：时间域空间域交通波
- 融合多源数据的ABC-SVM快速路交通事件检测被引量：6
- 2015年
- 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。
- 丁宏飞秦政李演洪刘博
- 关键词：城市快速路交通事件检测
- 基于AF-SVR的城市快速路多源交通信息融合研究被引量：5
- 2017年
- 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。
- 丁宏飞秦政刘博李演洪
- 关键词：信息融合支持向量机回归城市快速路鱼群算法
- 基于公交IC卡和GPS数据的乘客上下车站点研究被引量：7
- 2017年
- 文章通过对公交IC卡和GPS数据的分析,给出了利用IC卡和GPS数据推导乘客上下车站点的判别方法。通过充分挖掘两类公交数据中的信息,考虑乘客刷卡滞后的情况,采用相邻站点进站时间与刷卡时间匹配的方法识别上车站点;同时考虑到同行人员代刷卡行为,改进了下车站点的判断机理;最后结合成都市公交IC卡和GPS数据进行实例分析,结果表明所采用的判别方法上车站点识别率较高,下车站点的判断结果符合实际情况,具有较高的准确性。
- 秦政
- 关键词：IC卡数据GPS数据
- 基于模型预测控制的城市快速路交通协同控制被引量：3
- 2016年
- 为了解决现有快速路最优控制方法多以总时间花费(TTS)最小为优化目标,容易生成恶化系统整体状态的控制方案,而且难以处理多个交通子区协同控制的问题。分析了传统控制方法在系统整体效益、控制方案求解、协同控制可行性3方面的不足。采用模型预测控制(MPC)的方法,通过引入平均速度表征路段交通状态改进了传统的目标函数形式,并利用了罚函数的思想和反馈控制的方法提出了多交通子区的协同控制方法。仿真结果表明:当预测步长较小时,改进模型的控制效果优于传统模型;协同控制的方法可在保证较好控制效果的前提下显著提高模型求解效率。
- 丁宏飞刘硕智秦政
- 关键词：交通工程模型预测控制城市快速路最优控制
