国家自然科学基金(71101109)

作品数：21被引量：125H指数：7
导出分析报告
相关作者：孙健彭仲仁张纯薛睿刘晓锋更多>>
相关机构：上海交通大学佛罗里达大学同济大学东北林业大学更多>>
相关期刊：《交通信息与安全》《计算机应用研究》《武汉科技大学学报》《交通运输工程学报》更多>>
相关主题：浮动车数据地理信息系统城市交通FCD支持向量机更多>>
相关领域：交通运输工程航空宇航科学技术自动化与计算机技术理学更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于正交试验的城市信控交叉口仿真分析及优化被引量：6
《合肥工业大学学报（自然科学版）》2017年第8期1031-1036,共6页张开盛 孙健 
国家自然科学基金资助项目(71101109)
为了探寻交叉口高效优化设计方法以提高城市路网的通行效率,文章以上海市沪闵路-剑川路信控交叉口为典型案例进行高峰小时优化设计。实地调研目标交叉口高峰小时交通数据,基于Vissim微观交通仿真软件进行建模及仿真;通过分析实际交通问...
关键词：信控交叉口 优化设计 正交试验 方差分析 关联分析 
基于智能手机大数据的交通出行方式识别研究被引量：19
《计算机应用研究》2016年第12期3527-3529,3558,共4页李喆 孙健 倪训友 
国家自然科学基金资助项目(71101109);上海市"科技创新行动计划"软科学研究重点资助项目(15692105400)
智能手机时代所产生的大数据能够为交通研究者带来大量信息,基于智能手机采集交通出行大数据,再利用基于粒子群的支持向量机模型进行交通出行方式识别研究。在分析数据特点的基础上提出用于建模的特征变量,之后使用粒子群算法优化支持...
关键词：粒子群 支持向量机 出行方式识别 智能手机大数据 模式识别 
全球城市视域下上海城市轨道交通系统发展趋势研究被引量：6
《交通运输研究》2016年第3期6-13,共8页胡夫 孙健 李喆 
国家自然科学基金项目(71101109);教育部人文社会科学基金项目(15YJCZH148)
基于上海未来30年建设全球城市的背景,首先对比全球当前四大城市(纽约、伦敦、东京和巴黎)在轨道交通特别是市郊铁路方面的规模与特色,随后从城市发展途径的视角对全球城市逆城市化背景下的人口迁移、新城建设及其与轨道交通协调发展的...
关键词：全球城市 轨道交通系统 ROXY指数 逆城市化 市郊铁路 
基于驾驶人路径选择偏好的OD行程时间预测方法被引量：9
《交通运输工程学报》2016年第2期143-149,共7页孙健 张颖 张纯 
国家自然科学基金项目(71101109);教育部人文社会科学研究项目(15YJCZH148);上海市科委"科技创新行动计划"项目(15692105400)
以广东省深圳市3 000余辆浮动车近300万组数据为基础,以地理信息系统技术为主要工具,以最具代表性的深圳市福田区与罗湖区为研究区域,确定了不同起讫(OD)点扩展半径。以浮动车唯一编号进行地图匹配,根据确定的研究区域与扩展半径,获取...
关键词：OD行程时间预测方法 路径选择偏好 地理信息系统 地图匹配 浮动车数据 
Determination of Scheduled Travel Time for a Fixed Transit Route Based on Multistate Model
《Journal of Harbin Institute of Technology(New Series)》2016年第2期16-22,共7页Shukai Chen Daniel(Jian) Sun Rui Xue 
Sponsored by the National Natural Science Foundation of China(Grant No.71101109);Key Project of Shanghai Soft Science Research Program(Grant No.15692105400);Humanities and Social Sciences Program of the Ministry of Education,China(Grant No.15YJCZH148)
In order to provide the guideline for bus drivers to adjust speed to minimize scheduled deviation,the method for setting bus scheduled travel time is proposed. Firstly,multistate model is introduced to fit historical ...
关键词：scheduled TRAVEL TIME multistate model TRAVEL TIME DISTRIBUTION GENETIC algorithm 
基于动态模型的公交车行程时间预测被引量：10
《计算机工程与应用》2016年第3期103-107,112,共6页柏丛 彭仲仁 
国家自然科学基金(No.71101109)
准确以及实时的公交车行程时间信息能够帮助出行者更好地规划行程,减少出行者的等待时间。提出了一种基于SVM-Kalman滤波的公交车行程时间动态预测模型。模型中,经过良好训练的SVM模型从历史数据进行预测得到行程时间基准;Kalman滤波动...
关键词：支持向量机 卡尔曼滤波 人工神经网络 公交车行程时间 动态预测 
并发任务对驾驶员驾驶行为的影响被引量：2
《交通运输研究》2015年第6期45-50,共6页胡夫 孙健 黄一哲 周岱 
国家自然科学基金项目(71101109);教育部人文社会科学基金项目(15YJCZH148)
驾驶过程中使用手机、收听音乐等并发任务会对驾驶员驾驶行为产生不同程度的影响,进而给周围道路环境、车辆以及行人造成安全威胁。为了系统探析不同并发任务模式对驾驶员驾驶行为的影响程度,以四种典型并发任务模式(手机使用、乘客互...
关键词：并发任务 注意力分散 驾驶员行为 主成分分析法 综合评价体系 
A PSO-SVM Model for Short-Term Travel Time Prediction Based on Bluetooth Technology被引量：3
《Journal of Harbin Institute of Technology(New Series)》2015年第3期7-14,共8页Qun Wang Zhuyun Liu Zhongren Peng 
Sponsored by the National Natural Science Foundation of China(Grant No.71101109)
The accurate prediction of travel time along roadway provides valuable traffic information for travelers and traffic managers. Aiming at short-term travel time forecasting on urban arterials,a prediction model( PSOSVM...
关键词：urban arterials travel time prediction Bluetooth detection support vector machine(SVM) particle swarm optimization(PSO) 
Timetable optimization for single bus line based on hybrid vehicle size model被引量：10
《Journal of Traffic and Transportation Engineering(English Edition)》2015年第3期179-186,共8页Daniel(Jian) Sun Ya Xu Zhong-Ren Peng 
sponsored in part by the National Natural Science Foundation of China(No.71101109);the Open Fund of the Key Laboratory of Highway Engineering of Ministry of Education,Changsha University of Science & Technology(No.kfj120108)
This study proposes a flexible timetable optimization method based on hybrid vehicle size model to tackle the bus demand fluctuations in transit operation. Three different models for hybrid vehicle, large vehicle and ...
关键词：Public transport Timetable optimization Hybrid size bus Bus operation 
基于神经网络的交通发生量预测研究被引量：3
《西安建筑科技大学学报（自然科学版）》2015年第2期204-209,共6页孙健 陈书恺 竺寒冰 
国家自然科学基金项目(71101109);北京大学-美国林肯土地政策研究院论文资助项目(DS20140901);长沙理工大学公路工程教育部重点实验室开放基金项目(kfj120108)
交通发生吸引量预测是交通规划四阶段的首要步骤,其预测结果是城市规划布局及交通设施建设发展的重要依据.为了提高交通发生量预测准确性,利用K-means聚类分析对交通小区进行分组;对同组内样本小区各项土地利用及人口就业指标进行主成...
关键词：预测方法 BP神经网络 交通发生量 聚类分析 主成分分析 
全选清除导出
共3页<123>
检索报告 对象比较 聚类工具 使用帮助 返回顶部