智能网联车辆与普通车辆混和运行的交通流状态，输出交通流密度，速度，流量等数据，进行仿真

利用相空间重构和RBF神经网络对高速公路的交通流量进行短时间的预测

西交大多相流程序。本程序由西安交通大学能源与动力工程学院 CFD-NHT-EHT 研究中心孙东亮博士开发。本程序的任何部分不得发表。本程序未经作者同意不得用于商业用途。您可以使用该程序或进一步发展该程序。发表任何在该程序基础上开展的工作请引用相关文献（文献在程序包内一并给出）

基于集成学习的交通流短时特性分析与神经网络预测方法.pdf

交通流理论元胞自动机。元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。因此，元胞自动机是一类模型的总称，或者说是一个方法框架。其特点是时间、空间、状态都离散，每个变量只取有限多个状态，且其状态改变的规则在时间和空间上都是局部的。

聚类分析在交通流时序数据挖掘中的应用 硕士论文 具体数据 具体实施方案

短时交通流的准确高效预测对于智能交通系统的应用十分关键，但较强的非线性和噪声干扰使其对模型的灵活性要求较高,并且还需在尽可能短的时间内处理大量的数据。因此，讨论了用随机森林模型对短时交通流进行预测，该模型具有比单棵树更强的泛化能力，参数调节方便，计算高效，且稳定性好。观察交通流数据在较长时间跨度上的变化后，提取出主要特征变量构造输入空间，对模型进行训练后，在测试集上的预测准确率约为94%。与目前广泛使用的支持向量机模型进行对比分析，结果显示随机森林预测不仅准确率稍好于支持向量机，而且在效率、易用性及未来应用的扩展上都要优于支持向量机。

行业资料-交通装置-一种基于多蚁群系统的混合交通流疏散路径规划方法.zip

行业资料-交通装置-一种基于交通流运行状态的快速道路可变限速控制方法.zip

交通流分配matlab代码交通流建模论文 克兰菲尔德大学个人研究项目的基于python的交通流建模仿真的源代码 模型能力 - 网络 任意数量的路口 结点是n in，m out 任意数量的源和汇 错误消息，指出用法不正确 编写模拟运行信息文本文件 分割main.py以输入地图文件和参数文件params.txt -数值 空间重建 一阶和二阶 MUSCL 2阶和3阶，带有15个斜率限制器选项 WENO第三，第五和第七（保持单调性的范围）顺序 黎曼求解器/数值通量计算 弗里德里希斯（Lax-Friedrichs） 鲁萨诺夫 高位 摩尔曼·罗 经典的四阶Runge-Kutta更新方案 想法/未来能力 流量分配矩阵可能是整个工作日内不同偏好的时间函数 Runge-Kutta误差自适应全局时间步长 密度梯度自适应局部空间步长 文件分解 .idea （文件夹）：Python项目文件 venv （文件夹）：Python虚拟环境库 MUSCLReconstruction.py重建函数 README.md ：项目和存储库信息减价文件 TFM_Network_Pseudocode.txt ：整个程序的总体结构