基于行程时间可靠度的区域交通控制系统评价方法

在定义行程时间可靠度的基础上,利用浮动车调查数据,得到不同时段路径行程时间可靠度;然后建立了以行程时间可靠度为指标的城市区域控制系统运营效率的评价模型.该模型在武汉市区域控制系统评价中进行了应用研究,结果表明:区域交通控制系统运营后,早高峰、平峰和晚高峰3个时段路网行程时间可靠度显著提高,全日路径行程时间可靠性波动小于实施前,离散程度降低,城市交通系统的运行状态得到改善.相对于传统评价方法,所建模型灵敏度更高,适用性更强.     

城市道路间断流行程时间双峰分布

在传统行程时间单一概率分布研究基础上,提出了城市间断流行程时间概率分布模型.以正态分布和对数正态分布为典型分布,提出了6种不同的双峰概率分布函数,并利用最小二乘法和Frank-Wolfe算法进行建模和参数拟合.研究结果表明,双峰概率分布函数能够很好地拟合并反映城市道路间断流行程时间概率分布特征,突显其与连续流单一概率分布之间的差异性.研究结果为城市路网路径选择问题提供新的路段阻抗确定方法,也能够为交通分配提供新的路段行程时间概率函数.     

基于乐观值和悲观值的不同风险态度行程时间预算

研究3种风险态度出行者的行程时间预算。首先从随机变量的α乐观值和α悲观值出发,对比收益函数和成本函数的乐观值和悲观值的概念及特征。然后从行程时间可靠度基本概念引出行程时间的机会约束规划(CCP)minimin和minimax模型,通过假设路段行程时间服从正态分布,求出了路段和路径行程时间的α乐观值和β悲观值,又根据Hurwicz乐观系数准则建立2种极端情况的综合平衡模型。最后提出行程时间可靠度指标,并进行了算例分析。研究结果表明方法正确指标合理,可以进行不同风险态度的行程时间预算,并针对具体情况可采用不同的可靠度指标预算出行时间并评价道路性能。     

基于期望-超额行程时间与有限理性的城市交通分配模型

为完善现有交通分配方法,综合考虑路网与出行者两方面不确定性因素对随机出行行为的影响,建立基于代理的城市路网交通分配模型。首先,采用期望-超额行程时间反映路网行程时间的客观不确定性,并构建通行能力随机退化条件下的出行成本函数。随后,引入出行者对路径成本的感知更新过程,采用有限理性理论描述出行者的主观不确定性,并结合Logit公式确定路径决策算法。接着,采用轮盘赌随机算法生成出行者每日出行选择,完成城市交通分配模型构建。最后,将所建立的模型分别应用于双路径网络、九点网络与Sioux-Falls网络,分析模型优势及参数变化对路网性能的影响。研究结果表明：路网达到稳定所需的天数随路网退化程度、出行者对成本差异的敏感程度和经验学习能力的提高而变长;稳定状态下的路网总成本随路网退化程度、出行者对行程时间可靠度要求的升高而变大;追求个人行程时间的可靠性会导致稳定状态下的路网总成本升高,可靠度越高,所需的缓冲时间越多;路网退化越剧烈,这种“升高”越明显,因为超额时间也在增大;相比于用户均衡(UE)模型、有限理性(BR)模型和期望-超额行程时间(METT)模型,所建模型兼顾主客观不确定性,能有效克服传统...     

基于宏观交通流模型的行程时间预测

以高速道路为研究对象,概述了宏观交通模型的基本方程,提出了一种基于宏观交通模拟的路径行程时间预测方法．预测方法以宏观模型输出的速度为基础计算路径行程时间,能够考虑交通拥堵以确保行程时间预测结果更合理．预测方法包含一般计算方法、由路段行程时间合成的方法（近邻组合法）这两种计算方法,后者用以加快计算速度,确保预测能够适用于较大规模路网．算例分析说明了预测方法的有效性．     

灾变事件下高速公路管理单元的行程时间研究

为有效服务于灾变事件下高速公路通道路网的路径诱导和控制管理,提出了路网中管理单元的划分方法;针对未发生灾变事件的管理单元,考虑管理单元长度、平均车速以及实时交通密度的影响,建立行程时间特性函数;结合发生灾变事件时管理单元的排队-消散特征,利用流量、密度关系模型确定事件持续时间和消散时刻,构建基于波动理论的事发管理单元行程时间模型;以实时安全可靠度作为路阻函数对模型进行了修正,最后通过实例验证了计算模型的有效性.     

信号控制道路行程时间可靠度计算与实证

首先提出了一天不同时刻下的动态行程时间可靠度计算方法.然后以实际连续若干天的历史行程时间数据为基础,实证分析了信号控制干道行程时间分布、行程时间可靠度在一天中的分布变化情况.实证结果表明行程时间分布存在偏峰和时滞现象,否定了当前行程时间可靠度研究普遍认为的行程时间服从正态分布假设.最后分析了行程时间分布中的可靠系数、峰度统计参量与行程时间可靠度的变化关系.     

地方道路网行程时间可靠度的计算

路网行程时间可靠度是有效评价道路网功能的重要指标之一．在给出行程时间可靠度概念的基础上，分析了影响地方道路网行程时间可靠度的因素，提出了计算地方道路网行程时间可靠度的蒙特卡罗法，并通过算例验证了方法的合理性和适用性，研究结果对评价路网功能，优化和调整网络结构提供了重要依据．     

基于累积前景理论的通勤出行联合决策模型

为研究不确定交通环境下的通勤出行决策行为,考虑出行者的有限理性,基于累积前景理论构建了出发时刻、路径的联合决策模型.该模型包含3个参考点,即可接受的最早、最晚到达时间和行程时间,且风险偏好系数考虑了行程时间的可靠性及参考点的影响.基于所选取的参考点计算价值函数与权重函数,并依据前景值最大确定出行方案.算例研究结果表明:...     

基于随机松弛时间的行程时间可靠性计算模型*

提出了基于随机松弛时间的行程时间可靠性动态计算模型。研究了交通系统内部车辆间相互干扰作用对行程时间可靠性的影响。运用交通流动力学理论建立模型,证明了模型的各项异性,并基于蒙特卡洛和欧拉折现法设计相应的求解算法。模型能够较好地反映给定交通供需条件下的行程时间可靠性退化规律,量化交通流内部车辆间相互干扰对行程时间可靠性的影响。算例分析表明车辆间相互干扰程度的加剧会引起行程时间可靠性退化轨迹的明显改变,干扰越剧烈,动态行程时间可靠性的退化速度越快、达到稳定状态时的行程时间可靠性水平越低。拓展了传统行程时间可靠性计算模型仅考虑外部供需的局限性,探讨了交通流松弛时间的随机波动对行程时间可靠性的影响。所建模型和方法可以为高速公路、城市快速路、主干道等大型设施的动态行程时间可靠性预测提供理论依据和实践参考。     

基于梯度提升决策树的城市车辆路径链重构

为了提取城市路网中车辆实际的行驶轨迹,支撑交通规划、设计、管理和评价等需求,提出了基于梯度提升决策树的城市车辆丢失路径链的重构方法。首先,根据车牌号码匹配目标车辆,以时间排序提取视频检测器获得的路径链,并结合交叉口邻接矩阵及路段行程时间估计进行路径链初次分离;然后,依据车辆出行特征和交通状况提取影响路径选择的关键特征,并基于此提出了基于梯度提升决策树的局部丢失路径链重构算法;最后,以某市南明区实际视频车牌识别数据为例,根据重构算法准确性和计算效率验证了文中算法与传统算法。结果表明,本文算法的重构准确率达到91%,对比传统算法,梯度提升决策树算法在车辆路径链重构方面有较大优势。     

高速公路通道路网交通诱导决策模型

为解决灾变事件发生时一条最优路径和多条可绕行路径的决策问题,应用图论及最优化理论相关方法构建模型.以通道路网为研究对象、实时安全可靠度为基本约束条件,采用图论相关方法研究了诱导起终点间通路求解方法.应用最优化理论建立运营安全最优路径决策模型,并采用Dijkstra算法求解最优路径.在解决最优路径的基础上,引入重复度的概念及相应算法,研究其他可绕行路径的决策模型.针对高速公路通道路网,构建了灾变事件下的交通诱导决策模型,解决综合考虑安全、行程时间和通行需求的路径决策.结果表明,图论方法能求解任意起终点间的所有通路,Dijkstra算法能求解最优路径,应用重复度算法可寻求其他可绕行路径以满足灾变事件下的绕行需求.     

基于累积前景理论的应急物流最优路径选择模型

通常情况下,应急物流的最优路径选择问题是一个不确定性问题,所以本文选择累积前景理论研究应急物流最优路径选择问题,此方法符合决策者在应急物流最优路径决策过程中非完全理性的特点。本文首先从路径的各路段入手,通过各路段的灾害强度得到途经各路段的实际运行速度和时间;然后,通过路段的运行时间来具体确定路径的运行时间,进而计算出累积前景理论中时间参考点的值;最后,根据时间参考点的取值计算出各路径的价值函数值、权重函数值以及前景值,选择前景值最大的路径为应急物流的最优路径。结果表明:根据累积前景理论建立的应急物流最优路径选择模型,比根据距离选择最优路径的传统静态算法更符合实际情况,给应急物流决策者提供了一种更科学有效的决策方法。     

考虑注意力和时空特征深度学习的网约车行程时间预测

行程时间预测做为智能交通领域中重要的组成部分,在道路导航、乘客出行过程中起着重要的作用。现有方法很少考虑到交通拥堵变化所产生的影响。本文提出了一种基于注意力机制的时空特征深度学习模型,模型通过卷积神经网络去学习行程过程中所花费的时间和距离以及交通拥堵状态信息,通过注意力机制从通道和空间上两个角度去捕获影响行程中路段通行时间的异常信息,采用双层的长短时记忆网络去学习行程中的路段序列信息,最后通过多任务的学习机制从路径和路段两个角度出发去预测路径通行时间。本文提出的方法与DEEPTRAVEL模型相比,预测精度在平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别提升了8.23%和20.79%。     

基于SVM与人工神经网络组合模型的物流规划车辆行程时间预测

行程时间预测在交通和物流规划中具有重要的作用.传统方法大部分是针对单一路段的行程时间进行短期预测.考虑了一个与传统行程时间预测不同的背景,研究物流车队行程时间预测问题.结合人工神经网络的学习能力和支持向量基对复杂非线性预测的处理能力,提出了一种基于支持向量基和人工神经网络相结合的方法,对物流规划中车辆行程时间进行有效的预测.把得到的结果和真实值比较,说明所提出的预测方法是可行和有效的.     

水泥混凝土路面设计方法的可靠性分析

以我国现行路面设计规范为依据，对不同交通等级的典型路面结构的厚度计算结果进行了较全面的可靠性分析，认为规范反映路面结构可靠度的各系数取值，对于特重和重交通等级是适当的，但对于中等和轻交通等级可靠度偏低，为明确反映规范方法中隐含的结构可靠度水平，建议以动荷系数和可靠度系数代替现行规范中的综合影响系数，并后分析了设计参数的取值及其变异水平对路面结构可靠度的影响。     

大规模多模式交通网络构建方法对比分析

针对目前大规模多模式交通网络构建方法对比研究的不足,对不同构建方法在计算效率与结果上的差异展开研究.首先,在6个不同规模公交网络上对比了公交区段和超路径2种网络表达方法对扩展网络规模的影响.其次,提出了公共交通站点与路网匹配连接方法,并使用节点压缩方法创建衔接网络.最后,在大规模多模式交通网络上,计算了10万对出租车载客行程OD的3种最短路径,并将其广义时间费用与实际出租车行程比较.研究结果表明：在计算耗时方面,路线>超路径>简单路径;在平均最短路径费用方面,简单路径>路线>超路径;与实际出租车行程相比,简单路径、路线和超路径最短路径费用更低的OD对比例分别为39.21%、41.29%和42.83%.     

基于参与式机器学习方法的行程时间动态预测模型

在常规交通流情况下,应用参与式机器学习模型估算了交通密度的预测值,通过交通流密度与行程时间的关系间接估算行程时间的预测值;对参与式机器学习模型进行了改进,将原模型中的子系统计算方法从最小二乘法改进为适合长时间平稳交通预测的卡尔曼滤波法;在此基础上开发了部署在可变情报板上的交通信息诱导系统,利用观测的交通密度组成的向量作为输入,实时动态估算预测值,最终行程时间估算结果优于其他常见的单一预测方法,表明这种方法对预测行程时间有效,可以应用于交通控制相关的领域.     

城市快速路实时交通状态估计和行程时间预测

根据城市快速路交通诱导和监控系统的实际需要,提出了实时估计和预测城市快速路上交通状态和任意两点间动态行程时间的方法.其基本思想是将扩展卡尔曼滤波理论引入宏观动态交通流模型,结合快速路上的固定检测设备,实时估计和预测未来几个时段的交通状态,并利用“虚拟车”法预测动态的行程时间.通过对上海市快速路典型实测数据的实例分析,发现交通状态估计模型具有良好的跟踪能力,行程时间预测模型在畅通状态计算结果和实测结果几乎完全重合,拥挤状态相对误差基本维持在10%以下.结果表明,该模型的适用性和精度都令人满意,可为城市快速路交通控制和诱导提供依据.     

基于蚁群算法的智能交通行车最优路径研究

本次研究介绍了蚁群算法的基本原理，基于单个蚂蚁路径搜索阐述了动态路网下行程时间的计算方法，建立了一套快速实现蚁群算法全局收敛的计算模型，并对智能交通行车最优路的搜索流程进行了详细的说明。