速度差异混合交通流稳态特性与过渡特性

车辆性能差异对交通流宏观特性的影响尚未得到充分研究.使用车辆行驶有限状态自动机模型,对由最大速度不同的两种车辆组成的两车道混合交通流进行微观仿真.结果表明混合交通流进入稳态后,相比同质交通流,中低密度区通行能力明显下降,临界密度增加.随慢车比例变化,换道率-密度关系呈现三种模式.在交通流从初始静止状态到稳态运行的过渡过程中,若初始时刻两车道慢车比例不同,随密度不同有三种不同的过渡模式,在低密度区系统迅速过渡到慢车对称分布状态,中密度区系统逐渐过渡到对称状态,但高密度区系统维持在不对称状态.说明慢车对交通流特性有显著影响,混合交通流的过渡过程非常复杂.     

一种混合交通流微观模型仿真实现

充分考虑中国城域混合交通流的特点,利用马尔可夫过程理论对个体运动轨迹、行进方向及行为冲突进行建模,建立了由汽车、自行车和行人构成的混合交通流微观模型.在此基础上,进一步对个体交通行为进行描述和算法设计,并对西安市古城墙内区域各主干道混合交通流的交通行为进行了模拟验证.仿真表明,该模型具有结构简单、层次清晰和可扩展性强等优点.     

考虑摩擦干扰的机非混合交通流元胞自动机仿真

自行车与机动车混行是我国道路上最常见的交通流形式,而元胞自动机(CA)是研究交通流的有力工具。实际观察表明,与高、低速机动车混合交通流不同,自行车流对机动车流的影响形式主要是摩擦干扰而非阻滞干扰。鉴于此提出了一种考虑摩擦干扰的自行车-机动车混合交通流元胞自动机模型,自行车与机动车分道行驶,但当自行车距离机动车道很近时将给机动车带来侧向安全压力从而引起机动车的减速。通过仿真试验,发现摩擦干扰使得机动车流量-密度曲线更加平滑,并且随着自行车密度增大,中、低密度车流的流量有显著降低,而高密度车流的流量没有明显变化,通过与实测数据的对比,证明该模型能够反映真实混合交通流的关键特性。     

混入智能网联车队的混合交通流元胞自动机模型

针对现有自动-手动驾驶混合交通流元胞自动机模型未考虑智能网联车队队列行为,提出了考虑智能网联车队的混合交通流元胞自动机模型,研究混入智能网联汽车车队的混合交通流特征。对混合交通流中的跟驰行为进行了分析,基于跟驰行为的特征,分别构建人工驾驶跟驰模式、自适应巡航模式、协同自适应巡航车队模式的元胞自动机规则,基于数值仿真实验对不同智能网联车渗透率下的混合交通流特性及拥堵情况进行了分析。结果表明：智能网联汽车的应用可显著提高道路通行能力和车辆平均速度,进而有效地缓解交通拥堵。     

换道行为对交通流宏观特性的影响

换道行为对交通流宏观特性的影响至今未得到充分认识.基于车辆行驶有限状态自动机框架,用微观仿真方法对不同交通情景下换道行为的影响进行了研究.结果表明在同质交通流中换道行为对宏观特性没有显著影响.对异质交通流,如果车辆之间存在最大速度差异,则在中低密度区换道行为能显著提高交通流量;如果车辆之间只存在加速性能差异,则换道行为对交通流宏观特性没有显著影响.说明换道行为对交通流宏观特性的影响与车辆差异性质以及交通流密度有密切关系,     

基于元胞自动机的微观城市道路混合交通仿真

介绍了现有交通仿真软件相对于国内路况存在的很多不足，如缺少自行车、行人的模拟等，结合原有的交通仿真模型和我国自行车／行人交通特性建立了新的混合交通流微观仿真模型，并给出了混合交通流仿真的实现思想。新的仿真系统原型以元胞自动机模型为基础，同时定义了符合国内道路状况的元胞自动机规则。最后，给出了该交通仿真系统原型的实现结果和结论。     

面向队列实际行为特性的混合交通流建模及分析

为探讨自主汽车队列实际行为特性对交通流的影响,针对混入前车跟驰(PF)汽车队列的混合交通流,考虑队列实际行为特性并按照其实际控制策略进行建模,基于元胞自动机方法建立了混合交通流模型。仿真分析表明：队列车头时距、队列渗透率、队列规模、控制增益等队列特征对混合交通流呈现出耦合及非线性的影响特性,不同队列特征下的混合交通流时空特征差异显著;减小队列车头时距或增加队列渗透率对提升道路的通行能力总体是有利的;队列规模及控制增益对交通流量的一致性影响规律不明显,都需要结合其他队列特征进行具体分析。     

具有中心车站的元胞自动机城市交通流模型

在Biham等人提出的二维元胞自动机交通流模型基础上,建立了具有中心车站的二维元胞自动机城市交通流模型,该模型考虑了对外交通对城市交通流的影响,推导出了这种二维CA交通流模型的演化方程.在计算机上模拟了在不同对外交通概率情况下的交通状况,得到了车辆在不同参数下交通流模型的基本演化图,进一步还模拟了城市长途车站数量对城市交通的影响.结果表明,较小的对外交通概率就会对城市交通状况产生较大的影响,适当增加中心车站的数量对城市交通状况有一定的改善.     

基于多值元胞机的混合非机动车通行能力研究

电动自行车在我国飞速发展,其与自行车所形成的新的混合非机动车流呈现出与传统单一自行车流不同的运行规律,目前这一领域却缺乏相应的研究。针对这种混合非机动车流建立了一种适应于系统内存在更高速度车辆的多值元胞自动机模型来模拟其运行状况,从而得到了混合非机动车流在不同参数下交通流模型的流密图。结果显示:当电动自行车所占比例提高,混合非机动车流通行能力会得到相应提高,然而,车流鲁棒性变差;因换道机理不同,与混合机动车流相比,混合非机动车流通行能力随低速车比例增加下降较慢;当车道从2米变为3米时,通行能力可增大约68%。     

基于O-D网络的交通流模型的分岔与混沌

以交通流O-D网络系统为背景,通过分岔图和相图讨论了在无交通阻塞下的交通费用和交通容量变化下系统非线性动力学行为的变化和运动复杂性.交通费用和交通容量作为交通网络的固有属性,对定性分析交通网络的动力学行为具有至关重要的作用.同时,数值验证了两种计算交通流O-D网络系统分岔图的方法的等价性.     

一种新的混合车流下的元胞自动机交通流模型

在我国高等级公路上的车流主要是混合车流,而一般的交通流理论都是以小车流为对象进行研究和建模的。元胞自动机模型可以比较好地模拟交通流,新建立的混合车流下的元胞自动机交通流模型,除不同车型的车速上限不同外,而且车辆运行中所占元胞格点数也不同。通过计算机对新模型进行模拟,发现纯小车流、将大车按线形换算成小车流与混合车流的车流运行状态不尽相同,而且在车速方面差别更大。只要在车流中存在大车,整个车流的速度就会受到较大的影响,但车流密度较低时,车型比例对车速的影响又不是很明显,但平均速度低于大车的最大速度。另外,本模型为进一步更好地描述混合车流奠定了基础。     

考虑公交车辆影响的城市交通流元胞自动机模型

城市道路上的车流主要是公交车和小汽车混合流,而一般交通流理论都是以小汽车流为对象进行研究和建模。在对现有经典交通流元胞自动机模型进行总体分析的基础上,提出了一种考虑公交车辆影响的多速混合车辆双车道元胞自动机模型,重新标定了元胞长度、运行车速、随机慢化机制,引入了公交车辆,设定了公交车停靠站、改进了车辆变换车道规则,小汽车与公交车不仅最大速度不同,而且车辆运行中占用元胞点数也不同。通过计算机对新模型进行模拟,再现了传统交通流三参数之间的关系,发现纯小车流与考虑公交车流相比阻塞项更为明显和规律,只要在车流中存在公交车,整个车流的流量和速度就会受到较大的影响。为进一步更好地描述城市混合交通流奠定了基础。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

基于自组织理论的交通流初步研究

分析和阐述了应用自组织理论进行交通流研究的可行性及合理性,提出了基于自组织理论的交通流研究的构想和框架;对交通流中的耗散、分形进行了初步研究,提出了一种基于自组织理论的交通流管控模式．     

尖点突变理论在交通流预测中的应用

运用尖点突变理论从三维空间分析交通流三参数关系，并藉此得出我国高速公路通行能力及其速度预测值，划分稳定流和拥挤流，建立符合我国公路交通实际工况下的高速公路速度－流量模型，用实例数据验证了尖点突变理论在交通流预测中应用的可行性，最后，讨论了其应用前景和存在的问题与不足。     

仿真交通流混沌特性研究

基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据.     

无检测器交叉口交通流量预测的灰色神经网络模型

为解决一般预测方法要求原始数据量较大,而无检测器交叉口获得的交通流量数据又非常有限的矛盾,提出了一种基于灰色神经网络的无检测器交叉口交通流量预测方法。通过选择不同长度的历史数据构建不同的灰色预测模型,对于不同灰色预测模型得到的预测结果再使用神经网络进行组合,该方法综合了GM预测所需原始数据少、方法简单,而神经网络具有非线性拟合能力的特点。以107国道新市站2002年观测的交通流量作为原始数据,采用灰色神经网络进行时交通流量预测,结果表明了该方法是有效可行的。