考虑车队离散的路段行人过街感应式信号控制方法

为了在保证路段行人过街安全与过街需求的前提下,同时提升路段车辆运行效率,本文充分考虑车队离散到达与路段行人过街的动态影响,建立了路段行人过街感应式信号控制方法。首先,本文基于Robertson车队离散模型,以车头时距对上游到达车队进行动态划分,并根据路段行人过街点位预测下游车辆排队状态;以车队离散度选择下游到达车队中车辆作为信号优化输入参数建立感应控制方法,同时分析了路段行人过街位置对配时方案的影响;然后,通过SUMO的交通控制接口(Traffic Control Interface, TraCI)搭建仿真环境,以车辆与行人的综合平均延误,分别对路段单向与双向交通环境的信号配时方案进行仿真验证与对比分析。结果表明,相比传统感应控制而言,优化后的感应控制在单向交通与双向交通情况下,行人与车辆综合平均延误分别降低5.56%、7.06%。     

相依型离散时间排队系统的相关分析

讨论了离散时间状态下的相依型排队系统,推广了经典的离散时间排队模型.考虑顾客的到达率依赖于其到达时系统中的顾客数,假定在单个服务台的情形,顾客到达时间间隔服从一般分布,使用嵌入马尔可夫链的方法,得到了该随机排队系统的队长、等待队长、等待时间以及忙期等关键指标的分布或母函数.     

断面车路通讯环境下的恒速车流运行模型

从流量角度,在假设车速恒定的基础上建立了车流运行模型,并以该模型预测和实际到达的流量分布之间的最大流量区间变异系数为评价指标,分析了路段上游数据收集断面位置、路段长度、交通流量和不同转向车流对预测效果的影响.与静态匀速模型的对比分析结果表明:数据收集断面位置和路段长度对模型的预测效果影响很小,且不同交通流量和转向车流情况下模型预测存在一定规律性.最后结合实际调查数据,证实了模型的有效性.     

干线信号协调背景下的网联公交实时优先控制方法

为解决公交优先可能破坏干线协调并影响社会车辆行驶效益问题,建立了网联环境下配合干线信号协调的实时公交优先控制方法.该方法包括三个步骤,提出了路段速度引导算法服务于还未到达交叉口范围的网联公交,使其尽量在绿灯期间到达停车线;进一步在其到达交叉口范围时进行公交优先申请的生成,同时计算出协同的速度引导和驻站控制策略;最后在满...     

基于时空贝叶斯模型的行程时间可靠性预测

为了全面、准确地分析路段行程时间的时空分布,将路段的时间序列和空间关联关系纳入两个邻近路段的行程时间可靠性预测过程.在时间维度上,通过广泛使用的卡尔曼滤波预测行程时间;在空间维度上,根据离散马尔科夫链构建上下游路段行程时间的关联模型.进而构建了时空贝叶斯模型(ST-BM),将时间维度和空间维度的行程时间分布进行融合,从而预测路段行程时间可靠性.实例分析结果表明,相比于先验分布数据,文中模型将两个实测邻近路段的可靠性预测误差分别降低了45.7%和29.2%,验证了ST-BM模型的有效性.     

批量到达的离散时间排队系统

主要讨论了离散时间状态下的批量到达排队系统,推广了经典的离散时间排队模型.考虑单个服务台的情形,假设顾客的批次到达服从几何分布、每批到达的顾客数服从一般的离散分布、顾客的服务时间也服从几何分布,使用嵌入Markov链的方法,分析得到了该随机排队系统的队长、等待队长、等待时间以及忙期等关键指标的母函数.这些结论与经典排队系统中相对应的结论在形式上十分相似,并且将经典排队系统作为其特例,从而推广了随机排队系统的研究框架.     

车联网环境下的动态异质交通流车队离散模型

传统的异质交通流车队离散模型参数估计基于历史数据,不能很好地反映交通流的动态变化特征.为解决这一问题,构建车联网环境下的动态异质交通流车队离散模型.首先,考虑到车联网环境下,车辆行程时间数据易于获得,可对模型的分布参数进行动态估计;然后,基于动态分布参数,构建动态异质交通流车队模型;最后,通过实测数据分析下游交叉口到达流量分布与上游交叉口离去流量分布之间的关系.结果表明:与经典的Robertson车队离散模型相比,动态异质交通流车队离散模型对下游交叉口的到达车辆流量分布预测效果更好,平均预测均方根误差可减少26.51%.     

基于GPS数据的公交站点区间行程时间可靠性影响因素

为提高公交行程时间预测与信息发布的准确性,借助显著性分析确定影响可靠性预测的主要因素.首先,基于公交GPS数据,采用地图匹配算法建立站点区间行程时间计算方法;其次,针对11组不同路段站点之间的区间行程时间数据,通过拟合优度检验筛选最佳分布模型,并利用最大似然估计获取最优分布模型参数;最后,建立公交行程时间可靠性评价指标体系,分析交通条件、道路条件、采样间隔与行程时间波动指数、延误指数的相关关系.结果表明:三元高斯混合分布模型能以100%的接受率最优地拟合公交行程时间数据,站点区间长度、公交小时流量、采样间隔与行程时间可靠性存在相关关系,而交叉口相对位置则为非关键影响因素.     

基于交叉口相位裕量时间的公交准点控制模型

为了提高公交准点率,提出了一种利用上游交叉口信号配时方案调控公交车辆到达下游公交站点时刻的方法.通过引入交叉口相位裕量时间,调节公交车辆实际与计划驶离上游交叉口之间的时间偏差,建立了基于交叉口相位裕量时间的公交准点控制模型;通过优化干线交叉口的公共信号周期和相位差,得到了面向准点率控制的公交计划到站时刻表制定方法.算例仿真实验结果表明,该控制模型可以提升公交到站的准点性,所确定的公交时刻表方案具有较好的控制效果.     

自动驾驶车辆轨迹跟踪横向偏差影响因素研究

车辆轨迹跟踪精度是目前智能驾驶技术发展的瓶颈问题之一.影响车辆轨迹跟踪精度的因素很多,从模型离散化处理参数-采样时间间隔和初始航向角入手,研究对自动驾驶车辆的轨迹跟踪精度影响规律.采用车辆二自由度动力学模型,基于模型预测控制算法(the model predictive control,MPC)控制车辆进行轨迹跟踪.仿真结果表明,采样时间间隔对轨迹跟踪横向偏差影响较大,而航向角对跟踪偏差影响较小.     

基于飞行计划集中处理的预战术航路飞行流量预测

为准确把握航路点流量变化趋势和缓解空中交通压力,提出了一种基于飞行计划集中处理的流量预测方法。首先,在预战术飞行流量管理阶段,通过飞行计划集中处理可得到的航空器飞行计划信息,根据各航班在起飞前提交的领航计划电报和全飞行剖面混杂模型来预测航空器的航迹;然后,通过预测出航空器过关键航路点的过点时间,并结合空域结构数据来获得主要航路点的流量预测值;最后,通过算例仿真的结果可以发现所提出的航路飞行流量预测方法能够很好的对关键航路点进行预测,并且方法是切实可行和有效的。     

进离场交通流时距分布特征对比分析

时距分布是空中交通流理论研究的重要概念和组成部分。以中国某机场实测轨迹数据为例,提出一种合适观测点的自动生成方法,该方法能有效提升轨迹数据的利用率,并选择跟驰性较好的轨迹数据用以计算时距。在分别绘制进场和离场交通流时距频率分布直方图的基础上,应用韦布尔、光滑样条和有理函数模型拟合时距分布情况,并从定性和定量的角度对比分析拟合结果。结果表明,在机场运行状态正常时,有理函数模型对离场交通流时距的拟合效果最好,而光滑样条模型对进场交通流时距的拟合效果最好;在机场运行状态不佳时,光滑样条模型和有理函数模型则分别对离场和进场交通流的拟合效果更佳;进场交通流时距分布比离场交通流时距分布特征更明显。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于GPS轨迹数据的拥堵路段预测

基于真实的GPS轨迹数据,对城市拥堵路段进行预测.在此过程中,摒弃传统的基于交通流预测和拥堵识别的方法,提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法.该方法同时考虑路段拥堵的时间周期性和时空相关性,通过对出租车GPS轨迹数据进行挖掘和训练,建立拥堵向量和拥堵转移矩阵,实现对拥堵路段的预测.真实数据集上的实验验证了所提的拥堵路段预测方法的有效性.     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

TDOA定位中到达时间及时间差误差的统计模型

移动通信环境中，非视距传播与多径效应引起的信号附加时廷是影响TDOA定位精度的主要因素，深入研究信号到达时间差误差的统计特性，有利于进一步提高TDOA定位的精度．基于移动通信环境中非视距传播信号附加时廷服从指数分布的特性，综合考虑信号检测过程中引入的系统误差，利用统计分析方法，建立了信号到达时间的统计模型和到达时问差的误差分布模型，模型反映了蜂窝网络中信号到达时间和到达时间差误差的统计规律，模拟实验证明了模型的有效性．     

城市交通干道上被动式公交信号优先控制

基于传统绿波带控制,提出了被动式公交绿波带协调控制,以降低多数公交乘客在干道上的延误.首先,改进了传统绿波带的设计方法,考虑了初始排队和公交站台对绿波带的影响;其次,基于公交车辆停靠站影响,提出了公交绿波带设计.最后,统筹公交车和社会车辆的综合效益,建立了传统绿波带和公交绿波带的综合控制策略,以降低整个干道上的总人均延误.以济南市经十路为例,利用VISSIM微观仿真进行模型验证,结果证明:相比于传统绿波带,改进的绿波带能够降低社会车辆延误,而新建立的公交绿波带和综合绿波带均能显著降低公交车辆在干道上的延误和停车次数,并减少整个网络中社会车辆和公交车辆的总人均延误.     

基于门控循环单元神经网络的公交到站时间预测

为提高用户公交出行积极性、方便管理部门合理调度公交班次,利用大数据分析公交浮动车辆历史GPS数据,考虑不同线路、公交站点地理位置、不同驾驶员、气象情况、时间分布等多因素的影响,建立了一种基于门控循环单元(gated recurrent unit, GRU)神经网络的公交到站时间预测模型。该模型结合5 000多万条原始数据,借助分布式Hadoop集群中的Spark弹性分布式数据集进行数据清理,并运用站点匹配算法进行源数据匹配、Lasso算法优化特征选项及去除干扰。实验仿真结果表明:改进的GRU模型R-square拟合度达到94.547%,并且算法效率较传统长短期记忆(long short-term memory,LSTM)神经网络提高了近14%,为进一步提高公交到站时间的预测精度与效率提供了参考。     

道路急弯路段追尾冲突分析预测

为实现急弯路段的追尾碰撞风险主动防控,提出了一种基于多源数据融合的追尾冲突动态预测方法。首先,基于无人机、毫米波雷达等采集的车辆运行数据,提出了适用于急弯路段交通流特征的追尾冲突判别模型及冲突等级阈值划分标准,分析了急弯路段的追尾冲突空间分布特征。然后,筛选车型、大车比率、断面速度差等13个交通流特征指标作为输入变量,以粒子群算法为基础,分别构建了其与BP神经网络、随机森林、支持向量机算法的追尾冲突动态组合预测模型,并根据混淆矩阵和曲线下面积评估各模型的预测性能,利用黑箱解释方法分析冲突发生概率的显著性影响因素及影响程度。结果表明：相较于平直或一般弯道路段,急弯路段的追尾冲突TTC(Time to Collision)值更小,出弯缓和曲线段冲突更为严重,且弯道内侧碰撞风险最高;粒子群-随机森林模型的追尾冲突预测性能最佳,灵敏度达90.70%;急弯路段追尾冲突受车辆平均车头间距的影响程度最大,当平均车头间距为25 m左右时,冲突发生概率最小,向心加速度均值、速度均值等因素亦对其有显著影响。