考虑前方交通状态的交通流格子模型与数值模拟

考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性.     

敏捷驾驶在交通流中的作用

在交通流NaSch模型的基础上,考虑了当车辆速度大于车间距时,司机对前车的敏感驾驶随机减速行为,其概率与最大速度驾驶及延迟加速的随机过程不同,由此提出了一维交通流元胞自动机模型．计算机数值模拟结果得到的基本图显示出交通容量非常接近实测的交通容量,而且还显示出亚稳态特征、滞后效应和相分离现象等复杂的实际交通行为;这都是由于敏感驾驶所导致的,而且表明交通流元胞自动机模型演化步骤的顺序对交通流的状态起了很大的作用．并且这样的模型是合理和符合实际的．     

基于交通噪声分析的交通流状态识别方法

车辆行驶时的声音主要由发动机噪声、轮胎噪声、空气涡流噪声、排气噪声组成,多个车辆构成的交通噪声取决于道路的交通流状态.在分析现有交通状态识别方法和车辆声音特性的基础上提出了一种利用交通噪声的交通状态识别方法.按照车速将交通流分为自由流、饱和流和交通拥堵3种状态,对不同交通流状态下的交通噪声信号进行谱分析,以归一化的峰值频率作为特征,用支持向量机对不同的交通流状态进行识别.试验结果表明,通过交通噪声能够正确识别不同的交通流状态,具有较高的识别精度.     

考虑两次改变驾驶方式的双车道交通流元胞自动机模型

考虑驾驶员在不同交通环境下会变换驾驶方式的真实情况,建立两次改变驾驶方式的双车道交通流元胞自动机模型(TTChange-CA模型).通过数值模拟发现,2种类型车辆的初始混合比例和换道概率对交通流基本没有影响;与只改变一次驾驶方式的双车道模型(TChange-CA模型)相比,TTChange-CA模型提高了系统的流量、速度和临界密度,增加了道路利用率;与双车道SDNaSch模型和WWH模型相比,该模型的速度、流量及时空图的致密程度介于二者之间,更真实地刻画了现实交通流.     

基于交通流模型的城市快速路交通流特性分析——以北京、洛杉矶为例

为了更好地掌握城市快速路交通流的运行规律,以北京西三环和洛杉矶I405两条交通廊道为研究对象,收集路段检测器数据,通过对交通流数据使用时序分析和交通流模型拟合方法,从时间-空间及交通流原理上分析交通流的时空特性和拥堵基本规律,并用模型拟合方法对道路交通流速度-流量-密度进行分析,获得道路运行状态的关键参数。结果表明：(1)北京西三环廊道与洛杉矶I405廊道自由流速度基本一致,但发生拥堵时的临界速度差值较大,分别为29km/h和44km/h;(2)北京西三环交通瓶颈处的实际通行能力明显低于洛杉矶I405交通瓶颈,实际通行能力分别为1245veh/h/ln和1464veh/h/ln,差值为219veh/h/ln;(3)选定Pipes、Van Aerde和S3三种交通流模型并对模型进一步推导得到通行能力计算公式,利用实测数据对交通流模型进行拟合,并对三种交通流模型的使用范围进行对比分析,结果发现S3模型较其他两种模型的拟合效果较好,此外,Van Aerde模型也适用于描述北京西三环交通流运行特征。可见,本文提出的基于模型拟合的城市快速路交通流运行特征分析方法能够掌握城市快速路运行规律,提取交通流运行的关键参数指标,适用于城市快速路拥堵交通流运行特性分析,具有普适性。     

考虑相对流量影响的交通流合作驾驶格子模型

基于交通流合作驾驶格子模型,考虑相对流量的影响,提出了改进的交通流合作驾驶格子模型.稳定性分析表明改进模型的稳定区域明显扩大.通过非线性分析获得了mKdv方程.数值模拟进一步说明,改进模型通过考虑相对流量对交通流的影响,增强了交通流的稳定性.     

连续记忆效应的交通流跟驰建模与稳定性分析

为了研究驾驶员的自主特性对交通流的影响,考虑实际交通中驾驶员对车速变化的连续记忆效应,本文提出一个改进的自稳定控制驾驶跟驰模型,以期提高交通流的稳定性。通过线性稳定性分析,得到新模型的稳定性条件为a2V′(b)(1-λγ);与Bando的优化速度(optimal velocity,OV)模型相比,自由流稳定的敏感系数临界值ac变小,稳定区域明显增加。数值模拟结果表明,驾驶员的连续记忆效应能够显著地提高车流的稳定性,并有效地抑制交通流堵塞。     

考虑预期效应和交通灯影响的城市道路交通元胞自动机模型

提出描述交通灯控制下城市道路交通流动力学演化过程的元胞自动机模型,其中交通灯对于路段上车辆的影响是全局的,驾驶员可根据交通灯的状态及时调整驾驶行为,同时还考虑前方车辆的预期运动.该模型中车辆的运动更加平滑,符合实际交通现象.应用模型中的驾驶策略,可以有效地减少怠速和速度骤减的状态,从而减少机动车的尾气排放.     

两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究. 利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验. 研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数. 仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性. 此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.      

基于跟驰模型的雾天安全限速研究

为准确描述雾天交通流特性,挖掘交通流速度以及交通状态的关系,本文通过对不同气质的驾驶人在不同能见度下的驾驶行为进行问卷调查,分析雾天驾驶人的驾驶心理特性,在NaSch模型中引入加速概率,改变以往加速过程中的贪婪机制,构建考虑雾天驾驶心理的道路交通流模型。通过数值模拟,得到不同能见度水平下车流密度、车头间距、速度以及排队长度的变化趋势,并利用主成分分析法构建交通运行水平模型,为高速公路雾天不同能见度下选择合适的限速值和行车间距建议值提供辅助决策。     

交通瓶颈处局域密度时间序列的长程相关性

【目的】为研究交通相的相关特性,对交通瓶颈处的交通数据作长程相关性分析。【方法】利用元胞自动机建立含有局部缩减道路的三相交通流KKW模型,对交通瓶颈处3个交通相的流量、速度及密度的时间序列进行研究:分别应用R/S分析方法和去趋势涨落分析(DFA)方法对交通瓶颈附近局域密度的时间序列作长程相关性分析,并与交通流元胞自动机NaSch模型的长程相关性分析结果进行比较。【结果】交通同步流的局域密度具有长程相关性,在自由流和宽运动堵塞时对应的局域密度时间序列具有长程反相关。而NaSch模型模拟的局域密度序列无论是自由流还是交通拥堵都呈现长程反相关。【结论】交通瓶颈处呈现交通同步流,且交通同步流具有长程相关性。     

考虑预估驾驶行为的跟驰模型及其稳定性分析

在 OV 模型的基础上,进一步考虑预估驾驶行为对车流的影响,提出一个新的跟驰模型以获得预估驾驶行为与交通拥堵的关系。通过对新模型进行稳定性分析得到了系统的临界稳定条件。数值仿真结果表明：新模型能够模拟诸如时停时走、系统临界相变等实际交通现象,较 OV模型更贴近于实际。同时,预估驾驶行为增强了交通流稳定性能,提高了车流陷入交通阻塞状态的阈值。最后以车速的平滑度和波动幅度最小为评价指标得到了新模型中预估参数的最优取值范围。     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

基于CEEMD-GRU组合模型的快速路短时交通流预测

为了提高短时交通流预测精度,提出了基于互补集成经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)和门控循环单元(Gated Recurrent Unit, GRU)组合模型的快速路短时交通流预测方法。首先,运用互补集成经验模态分解算法,将非稳定的原始交通流时间序列数据分解为相对平稳的多个模态分量;然后,将分解后的模态分量分别建立GRU模型进行单步预测;最后,叠加每个分量的预测值,获取最终预测结果,并采用上海市南北高架快速路实测交通流数据进行实例验证。结果表明:CEEMD-GRU组合模型的预测效果明显优于GRU神经网络模型、EMD-GRU组合模型以及EEMD-GRU组合模型,平均预测精度分别提升了33.4%,25.6%和18.3%。CEEMD-GRU组合模型能够有效提取交通流数据特征分量,提高预测精度,为交通管控提供科学决策依据。     

基于效用理论的车辆换道交互行为及决策模型

研究分析道路交通环境下的车辆换道交互行为,客观反映车辆微观行为特性及宏观车流运行规律。通过分析车辆换道微观驾驶行为,构建Logit模型定量分析驾驶人换道行为决策过程,基于“效用理论”思想,实现驾驶人决策效用最大化。选取青岛市杭鞍快速路实际交通流为研究背景,标定模型相关参数;进一步仿真验证了分层Logit模型的准确性。研究成果可为智能网联交通环境下的车车交互、车路协同和自动驾驶系统提供理论支撑和方法依据。