行程时间可靠性研究

文章结合已有研究成果,提出了行程时间可靠性的概念,分析了基于供需随机性构建的路径行程时间可靠性、OD对行程时间可靠性及系统行程时间可靠性模型,最后构建了基于最可能状态的行程时间可靠性近似算法。     

基于元胞自动机模型的应急车辆行程时间

针对应急车辆通行时交通流参数难以实时获取的问题,提出以仿真手段模拟交通运行,进而探讨随机交通条件下应急车辆行程时间的计算。在分析有应急车辆的混合交通流运行特性的基础上,增加车辆类型,引入应急车辆影响区域和普通车辆让行概率2个参数,修改车辆换道与速度更新规则,建立了双车道交通流元胞自动机模型。利用MATLAB进行数值模拟,生成不同交通密度条件下的应急车辆行程时间,并与现有计算公式进行对比分析。研究结果表明:应急车辆仅干扰其所处位置的车流运行,对双车道总体流量没有影响,在密度位于0.12~0.36范围内优先通行效果较好;在密度较小(≤0.08)或较大(≥0.24)时,应急车辆行程时间随着行驶距离的增加呈现近似正比例的增加,且密度越大,增长的斜率越大。研究发现现有针对应急车辆的距离-行程时间函数适用于低密度及高密度交通条件,而在0.12~0.20密度范围内失去效用。     

考虑服务水平的路段随机动态行程时间可靠性

在路段行程时间可靠性的研究中,对于路口排队延误的处理多为设置固定延误值,缺乏对随机路网条件下路口延误的动态分析。针对时变的道路网络,根据交通流在交通网络上的运行特性,考虑出行者与路况的交互作用,综合考虑车辆排队、信号相位、车流速度的相互影响,确定不同道路服务水平下的随机动态路段行程时间可靠性。研究结果表明,考虑随机动态路口排队延误的行程时间具有较高的可靠性。     

雾天高速公路网行程时间可靠性评价方法

为有效评价区域高速公路网布局的合理性,基于对雾天影响下高速公路网行程时间可靠性的研究,寻求路网中的关键路段,并以此作为改善和优化公路交通网络的依据。通过对网络运行时间可靠性和雾源分布随机性的分析,提出高速公路网路段单元的行程时间可靠性的综合评价模型。并结合用户平衡模型和串并联理论,构建高速公路网络系统的时间可靠度计算模型。利用Matlab工具箱对随机雾源进行模拟仿真,结合MonteCarlo方法求解模型,以评价随机雾天高速公路网的行程时间可靠性,最后通过实例验证说明了该方法可以合理地评价随机雾源影响下路网的行程时间可靠性,并有效地找出路网中受雾影响最明显的关键路段。     

基于模糊感知的道路网行程时间可靠性研究

交通系统的运行状态及行程时间受多种累积因素影响,具有很强的不确定性。文章从行程时间可靠性角度分析了道路网的运行质量及其满足人们追求高出行需求的情况,提出了模糊行程时间可靠性的概念,并将其理论应用扩大到能同时处理随机和模糊这两种现象;其次基于随机用户平衡模型,建立了道路网随机需求条件下的行程时间可靠性模型,并运用蒙特卡罗和基于情景分析的两种方法分析了路网可靠性,认为后者能够提高计算效率并能够得到较高计算精度。     

动态路线行程时间研究

路段出行时间函数或路线行程时间函数在交通工程中已得到广泛应用,但现有模型在动态交通分配的实际应用中存在着不少问题。本文针对连续和间断两种不同交通流形式,借助于Ｇｒｅｅｎｓｈｉｅｌｄｓ模型和排队延误原理,建立了适用于动态交通分配的显式的动态路段出行时间函数表达式,从而进一步获得动态路线行程时间函数,为动态分配提供了一个重要的输入函数。     

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.     

事故影响下走行时间及择路概率的动态分析

为描述交通事故影响下路径走行时间与用户择路概率的相互作用及其演变规律,建立了基于路段传输模型和LOGIT选择模型的拟动态模型,给出了事故影响下路网各时段行程时间和交通流密度的计算方法,分析了事故影响下路段的排队扩散及消散过程.结果表明:事故持续期到排队完全消散期内,路径走行时间和路径选择概率呈现此消彼长并持续震荡的状态;事故持续期和事故清除后,事故路段上的排队位置发生转移.     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

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%.     

基于停车换乘随机网络可靠性交通分配模型

针对目前大多数组合方式交通分配模型都没有考虑可靠性因素对出行行为的影响,提出了一个基于可靠性的组合方式交通分配模型.该模型考虑了组合方式出行下路网的随机波动因素,更好地反映了出行者方式、路径选择行为.基于K优路径和连续平均法,设计了模型的求解算法,并以上海北外滩实际路网为例,验证了模型的合理性和算法的有效性.与传统组合方式交通分配模型结果进行对比,分析了停车换乘措施的实施对减少交通拥堵、提高路段可靠性所起的作用,阐明了2种出行方式需求之间的比例与可靠性偏好因子和出行者需求效用因子的三维变化关系.     

出行者感知误差下目标导向型双属性用户均衡

提出了目标导向型双属性路径效用模型,用于分析随机交通网络中出行时间和出行时间可靠度两属性影响下出行者的路径选择行为,其中能够达到的目标决定了路径效用的大小。所提出的模型具有3个特点:一是考虑出行者感知误差,从而得到出行时间和出行时间可靠度的感知值;二是基于感知值的边际分布,采用Copula函数刻画感知值间的随机相关性;三是出行者为每个属性赋予特定目标,并且提出了目标间的相互作用,即互补关系。基于所提出的路径效用模型,进一步提出了考虑出行者感知误差的目标导向型双属性用户均衡模型,将其表示为变分不等式问题,采用连续平均算法对其进行求解。最后通过数值实验验证了出行者不同出行行为下的表现和算法的有效性,并对相关参数进行了敏感性分析。提出的模型拓展了出行者路径选择的研究范围。     

蒙特卡罗法在公交线路运行时间可靠性计算中的应用

运用蒙特卡罗随机模拟的方法,计算了公交线路的运行时间可靠性,建立了公交线路运行时间可靠性的数学模型,对服务时间水平进行了评价.其结果对于先进的公共交通系统(APTS)条件下,有固定时刻表的公交线路的时间可靠性分析具有重要意义.     

北京轨道交通单位距离行程时间可靠性评价

本文以北京轨道交通AFC数据为基础,提出了新的单位距离行程时间可靠性评价指标和方法, 并使用该指标和方法对北京市轨道交通行程时间可靠性进行了实例评价。总体上看，乘客出行时间虽然会受到早晚高峰的影响，但影响不是很大，北京轨道交通网络整体的行程时间可靠性较好。     

随机车流作用下大跨度悬索桥振动分析

引入元胞自动机随机车流模拟方法,采用已建立的能考虑车辆空间振动的18个自由度整车模型模拟车流中重型车辆,利用单自由度车辆模型模拟车流中其他车型,模拟了能考虑邻近车辆对车流的影响桥上随机车流模型.通过车轮与桥面间的变形与接触力协调关系,建立了桥梁与车流耦合作用下运动方程.分析表明:车流中相邻车辆是否考虑对桥梁振动位移的影响较大,且随机车流作用下引起的悬索桥主梁及索塔的空间振动不能被忽视.     

动态随机绿色可靠路径选择模型

研究动态随机路网下的绿色出行问题.在保证出行者能及时到达目的地的前提下,考虑汽车尾气碳排放,建立绿色可靠路径选择模型.设计拉格朗日松弛算法对模型进行求解,并用美国Sioux-Falls路网测试模型和算法的有效性.算例表明,所提出的模型可以达到汽车尾气碳排放最少的目标,并能够同时满足出行者及时到达目的地的可靠性要求,为绿色出行研究提供了理论基础.     

卡车路段行程时间的实时动态预测

分析了建立卡车路段行程时间预测模型传统方法的不足，考虑到高度非线性的露天矿运输系统有别于公路交通系统，针对卡车运行时间的随机性，采用多因子预测，阐述了应用人工神经网络(ANN)原理和方法对卡车路段行程时间预测的可能性和优越性，建立了预测模型的基本结构，描述了行程时间与其影响因素间的非线性映射关系，从而提出了基于人工神经网络原理的行程时间预测模型。     

基于数据驱动的交叉口通行效率评价

为了弥补单一评价在评价交叉口通行效率当中的缺陷，构建由排队长度、通行时间、延误和停车率组成的交叉口通行效率评价指标体系，并结合出租车 GPS 数据估算交叉口进口道通行效率，建立了基于粗糙集理论和自组织映射神经网络方法的交叉口通行效率影响因素定量分析模型，通过实测数据和VISSIM 仿真方法分析了本文方法的适用性。结果表明：（1）基于轨迹数据的信号交叉口4个进口道服务水平分别为 F、E、F和F，分析表明，通行效率评价方法估算结果能够准确的反映研究区域的高峰时段交通流现状。（2）排队长度、延误、通行时间和停车率等交叉口通行效率影响因素在总的影响因子池中所占权重分别为0.3253、0.2313、0.2147和0.2287，揭示本文方法在量化交叉口通行效率影响因素方面有一定参考价值。（3）分析表明，出租车GPS数据的坐标漂移和定位误差导致，基于轨迹数据的评价结果和基于实测数据的仿真模型结果之间的部分差异，但总体结果是一致的。同时基于轨迹数据的通行效率方法在获取交通参数的获得性方面具备一定的优势。本研究在动态分析交叉口通行效率及其影响因素方面提供借鉴。