元胞自动机FI和NS交通流混合模型的研究

考虑车辆的驾驶员具有其不同的驾驶特点,建立了单车道开放边界条件下元胞自动机FI模型和NS模型混合的交通流模型．通过计算机模拟,研究了混合交通流的密度、速度和流量受边界、NS型车辆的随机减速概率PNS、FI型车辆的随机减速概率PFI和NS型车辆的产生概率α′的影响．结果表明,PNS和α′是决定混合交通流的主要因素,它们的值越大,混合交通流的密度、速度和流量就越小,混合模型的密度、速度和流量都比NS模型的大．     

驾驶员的驾驶特性对交通流的影响

在单车道元胞自动机交通流N S模型基础上,通过引入不同的刹车概率来反映不同驾驶员的驾驶特性,并在周期边界条件下,对由激进驾驶车辆和谨慎驾驶车辆构成的混合交通流进行模拟.结果表明,在有谨慎驾驶车辆构成的交通流的临界密度以前,混合交通流的流量完全由谨慎驾驶员的特性决定;在谨慎驾驶车辆交通流临界密度以后,混合交通流的流量介于只有激进驾驶车辆和只有谨慎驾驶车辆的流量之间,小于完全是谨慎驾驶车辆流量和完全是激进驾驶车辆流量的线性之和;激进驾驶车辆和谨慎驾驶车辆的混合比例及它们的刹车概率对混合交通流的临界密度和流量有很大的影响.     

元胞自动机FI交通流模型的能耗研究

在周期边界条件下,通过引入确定(随机)减速过程中动能减少的车辆分布,研究单一交通流元胞自动机Fukui-Ishibashi模型(FI模型)的能耗问题.研究发现,FI交通流模型的能耗在最大流量处发生不连续的变化,急剧减少趋近零,其左右各存在交通能耗极大值.在最大流量处,确定(随机)减速过程中动能减少的车辆分布最小,交通能耗随着车辆最大速度的增大,车辆长度的增长和随机减速概率的增大而增加.     

考虑驾驶员特性的混合交通流演化网络特性研究

考虑驾驶员具有不同的驾驶特点,利用元胞自动机NS模型和FI模型的混合模型模拟交通流状态的演化网络,模拟结果表明:混合比例系数虽然对道路交通流的流量和平均速度影响很大,但是不改变交通流状态演化网络的无标度特性;网络模型的无标度特性呈几何分布.     

转向概率对平面环行交叉路口交通流的影响

从道路结构出发,建立了具有内、外环道的平面环形交叉路口元胞自动机模型,研究了转向概率对平面环行交叉路口交通流的影响.计算机模拟结果表明.各车道的交通流在转向概率影响下呈现出不同的特点.转向概率均在一定的系统密度区域内对车道的交通流存在影响.     

车辆长度对路段交通流的影响

在NaSch模型的基础上,考虑车辆长度,建立一维元胞自动机交通流模型.通过引入平均间距、占有率和启止密度等参数,数值模拟周期性边界条件下,车辆长度对路段交通流的影响.     

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.     

一维交通流元胞自动机NS模型的统计平均解耦处理

将文献[12]提出的统计平均解藕处理方法推广应用到一维交通流元胞自动机NS模型，根据概率论的定义，建立一维交通流元胞自动机NS模型多格点耦合的空间关联函数，得出t→∞情况下平均速度随减速概率和车辆密度变化的平均场方程，通过近似解耦处理得出车辆密度、速度及刹车概率三者的关系，模拟结果表明，车流平均速度与理论结果符合得较好。     

一维元胞自动机随机交通流模型的研究

依据概率论的定义，通过对稳态时关联函数的解耦，给出一维元胞自动机单速随机交通流模型中的关联函数与转入、转出及刹车概率之间的关系，继而进一步得出车辆的密度、速度、流量等物理量随这三个概率变化的理论值，理论结果与实验模拟相一致．     

一种考虑能见度影响的元胞自动机交通流模型

本文建立一种考虑能见度影响的元胞自动机交通流模型,研究了产生概率、消失概率及能见度对交通流的影响.计算机模拟结果表明,产生概率和消失概率均只在一定范围内影响系统流量的变化;能见度影响的路段为系统的瓶颈,为避免其上游路段出现严重堵塞,应根据能见度大小,对产生概率和消失概率进行合理调节;当能见度很低时,瓶颈路段及其上游路段...     

联合时空特征的交通流参数预测综述

针对交通流参数预测在智能交通系统中的重要性,为寻求更实时准确的预测方法,对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象,将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点,分析了交通流参数预测的难点。结果表明,联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性,相较于传统的同类方法,预测性能有较大提升。最后,从模型输入和模型设计角度,讨论了交通流参数预测未来研究方向。     

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。     

一种改进的多路径负载分配均衡算法

分析了实现均衡路由的功能模型和算法,重点研究了LDM(多路径负载分配)算法。为了充分利用候选路径的信道容量,提出了一种改进的LDM算法。改进后的算法在多个候选路径之间根据比例系数均衡分配通信流量。通过算法性能分析表明:改进后的算法和最初的LDM算法具有相同的复杂度,但对于给定的通信流量能够提升网络性能。     

高速公路交通流的分形特征实证分析

高速公路交通流演化分形特征的研究有助于深刻理解高速公路交通系统的内在演化规律, 为高速公路交通流的预测和控制提供理论依据. 本文利用统计学方法和复杂网络可视化技术对高速公路交通流的分形特征进行实证分析. 首先, 利用重标极差法计算了交通流时间序列的Hurst指数和V统计量, 发现不同时间标度下高速公路交通流时间序列的Hurst指数都大于0.5, 并且V统计量曲线有上升趋势, 说明高速公路交通流时间序列具有自相似性和长程相关性; 然后, 根据可视算法, 将高速公路交通流时间序列转化为复杂网络, 计算网络的拓扑参数, 发现网络的度分布均呈幂律分布, 表明该网络为无标度网络, 进一步揭示高速公路交通流时间序列为分形序列. 同时发现网络的平均路径长度随网络规模的增大呈对数增长, 说明网络具有小世界特征. 实证分析的结果对高速公路交通流量预测中时间标度的选择和预测长度的确定有重要的参考价值. 本文的研究可以为揭示高速公路交通流演化的复杂性提供新的思路和方法.     

网络协议流不平衡环境下基于机器学习算法的在线流量分类方法研究

随着时间的推移,网络协议流将出现不平衡的现象,经常出现不可预知的在线流量种类,传统在线流量分类模型无法对未知的流量种类进行分类,导致整体分类精度低,适应能力差。为此提出一种新的基于机器学习算法的在线流量分类方法,针对不同类别的在线流量样本流集合筛取出若干最近邻样本流,求出各个样本流特征权重,确定各个特征与类别的相关性,将相关性大的特征当成在线流量特征。依据得到的特征选取部分标识在线流量数据,确定K中值聚类的起始中心,构造映射关系,获取未知的在线流量种类。实验结果表明,所提方法有很高的分类精度,且扩展性和适应能力较强。     

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。     

基于小波分析的短时交通流非参数回归预测

短时交通流预测是交通诱导与控制的关键技术之一.传统的预测方法难以预测短时状况下具有较强不确定性的交通流.根据交通流信号在不同的时频域空间的不同特性,提出一种组合小波分析和非参数回归的短时交通流预测方法,并对其原理进行了详细分析和描述.首先对交通流时序信号进行多分辨率小波分解,然后对低频和高频分量分别进行单支重构.在此基础上,引入非参数回归对各频率部分分别进行预测,组合各频率空间的预测分量获取预测结果.实验结果验证了该方法的有效性和可行性.     

基于航班计划的空域交通流量实时预测模型

空中交通流量预测是空中交通管理的基础,实时的空中流量预测能够有效地保证空中交通有序顺畅的运行,对保证飞行安全和解决空中交通拥挤、减少航班延误有很大的帮助。为了准确预测空域内实时的交通流量,本文首先建立了空域内单航路有N个转弯点情况下的实时流量预测模型,然后将模型推广到了空域内有任意条航路的情况,最后进行了算例仿真。仿真结果证实了文中所建模型能够很好对空域内的实时流量进行预测,模型是可行和有效的。     

基于细胞自动机的信号控制交叉口交通流模拟

应用细胞自动机方法对信号控制交叉口的动态交通流进行建模和模拟,可以使比较复杂的交通状态模拟用相对简单的计算来实现。介绍了几种用于交通流模拟的细胞自动机模型及其研究进展,在上基础上,给出了一种新的细胞自动机模型来描述车辆在交叉口的转移状态,讨论了交通拥挤和延误的二维演变,并用这一方法模拟了不同规则下的车道变换问题,通过比较模拟结果和原始输入方案可以优化信号配时。