路网描述仿真模型

从满足交通仿真需求角度分析了路网描述建模的要点,提出了以节点、路段、节段、车道为基本构成要素的路网描述仿真模型.该模型能更准确、细致地反映道路网拓扑关系和道路几何条件,为交通仿真模型真实地反映路网交通状态奠定了基础.     

基于固定检测器的区域交通状态判别方法

以固定检测器获得的交通数据为基础,分别建立路段和交叉口交通状态判别模型;考虑不同路段和交叉口对区域路网整体交通状态影响程度的差异性,建立路段和交叉口交通状态的权重计算模型;在此基础上建立区域交通状态的综合判别模型;并分析状态指标P与路网中车辆平均行程速度的相互关系,确定路网P所表示的交通状态级别;最后利用Vissim软件设计包含9个交叉口的典型路网,根据采集的数据对模型进行验证.仿真结果表明:所建立的方法可以有效地对区域交通状态进行判别.     

区域交通状态分析的时空分层模型

为了解决区域交通状态分析问题,提出了一种区域交通状态时空分层模型及其建立方法。根据区域交通状态分析需求,设定交通拥堵的不同截值,把路口状态划分为不同层次,建立了时空分层模型。该模型含盖了交通网络的微观、中观和宏观交通参数,包含交通网络时空信息和交通状态信息,得到路口可达性和路段连通性的分析结果,解决了目前区域交通状态自动分析中模型建立问题。仿真结果表明:分层模型能够把路网中不同交通状态的路口分离为具有不同可达性的层次,能够从中分析出路口可达性、路段连通性和路网交通状态的变化,并能够直接表示时空状态信息。该建模方法和分析方法可以直接用于交通状态的自动分析中,所提出分层模型也可用到交通诱导和交通控制中。     

基于对比度和共识日的交通速度预测

交通速度预测是智能交通系统中研究热点内容之一,准确预测交通速度有助于为出行者提供可靠的出行决策。考虑到路网中交通速度变化的时空关联性和规律性,本研究提出一种基于对比度和共识日的交通速度预测方法。首先,为捕捉短时内速度的变化特征,挖掘道路的空间关联性,构建对比度模型并根据其值更新历史数据的交通状态集;其次,采用K-means方法对更新后的数据集进行聚类,通过Rand指数识别出每簇的共识日,并根据其信息预测交通速度;最后,借助RMSE、MAE和ACC等指标分析了预测方法的有效性。分析结果表明,本研究方法预测准确率达93.8%,预测精度较高,计算速度较快,具有更好的适用性。     

基于MFD的路网宏观交通状态及影响因素研究

从城市路网交通管理与控制的需求出发,引入交通流宏观基本图(MFD)模型,基于实测和仿真数据,开展对北京市西三环实际路网的宏观交通状态、时变特征以及影响因素研究.文中首先介绍了MFD模型及其矢量算法,利用实测数据建立西三环路网的MFD,基于Van Aerde模型标定路网交通流特征参数,对比分析路网平均流量-平均密度关系的时段分布差异,并得到宏观交通流的"磁滞现象";其次,证明了交通密度分布的不均衡性是影响路网宏观交通状态的根本因素;最后,利用Integration仿真研究了路网结构、交通需求以及出行路径对路网车流密度分布、宏观交通状态及其变化趋势的影响,以期为宏观交通控制、拥堵治理措施的制定提供决策支持.     

基于车道级基础路网的微观交通仿真数据建模与应用研究

从满足微观交通仿真需求角度分析了仿真数据模型建模的要点,建立了包括基础路网模型、信号控制方案描述模型和交通需求模型在内的微观交通仿真数据模型。信号控制方案描述模型中,信号灯分配通行时权,信号灯组描述交叉口的通行规则。交通需求模型由交通小区和OD矩阵组成,交通小区定义OD矩阵的起终点,OD矩阵定义路网上的出行量。以VISSIM为例,研究该模型与微观交通仿真模型要素之间的对应关系,提取数据转换生成VISSIM仿真模型,论证了其用于数据提取和交换的可行性。     

在线广义神经网络交通状态预测的网格并行算法

针对城市大规模路网交通状态在线预测问题,采集出租车上的全球定位系统数据作为浮动汽车数据(FCD),采用广义神经网络理论,应用网格并行算法,通过加速广义神经网络的收敛和学习速度,构建了在线交通状态预测新模型.实验结果表明,该算法实现了在线广义神经网络交通状态预测模型的并行计算,提高了预测模型的计算速度,满足大规模交通路网实时、高效的在线交通状态预测的实际需求.     

单向交通规划方案的路网容量判别法

单向交通组织规划改变了车流原有的运行状态,使得路网中各路段的交通流量和行车速度发生变化,单向交通影响区域的路网容量发生相应的变化。在已知规划区域节点0D的条件下,通过交通仿真获得单向交通规划方案的各路段的交通流量和运行车速,利用时空消耗法,计算出单向交通和双向交通组织状况下的路网容量,再运用比值法建立了单向交通规划方案的路网容量辨别模型,对单向交通规划方案的路网容量进行判别.     

加速度变化对道路平面线形行车舒适性评价方法

公路行车舒适性与平面道路线形密切相关,在分析车辆在不同道路线形下运行特性的基础上,提出采用加速度和加速度变化对道路平面线形舒适性评价的方法,阐述横向加速度、轴向加速度与舒适性的关系及评价指标。通过分析加速度的变化对舒适性的影响,建立加速度变化率模型和加速度干扰模型。用加速度干扰表示速度摆动大小和变化频繁度,给出在直线、缓和曲线、圆曲线路段上加速度干扰的离散化模型。通过对不同道路线形的实例仿真,定量分析加速度变化率对舒适性的影响,以加速度干扰大小分析不同线形路段条件对行车舒适性的影响程度及变化趋势,并针对不同道路线形给出提高舒适性的改善方法。仿真结果表明,该评价方法为检验道路平面线形舒适性提供了参考依据。     

基于时空图注意力神经网络的交通道路拥塞和异常预测

为全面捕获交通路网的时空特性,分析路况的复杂多变性,实现道路拥堵和突发情况的高效准确预测,研究提出一种时空图注意力神经网络模型,通过将道路网络建模成一系列随时间变化的图,利用图注意力机制(Graph Attention Network,GAT)关注路网图关键节点的空间特性并捕获动态的全图空间特征,再利用门控循环单元(Gated Recurrent Neural Network,GRU)充分捕获相邻路网图的时间相关性并降低模型冗余,提升了对道路拥堵和异常情况的预测准确率。采用PEMSD数据集进行实验,结果表明,所提方法与对比模型相比准确率与召回率均优于现有方法,有效提升了交通异常预测精度。