非机动车影响下信号交叉口转向通行能力模型的比较

混合交通条件下,非机动车显著影响着信号交叉口转向机动车通行能力.文章剖析了现有的非机动车影响下交叉口通行能力的解析算法,建立了基于VISSIM的通行能力仿真模型,标定了模型参数.通过算例,比较了各种解析和仿真模型.通过仿真实验分析了非机动车对机动车延误、转弯速度的影响.研究表明:各种模型得到的结果差别较大,其中,HCM(2000)与chen等人(2007)的方法计算的通行能力与仿真实验结果较为一致.假设非机动车在机非冲突区总能够抢先通过,将导致低估机动车通行能力;而只考虑绿灯初期非机动车成群通过造成的影响,将导致高估通行能力.随着冲突非机动车流量的增加,单位数量的非机动车对机动车通行能力、延误和转弯速度的影响逐渐减小.转向车流的仿真通行能力值与平均转弯速度显著线性相关.     

基于网络广义极值模型的居住地和通勤方式同时选择模型研究

基于随机效用最大化理论, 选取个人属性、社会经济属性、出行特性和土地利用属性因素为联合选择模型影响变量, 以居住地区位选择集合和通勤出行方式选择集合的组合作为模型的选择项, 构建居住和出行方式联合选择的网络广义极值模型, 刻画日益增长的交通拥堵情况的影响变化及其在不同的就业地模式下对居住再选址和出行方式转变的潜在影响, 从微观角度研究居住就业与城市通勤交通出行关系。利用 Biogeme 软件, 对模型参数进行估计和检验, 同时对模型进行弹性分析, 分析不同影响因素的变化引起的方式选择概率的变化。结果表明, 相比郊区的通勤者, 中心区的通勤者对出行时间的增加更为敏感, 更易于改变出行方式和居住区位, 以抵消交通拥挤引起的负效用。     

基于竞争路径选择的HOT车道费率优化模型

针对社会车道交通拥堵严重而公交专用道利用率较低的问题,提出将公交专用道改建为高承载率收费(High-occupancy/toll,HOT)车道,通过调节HOT车道费率,在确保公交车运行效率的前提下提升公交专用道及整体路网的时空资源利用率.分析存在竞争路径时出行者的出行特性,构建路径选择模型,估计设置HOT车道后出行者的路径选择行为.在此基础上,结合道路服务水平和总出行成本,构建了基于竞争路径选择的HOT车道费率优化模型,动态优化多种流量条件下HOT车道费率方案.最后以武汉长江隧道、武汉长江二桥和二七长江大桥为例进行实证研究.结果表明:优化的HOT车道费率方案能够减少9％的交通流量,降低41.29％的社会车道延误,为促进合乘行为、缓解交通拥堵、提升道路资源利用率提供了可靠保障.     

基于GPS轨迹数据的货车交通流量需求预测循环神经网络模型

动力性差、尺寸大是货车影响道路交通流运行效率的重要原因,为提高货车运行效率,对快速路货车流量预测问题进行研究.基于货车GPS轨迹数据,构建长短时循环神经网络(Long Short Term Memory,LSTM),门控神经单元(Gated Recurrent Unit,GRU),双向长短时记忆网络(Bidi-rectional Long Short Term Memory,Bi-LSTM)和双向门控神经单元(Bidirectional Gated Recurrent Unit,Bi-GRU)四种货车交通流量需求预测循环神经网络模型.研究结果表明:货车交通流量需求预测循环神经网络模型对货车交通流量具有很好的预测能力,平均预测精度为91.55％,较ARIMA高出10.45％;GRU模型对整体货车流量序列预测精度最高;低峰时段平均预测精度高于高峰时段,LSTM在波动较强的高峰时段预测精度最高,为96.83％;Bi-GRU在低峰时段的预测精度最高,为97.66％.研究成果将为政策制定者选用合适的循环神经网络模型,精准预测货车流量,提高货车交通运行效率提供理论和技术支持.     

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。     

基于ARIMA-GARCH-M模型的短时交通流预测方法

针对差分自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型在获得时间序列非线性特性中的局限,基于线性递归的ARIMA模型和非线性递归的广义自回归条件异方差一均值(Generalized Autoregressive Conditional Heteroscedasticity in Mean,GARCHM)模型,提出一种组合模型ARIMA-GARCH-M进行短时交通流预测,并利用城市快速路交通流数据进行模型预测精度的检验.结果表明:ARIMA-GARCH-M模型考虑了异方差性这一非线性特性,相比于ARIMA-SVR模型和ARIMA-GARCH模型的预测结果,本文构建模型具有较好的预测效果,能够有效提高预测精度至90.39%.     

通行政策导向下节假日出行结构动态演化博弈

采用演化博弈理论的Logit动态机制建立出行方式选择的Logit动态模型,并进行了模型平衡点和演化稳定性分析以及参数分析,最后通过数值算例对比分析交通政策(包括公路收费、公路免费和公路扩建三种政策/措施)导向下的出行方式选择演化过程和演化稳定趋势.结果表明,出行方式选择的Logit动态演化系统存在唯一的演化稳定策略;交通政策/措施通过调整公路拥堵延误成本和调整出行方式固有成本差异来影响出行方式选择行为,并且后者比前者具有更显著的效果;高速公路免费通行政策既显著地达到了缓解铁路运力紧张的目的,同时兼顾了交通管理者和出行者的利益,但是可能造成高速公路交通拥堵;新政策的实施往往因为出行者的有限理性而表现出时滞效应.     

用户平衡分配条件下交通控制优化研究

基于信号配时和路径选择之间的相互作用机制,提出了一种区域协调多相位定时控制优化的双层规划模型.模型下层用具有路段容量约束的用户平衡描述拥挤网络条件下的路径选择,并引入了节点流向阻抗,上层为区域协调多相位定时控制优化模型,以总行驶时间和停车次数构成的网络性能指标作为信号优化的目标.采用乘子法求解带有路段容量约束的用户平衡问题,用灵敏度分析算法求解该双层规划问题.     

基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.     

降级路网组合出行交通流分配模型与算法

研究降级路网条件下的组合出行交通平衡问题。首先,基于出行者对降级路网的不同风险态度,将出行者分为3类:守时型、冒险型和平均型。其次,考虑小汽车出行和小汽车换乘地铁出行2种出行模式,分析降级路网条件下不同用户类的组合出行行为,建立相应的多用户变分不等式交通分配模型,讨论模型解的性质。最后,设计模型的求解算法,并通过算例说明模型和算法的有效性。结果表明:不同出行时间预算的出行者在降级路网中的路径选择行为存在较大差异,路网降级程度对出行者出行选择行为影响显著;随着道路通行能力的降低,出行者更倾向于选择组合出行模式。