城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同.本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数.根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据,进行了对个别路段的状态评估.实证分析结果表明:在交通流状态判别过程中,密度是最关键的参数:基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据.     

一种基于路网分配系数矩阵的网络交通状态建模方法

由于目前单路段的交通信息不足以反映网络层次上的交通状态,该文提出了一种网络交通状态的建模方法。首先根据网络中各路段间拓扑结构关系提出了路段邻接矩阵;进而从实际交通流量数据出发,应用递推最小二乘法估计出交叉口各方向上实时的转弯率,由此得到邻接路段分配系数矩阵。通过对该矩阵的简单计算以及变换,得到了整个路网的分配系数矩阵。根据该矩阵绘制的网络交通状态图为研究网络交通状态演化提供了可视化方法。该矩阵不仅反映了网络层次上的交通流分配情况,也反映了实时的网络交通状态。     

城市道路交通流监测数据最优汇集时间间隔分析

针对传统的交叉验证均方差模型在确定交通流监测数据最优汇集时间间隔研究方面存在的不足,以交通流量、时间平均速度、占有率等3个交通流基本参数来表征城市道路交通流运行状态.在传统的交通状态交叉验证均方差估计方法的基础上,提出了一种改进的基于交通状态矢量的交叉验证均方差模型,以估计不同汇集时间间隔时交通流监测数据的波动性.然后,构建了基于交通状态矢量的均差值假设检验,并采用t检验方法寻找交叉验证均方差值变化的拐点,以确定交通流监测数据的最优汇集时间间隔.以昆山市城市道路车辆检测器实际采集的交通流数据为例,对不同等级城市道路交通流监测数据的最优汇集时间间隔进行了量化分析.结果表明,在实际应用中,城市道路交通流监测数据的最优汇集时间间隔可以选取为5 min.     

基于PEMS的高原城市道路交通状态评价及排放相关性实验研究——以西宁市为例

应用PEMS技术测试了西宁市典型道路及其路段的交通状况,提出了基于PEMS的路段、行程、行程时间、行程平均车速、自由流行程时间、行程时间延误率及行程平均速度延误率等概念和计算方法,研究了基于行程时间延误率、行程平均速度延误率的城市道路路段交通状态判别方法,并对典型道路及路段交通拥堵进行分析判别.同时,研究了城市道路路段交通状态与车辆排放量之间的相关关系.     

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.     

考虑网联汽车信息安全的交通流短时预测方法

针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法。首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证。结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4%,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案。     

分路段交通状态模式元胞传递模型

对城市快速路元胞传递(CTM)模型进行了研究.根据不同路段交通状态模式下,路段交通流动态特性的"可观测性"会由于交通信息传播方式差异而不同,提出了城市快速路分模式元胞传递模型.该模型更新了流量传输模型,将其表示为不同路段交通状态模式下的分段函数形式,并针对城市快速路构建了下匝道流量传输模型.以上海南北高架部分路段实际检测数据为例,测试比较了3种宏观元胞自动机模型,结论为分模式CTM模型性能最好.在将其应用于大规模数据测试时,密度估计结果平均百分比误差为20%左右,流量估计结果平均百分比误差为10%左右,仿真效果比较理想.     

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。     

基于四分位数对路段速度的预测优化

使用出租车GPS数据作为基础,采用更加合理有效的路段速度作为交通状态参数,分析路网划分后的路段速度时间序列,利用四分位数特性优化算法,提高预测模型的合理性和准确性,并通过真实历史数据验证方法的可靠性.从带有随机性和不确定性的交通流变化中,通过分析找出其中的规律性,以预测未来几个时段的交通流变化.结果表明四分位法既体现出了路段速度的变化趋势,同时削弱了极端值和异常值的影响,能够展现出合理的交通状态变化过程,并且其计算简便,为大规模数据处理有效节省了计算资源.对计算结果的曲线拟合证明了四分位法处理路段速度的可靠性,对交通状态预测具有重要意义.     

收费站对高速公路交通流能耗的影响

【目的】为探讨电子收费(ETC)通道设置的必要性,研究高速公路收费站路段的交通流能耗模型。【方法】在元胞自动机NaSch交通流模型的基础上,针对单向单车道的收费站路段提出交通流的能耗公式,并数值模拟周期边界条件下车辆在收费站的滞留时间对交通流能耗的影响。【结果】车辆在收费站的滞留时间越长,道路上交通流的能耗值越小,对应的流量和平均速度也越小,交通堵塞现象就越早发生;人工收费站路段的交通流能耗比电子收费站路段的交通流能耗值小。【结论】人工收费站路段比电子收费站路段更容易发生交通堵塞现象。