货车移动遮断影响下的跟驰风险异质性建模

基于移动瓶颈理论和交通流理论构建“货车移动遮断”效应模型,解析货车移动遮断形成机理,选用无人机采集货车移动遮断场景中车辆行驶视频数据并提取高精度车辆跟驰轨迹样本,基于此提出考虑冲突可能性和冲突严重度的小客车跟驰风险评价方法和分级标准,利用RP-ORP模型构建了考虑异质性跟驰风险概率预测模型。结果表明：货车移动遮断动态影响交通流稳定性,其形成过程包括减速跟驰和加速超车两个阶段;考虑异质性的RP-ORP模型能实现特定条件下小客车跟驰行为处于不同风险等级的概率预测,且拟合优度高于FP-ORP模型高;货车纵向加速度、跟驰车头间距、跟驰持续时间、小客车与货车速度差、激进型驾驶员5个变量显著影响小客车跟驰风险水平,且跟驰持续时间和激进型驾驶员2个变量具有随机参数特性。     

基于概率计算的车辆碰撞风险模型研究

 为研究面向车辆防撞系统的碰撞风险模型,分析了车辆碰撞风险的概率内涵,根据运动学理论并考虑车辆运行特征,建立了基于概率计算的侧向碰撞风险模型,运用Vissim微观交通仿真等方法模拟常见的车辆运行场景,利用输出数据离线计算风险值,并对仿真结果进行评价。将追尾碰撞发生的过程分为前车减速与前车减速条件下的碰撞两起事件,运用条件概率的思想求出追尾事故发生的概率来表征跟车风险。从安全的本质出发提出了跟车风险的表述方法,建立密度函数模型。在分析前车减速条件下追尾碰撞条件时,从汽车地面力学理论的角度补充考虑了制动系统作用时间、附着系数等影响因素,使模型更接近实际状况,并且将判断的标准由停车距离扩展到了制动全过程的位移。通过与其他风险模型产生的计算结果进行比较分析,发现基于概率计算的碰撞风险模型,能够更好地反映实际交通安全状态,更适用于车辆防碰撞系统。     

GPS数据驱动的车辆跟驰行为建模与分析

为研究道路交通流特性,基于车载高精度GPS跟驰试验数据进行车辆跟驰建模研究,结合深度学习理论和数据驱动方法,构建了基于粒子群优化(particle swarm optimization, PSO)的长短期记忆(long short term memory, LSTM)车辆跟驰模型。首先,清洗和平滑车辆轨迹数据,并对驾驶特征行为参数及相关关系进行研究,如加速度、车头时距以及速度与跟驰距离特性关系等。在此基础上,制定跟驰状态筛选规则;其次,构建考虑时间序列的PSO-LSTM模型,识别跟驰数据样本集,将当前时刻的前车速度、车头间距和上一时刻的车头时距作为模型输入,预测当前时刻的跟驰车速度;接着,选用25辆车跟驰试验的高精度GPS数据验证PSO-LSTM模型性能;最后,为验证该模型的优越性,选用传统机器学习SVR(support vector regression)模型以及深度学习LSTM模型作为对比。结果表明,基于粒子群优化的长短期记忆模型预测精度高达0.993,整体预测效果高于SVR模型和LSTM模型,其中预测误差指标MAPE(mean absolute percentage error)较SVR和LSTM分别降低了60.02%、1.52%。PSO算法进行超参数优化后的PSO-LSTM模型,能更好地模拟车辆的跟驰行为。     

实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

混有网联车队的高速公路通行能力分析

智能网联环境下车辆跟车间距减小,连续行驶的网联车辆可以组建为柔性车队,车队内车辆可以保持更小的车头间距行驶,进而有效提高道路通行能力。文中针对高速公路基本路段传统车辆和网联车辆混行交通流,提出了交通流稳态条件下4种可能的车辆跟驰特性及其空间分布概率,进而建立了高速公路基本路段的基本图模型和车辆换算系数(PCE)计算方法,并进行了网联车辆渗透率和车队规模等参数的敏感性分析。研究结果表明,网联车辆渗透率的提高和车队规模的增加有利于提升通行能力和减小车辆换算系数,且网联车辆渗透率越大正面影响愈明显。另外,当车队规模大于4后,车队规模的增加对通行能力的提升和换算系数的降低作用明显减弱。     

基于实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,本文选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用本文实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

国内典型大城市快速路交通流实测

通过拍摄中国几个典型大城市不同快速路段的交通流录像并进行＂车速-车头间距＂数据采集,建立了一个包含210920组交通流实测数据的大样本数据库,根据实测数据得到的平均车速随着车头间距的增大而增大,符合交通流的基本特征;从超车道到交换道,一般平均速度依次下降,但在出口匝道影响下会出现＂密度倒置＂现象,实测数据转换得到＂流量-密度＂基本图,存在整个密度变化范围里都呈现非线性特征的类型,在小间距数据中,发现存在超过7%的＂高速跟驰＂车辆.     

基于动态归类技术的交通流实时运营风险评价

基于车辆间直接影响和状态传递的特征,提出用以辨识交通流各向异性和运动差异性的动态归类技术.基于车辆微观运动特征和车辆间的相互影响,提出考虑危险情形的交通流运营风险矩阵和状态关联矩阵.制定交通流运营风险的等级判别标准,构建交通流的实时运营风险指数模型.选取某高速公路事故多发路段进行试验,结果表明交通流的运营风险指数与历史交通事故数存在良好的关联性.     

路段多车型混合车流通行能力

利用概率论方法,通过对由多种车型构成的混合车流不同跟驰序列,不同组合概率的研究,得到了跟驰车头时距路段多车型混合车流通行能力模型.基于经典车头间距模型,通过对混合车流不同跟驰序列下最小车头间距的研究,得到了多车型混合车流的组合车头间距,进而得到了跟驰车头间距路段多车型混合车流通行能力模型.推广了由大、小2种车型构成的混合车流的通行能力模型.研究表明,路段多车型混合车流通行能力不仅与反应时间、车辆速度、车辆长度、制动性能等有关,还与混合车流的车辆组成状况及跟驰序列相关.最后实例分析了不同小型车混入率情况下路段通行能力的变化状况.     

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.     

行人机动车冲突模型及其行人过街风险控制应用

基于交通冲突技术理论,对上海市61个时段的5个路段无信号灯控制人行横道处人车冲突过程进行全程录像.以车流量、路段平均车速和行人流量为变量指标,建立非高峰小时(饱和流率小于0.7)的行人车辆冲突次数预测模型及严重冲突次数预测模型,经F检验和T检验,模型整体及参数的置信水平均大于95%.通过χ2检验,证明人车冲突服从负二项分布,从而建立人车冲突概率模型.分别计量我国发达地区行人机动车冲突风险控制效益及冲突控制成本,通过风险经济评价提出人车冲突控制的决策支持方法.     

信号交叉口右转渠化岛区域非机动车过街冲突

为科学评价信号交叉口右转渠化岛设置给非机动车过街带来的交通安全风险,实地采集了南昌市5个信号交叉口的视频,并提取了各交叉口右转渠化岛区域机非冲突数据、交叉口几何设计特征、交叉口渠化方式以及交通流特性等数据;采用改进型TTC指标对交通冲突进行判定,共得到304起冲突事件;基于贝叶斯方法构建了考虑不同交叉口间异质性的随机效应冲突模型,对比了固定效应与随机效应负二项模型的拟合优度并分析了显著影响因素;基于随机效应模型,确定了期望机非冲突数计算公式,绘制了不同交通流情况下信号交叉口渠化岛设置标准曲线。研究表明:相比于固定效应模型,随机效应模型对机非冲突有更好的拟合效果;相比于无渠化岛交叉口,软渠化岛和硬渠化岛的设置会导致交通冲突分别增加38%和61.4%;右转机动车交通量、过街非机动车交通量和非机动车违法行驶数量每增加1%,将导致机非冲突分别增加0.85%、0.44%和0.18%;右转机动车平均速度每增加1%,将导致机非冲突减少2.5%。     

主路优先控制交叉口通行能力分析

对主路优先控制交叉口的理论通行能力计算方法进行了分析.首先分析了交叉口车流的运行特点;然后基于可插车间隙理论和概率论方法,给出两股车流情况下次路车流通行能力的计算方法,并对主路车流车头时距服从M3分布次路车流的理论模型进行了推导;最后对整个交叉口的“冲突交通流-临界间隙法”进行了分析.     

考虑前后车速度关系的车辆跟驰模型

分析了传统车辆跟驰模型的局限性,建立了考虑前后车速度关系的车辆跟驰模型：前后车以相同速度匀速行驶时的跟驰模型;前后车以不同速度匀速行驶,后车速度小于前车速度时的跟驰模型;前后车以不同速度匀速行驶,后车速度大于前车速度,当前车速度不变时的跟驰模型和前车减速时的跟驰模型．以四种跟驰模型为基础,分别建立了相应的速度一间距关系和车辆追尾模型．追尾模型表明：最小车头距离是后车速度的二次函数,随后车速度急剧缩小;当实际车头距离小于该值时,则会发生追尾事件．     

纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

基于变量分析和粒子群优化加权随机森林的交通事件检测方法

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.     

自适应变异粒子群优化BP的短期风电功率预测模型

针对反向传播(BP)神经网络预测模型在风电预测中预测精度低、输入变量多的问题,提出一种基于互信息的自适应变异粒子群优化BP的短期风电功率预测模型.首先,采用互信息筛选出原始数据中与输出功率相关度较大的影响因素,减少冗余信息;然后,引入具有自适应惯性权重系数和变异因子思想的粒子群算法对预测模型进行优化.结果表明:与传统预测模型相比,该预测模型具有收敛速度快、预测精度高等特点.     

无信号环形交叉口机非冲突机器学习预测方法

为高效精确地预测无信号环形交叉口机动车与非机动车的交通冲突,提出了基于遗传算法优化的BP神经网络(GA-BP)和支持向量回归(SVR)的组合预测模型(SVR-GA-BP)。通过无人机采集混合交通流高清视频,利用视频识别软件Tracker提取机非交通冲突轨迹数据,以距离碰撞时间(Time to Collision, TTC)为判别指标,确定机非冲突严重程度。基于偏相关性分析确定交通量、平均速度、大车比例等为机非交通冲突的显著影响因素,选取均方根误差(RMSE)、平均绝对误差(MAE)等五种评价指标对SVR模型、BP神经网络、SVR-GA-BP模型的预测值进行精度分析。结果表明,组合模型在一般冲突预测中精度为97.1%,相比SVR和BP神经网络分别提高6.9%和2.5%,在严重冲突预测中精度为96.1%,相比SVR和BP神经网络分别提高7.3%和5.1%。可见SVR-GA-BP组合模型能够有效预测无信号环形交叉口的机非冲突且精度最高,可为同类型交叉口的安全评价提供借鉴。     

基于Kalman滤波的飞行冲突探测

基于飞行途中的随机影响及观测仪器的随机误差的考虑,从随机框架的角度提出了Kalman滤波作为冲突探测的一种方法．该方法不仅从模型上保证了更接近飞机的实际飞行情况,而且理论和计算机模拟结果也都表明该方法不但能对明显存在冲突的态势给出准确的预报,对于那些由于随机因素而产生的潜在冲突也能给出一定概率的预报．