基于跟驰模型的交通流混沌研究

研究基于跟驰模型的交通混沌问题。用Matlab软件编制皮埃莱(Bierley)模型来产生交通流；在一定的参数组合下，仿真研究交通流车队中不同序号的前后车辆之间的车头间距的变化过程；通过分析这种车头间距的变化过程的变化曲线和绘制庞加莱(Poincare)截面图，说明基于跟驰模型产生的交通流存在着混沌现象；讨论模型参数和仿真试验参数对该理论交通流运动的影响，给出相应的仿真研究结果；最后得出对于研究与应用交通流理论有益的结论。     

仿真交通流混沌特性研究

基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据.     

基于混沌判据评价几类跟驰模型合理性的仿真研究

提出了一种评价交通流理论模型合理性的新方法:用交通流理论模型产生时间序列,计算这些时间序列的最大李雅普诺夫指数,用最大李雅普诺夫指数可以判断仿真交通流是否再现了交通流存在的混沌现象,以及反映的程度如何,进而评价交通流理论模型的合理性.文章介绍了方法的原理,给出了对伽赛斯-赫尔曼-伯兹(Gazis-Herman-Potts)模型;皮埃莱(Bierley)模型;洛克威尔-特莱德勒(Rock-well-Treiterer)模型三类典型的跟驰模型仿真实验的结果.分析了仿真结果,得出了有用的结论.     

基于支持向量机的交通流混沌快速识别研究

采用支持向量机研究交通流混沌的在线快速判别问题.在分析交通流控制对交通流混沌判别的要求和现有混沌判别方法存在问题的基础上,提出了基于支持向量机的在线交通流混沌快速实时判别方法,介绍了该方法的原理和实现该方法的系统结构.重点讨论了特征向量的提取和支持向量机实现在线识别的算法,给出了仿真试验结果,说明了方法的可行性与正确性.     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

基于多前车位置及速度差信息的车辆跟驰模型

在全速度差模型(Full velocity difference,FVD)模型和多速度差模型(Multiple velocitydifference,MVD)的基础上,提出了一种基于多前车位置及速度差信息的跟驰模型(Multiple ahead velocity difference,MAVD),以期更加客观地描述实际中的交通现象.通过对MAVD模型进行线性稳定性分析,并与FVD和MVD模型进行比较,发现自由流稳定的敏感系数临界值变小,稳定区域明显增加.同时,对MAVD模型进行了非线性分析,得出了其mKdV方程,并给出了其车头间距的扭结波解.最后对MAVD模型进行了的数值仿真,结果表明MAVD模型能有效的抑制交通流的堵塞.     

一种通用的城市道路交通流微观仿真系统的研究

交通流仿真是研究交通问题的有效工具,本文采用复合概率、模糊逻辑等方法建立了描述交通流中不确定性因素、车辆的到达,在路段上行驶以及通过路口的微观仿真模型,并利用面向对象的方法设计实现了于种基于上述模型的通用城市交通流微观仿真系统,比较真实地再现了车辆在道路网络的行驶过程。     

再现交通流不确定性的一维元胞自动机仿真模型

在已有的交通流一维元胞自动机模型中,司机不同的驾驶行为是以车辆减速概率的形式体现的。事实上,不同的驾驶行为是由司机的行为习惯、思维模式不同,车辆性能的差别以及当时的道路交通环境等众多因素共同作用而形成的,是一种不确定性极强的现象。提出了一种再现交通流这种不确定性的一维元胞自动机模型。在该模型中减速概率不是服从设定的某种随机分布,而是服从广义的随机分布---爱尔朗分布,在仿真过程中爱尔朗分布的各参数值也随机变化,这样就更真实地再现了实际交通流状态。以该模型进行计算机仿真,仿真结果与有关文献提供的实测结果及仿真结果进行了对比。结果表明该交通流仿真模型不仅更加接近实际交通流,而且还能够更好地描述交通流从畅行相到阻塞相的过渡过程。     

一个改进的宏观交通流模型及数值计算

基于考虑多前车信息的微观多车跟车模型,按照交通流研究中采用的微观一宏观参量关联关系,提出一个改进的宏观交通流动力学模型.获得了该改进模型线性稳定的判别条件.数值仿真和一阶波传播速度分析表明该模型能够模拟交通流的堵塞和疏导等实际交通流现象,多前车信息对宏观交通流波动性存在不可忽视的影响.     

考虑OD需求变异的网络交通流演化模型

考虑到新进入网络的交通需求不了解路径的完备信息,可能随机地选择出行路径,提出一个改进的网络交通流演化模型,并分析了该模型及其不动点的一些特性. 该模型不动点不是传统意义下的用户均衡态或部分用户均衡态,它能更好地反映现实中交通流分配结果. 格子网络上完成的数值模拟结果表明,模型可用来近似刻画实现用户均衡态的过程, 模型中初始可行路径流量可以为零, 交通流能够收敛到不动点, 但可能存在多个不动点.     

应用改进型小数据量法计算交通流的最大Lyapunov 指数

最大Lyapunov指数是非线性系统的一个非常重要的特征量.微观仿真交通流具有典型的非线性,计算交通流的最大Lyapunov指数对研究交通流的非线性特征具有重要意义.通过用虚假临界点法计算嵌入维数可以使小数据量法更加完善.首先应用改进型小数据量法计算几个典型的非线性系统的最大Lyapunov指数,验证算法结果的准确性.然后再用此方法首次对Bierley跟驰模型产生的微观仿真交通流和微观实测车流的时间序列进行实证分析.结果表明,该方法能较准确的计算出最大Lyapunov指数,可以作为研究交通流非线性特征的定量方法.     

基于改进型替代数据法的实测交通流的混沌判别

通过对实测交通流进行混沌判别，可以为实际交通流的预测和控制提供理论指导。改进型替代数据法是准确判定时间序列是否具有混沌特性的一种有效方法，该算法不仅能够很好地重构原始时间序列的特性，并且能够避免直接识别混沌方法的局限性。本文以关联维数作为混沌判据，应用改进型替代数据法对微观实测交通流的时间序列进行了混沌判别。实证结果表明，我们实测的交通流中存在混沌，改进型的替代数据法能对其进行准确判别。     

拥挤交通流的行为分析与仿真建模

从分析拥挤状况的交通行为特性出发，建立了相应的仿真模型。该模型在跟车子模型加入了随机扰动项，换道子模型的可行性检测中加入了前后间距不足时司机的减速行为。与传统模型相比该模型能更好地反映拥挤流下的交通行为，更适合于拥挤状况的交通微观仿真。     

基于Hough变换的交通流状态辨别方法

交通流状态辨别在智能交通系统中起着十分重要的作用。本文根据对交通流状态辨别研究的分析,提出基于Hough变换方法和模糊C均值聚类方法的交通状态辨别方法。其中,基于Hough变换的图像识别方法用于交通畅通流的辨别,模糊C均值聚类方法用于其它交通状态分类。而且利用快速路固定型交通检测器实时数据进行了实证分析,且与模糊C均值聚类方法进行了对比分析。分析结果表明本文方法与FCM方法相比,更符合于三相交通流理论,且满足城市快速路交通流的特征。该方法可用于交通流状态分析。     

高速公路交通仿真软件开发

为能对汽车控制系统进行有效的实地测试,从而设计开发了基于英国典型高速公路路段的交通模型。该模型提供了对英国高速公路交通流量模拟、路面状况模拟、交通规则模拟及路面用户的微观行为模拟。驾驶员模型包括道路汽车跟随模拟和汽车超车模拟。通过对本交通模型微观参数的优化,使所开发的交通模型能与实地测试数据相符合,从而能更真实地仿真实际高速公路的环境。基于该模型所开发出的具有图形用户界面的能为汽车控制系统的测试与评估提供有效的支持。     

考虑交通吸纳点的非参数回归组合型短时交通流预测方法

在城市路网中．交通吸纳点是非常重要的影响交通流量的因素。由于交通吸纳点增加了流量预测的复杂度．一般基于模型的智能算法也不能很好地解决有吸纳点的交通流预测问题。提出一种基于非参数回归的组合方法PCA—FC—NPR．即在对原始数据进行主成分分析PCA（Principal Component Analysis）和模糊聚类FC（Fuzzy Clustering）的基础上．采用以数据驱动的k-近邻非参数回归方法NPR（Non-Parametric Regression）加以解决。针对交通吸蚋点与检测器的位置关系采取不同预测算法。短时交通漉预测示倒结果证明俄方法的有效性。