高速公路交通流宏观模型的分段辨识算法

分别采用ＲＢＦ神经网络和最小二乘法对高速公路交通流宏观模型进行分段辨识，成功地解决了该模型辨识的工程化问题，并与传统的复合形法进行了比较，仿真效果令人满意。     

微观交通流中跟车模型的仿真研究

在研究跟随状态中车辆运行特性的基础上,提出了一种新的跟车模型.与传统的跟车模型相比,新模型考虑了车辆的长度,并将传统模型中的期望间距转换为期望车头时距,反映了后车速度对跟车状态的影响.采用实际道路上的车辆跟车数据,在Simulink环境下,对2种跟车模型进行了仿真分析,结果表明在一定程度上,由于考虑了更多实际情况,新模型优于传统模型.为了能反映车辆在实际中加速、减速以及不同跟车类型的差异性,给出了进一步改进新模型的方向.     

宏观连续交通流数值模拟

应用交通流宏观连续模型,模拟上下游信号灯作异步周期变化的协调信号灯路段的交通流动,经数值计算比较,选择改进Ｍｕｒｍａｎ格式求解．结果表明：改进Ｍｕｒｍａｎ格式能准确捕捉交通流中无振荡“激波”位置．     

基于宏观交通流模型的行程时间预测

以高速道路为研究对象,概述了宏观交通模型的基本方程,提出了一种基于宏观交通模拟的路径行程时间预测方法．预测方法以宏观模型输出的速度为基础计算路径行程时间,能够考虑交通拥堵以确保行程时间预测结果更合理．预测方法包含一般计算方法、由路段行程时间合成的方法（近邻组合法）这两种计算方法,后者用以加快计算速度,确保预测能够适用于较大规模路网．算例分析说明了预测方法的有效性．     

一种新的宏观交通流模型

为了更好地进行城市交通规划与控制,亟待发展一种有效描述交通流动的数学模型.基于交通流研究中通常采用的微观-宏观参量间的联系方法,得到了一种新的动力学模型.它以线性加权的方式考虑了车辆相对速度的影响,使得新模型更加符合实际的交通情况.新模型考虑了车辆间相对距离对后车加速度的影响,一些经典的连续交通流模型可以视为新模型的特例,如Payne模型、Wiltham模型和Zhang模型.此外,研究了新模型的特征速度和线性稳定性,发现新模型恒稳定,且模型是否具有各向异性由各向异性因子决定.     

交通仿真系统中的纯微观跟车模型

针对目前在交通仿真系统中的跟车模型忽略车辆个体性能差异的缺陷,提出了一种纯微观跟车模型,该模型以某一扫描时刻为基点,根据前、后车辆在当前时刻的状态,考虑前、后车的加减速性能,以后车“紧密”而又“安全”地跟随前车行驶为原则确定后车在下一扫描时刻的加速／减速度,纯微观模型更准确地反映了不同性能车辆跟车行为,而且具有模型标定相对容易、适用范围大的特点。     

交通流微观模型与宏观模型的统一

交通流微观模型与宏观模型的统一陈建阳以改进的微观跟车模型为基础，利用交通流稳态特性和概率统计方法得出了交通流宏观统计模型．首次在严格理论意义上使交通流微观模型和宏观统计模型得到了统一，所得的宏观统计模型在许多方面优于传统的经验回归模型．交通流微观模型...     

宏观交通流模型的自适应迭代学习辨识策略

城市路网交通流系统具有很强的随机性和时变性,单一固定的交通流模型难以准确地描述城市路网的实际运行情况,在考虑交通流稳态和动态特性的基础上,提出了一种含有未知时变多参数的非线性宏观交通流模型,并针对交通流固有的重复性特征,设计了一种时变多参数的自适应迭代学习辨识策略。在有限时间区间内,利用迭代学习辨识策略将参数辨识问题转化为最优跟踪控制问题,使交叉口各进口道的排队车辆数均趋于真实值,利用去伪算法的实时自适应能力调整迭代学习辨识策略的学习律增益,提高辨识策略的抗干扰能力。通过严格的数学理论推导证明了该算法的收敛性,最后采用基于模型的控制方法进行仿真实验,进一步验证了该方法的有效性。     

交通流计算机微观仿真的一种随机模型

针对驾驶行为的不确定性，在对实验数据进行随机分析的基础上，通过研究驾驶员的心理——物理特性，构建了一个新的标定相对简单、且易于使用的车辆跟弛模型．     

微观交通流仿真跟车行为ANN模型研究

微观交通流研究中的车辆跟驰模型是交通仿真的一个基本模型,由于实际道路上驾驶员信息的获取困难,建立的车辆跟驰模型难以标定或验证.应用人工神经网络和五轮仪试验系统获取的城市道路车辆跟驰数据,建立了车辆跟驰行为的神经网络模拟模型.     

自行车交通流基本模型

本文把自行车流的密度，流率及速度三参数按观测法和定义法的不同划分为四种概念体系：断面时段概念，区域时段概念，区域瞬时概念和断面瞬时概念，然后分别论证了各种概念体系下的自行车流基本模型。     

混合车流的通行能力

应用跟车理论中的刹车应模式，引入不同车型刹车反应时间及制动距离不同的概念，分析了以大车和小车两种代表车型组成的混合车流，在高速汽车专用道的平直段上行驶时，为保证紧急刹车情况下的车流安全而确定的混合车流通过行能力，并给出算例，这一分析结果可作为进一步的实用化模型的雏形，应用于高速道路的实时控制中。     

异常突发事件下交通流特征分析与预测

针对在异常突发事件下交通流会呈现的不同特性进行研究,以期实现在突发事件下的城市道路短期交通流精准预测。引入基于跳转的ARIMA模型来对突发事件下的交通流变化规律进行描述,在路网正常情况下和路网堵塞情况下,仿真算例表明,预测模型可以较好地进行道路区域网络交流注预测。     

异构交通场景下的宏观交通流建模

提出了基于动态图混杂自动机与改进的元胞传输模型相结合的建模方法.通过对不同自动驾驶车辆混入率下路段的流量和密度进行三角基本图拟合,讨论了临界拥堵密度、通行能力、反向波速等主要参数的变化规律,并基于此改进了传统的元胞传输模型;利用动态图混杂自动机表征路网分层递阶的拓扑结构,并将改进的元胞传输模型嵌入动态图混杂自动机来建立...     

高速公路交通量预测与监控策略

文章以宁宣杭高速公路宁国至千秋关段为例,分析了高速公路交通量的预测方法,并在预测交通量的基础上,提出了宁国至千秋关段高速公路的控制策略,为今后高速公路监控系统设计提供了依据。     

考虑延迟效应的交通流宏观流体力学模型

【目的】研究延迟效应的高阶宏观流体力学模型及其对交通流密度波产生的影响。【方法】通过宏观转化法将微观量转换成宏观量,推导出关于延迟效应的高阶动力学模型。同时结合交通流的守恒连续性方程,对新的动力学模型进行线性分析和非线性分析。用迎风格式数值模拟研究在不同延迟时间和密度下的交通流的成簇效应和系统的稳定性。【结果】推导出的模型具有各向异性的特性。在线性稳定性分析和非线性分析中分别推导出在微扰的条件下交通流的稳定性条件和描述密度波的KdV-Burgers方程,并求得密度波解。数值模拟结果表明考虑了延迟效应的模型系统不稳定状态范围在缩小。【结论】考虑了延迟效应的宏观流体力学模型,交通流成簇效应减弱。这表明交通流的拥堵得到抑制,有利于系统稳定。     

基于多智能体的车路协同环境下单车道微观交通流模型

介绍车路协同系统(cooperative vehicles infrastructure system,CVIS)下车辆多智能体(vehicle multi-agent,VMA)的概念及其属性列表.提出传统交通环境和CVIS下的车辆决策机制,分析两者在交叉口及路段上对于交通状态判断与决策的差异.建立CVIS下的单车道微观交通流模型,给出车辆的微观动力学模型,包括加速模型和减速模型,同时考虑交叉口的信号灯对车辆行为的影响.最后,数值试验将分析车辆在两种不同环境中的时空轨迹图以及宏观的交通参数.结果表明:CVIS下的车辆比传统交通环境下的车辆总行驶时间、平均行程时间以及平均延误均有极大降低,提高了通行的效率;车队车头时距降低、速度方差减小,提高了车队行驶的稳定性.     

基于神经网络的交通流的预测

在简要介绍智能系统中交通流的实时检测设备的基础上 ,为满足交通流诱导系统的理论需要 ,建立了实时交通流量神经网络预测模型。该模型为交通流诱导系统提供了预测交通状况的一种很好的方法     

基于视频的车流量统计算法

本文实现了一种基于线检测的车流量检测算法,首先利用背景消减法检测出运动目标,然后经过二值化处理得到二值图像,在二值图像上采集一条线上的像素点,然后利用新的数据处理算法对数据进行处理,最后,统计出每条车道上的流量,本文算法简单,易于实现,结果证明此算法检测精度高且算法实时性好,具有较好的鲁棒性。     

基于改进果蝇的混合小波神经网络交通流预测

为了提高交通流预测精度,提出了一种基于果蝇算法的混合小波神经网络模型.首先,选择果蝇优化算法对小波神经网络的初始参数进行调节,解决了小波神经网络预测对初始参数敏感的问题.其次,将迭代次数和当前解的情况作为搜索半径和种群规模的动态调整因子,对果蝇算法进行了改进,提高了果蝇算法的全局寻优能力和局部收敛速度.最后,鉴于小波神经网络预测误差存在一定的规律性,使用误差补偿法将调参后的小波神经网络与其他模型进行组合,进行二次误差提取.实验证明,所有混合模型均提高了交通流预测的准确度,其中,与随机森林模型的结合预测精度最高.