双车跟驰模型稳定性及非线性分析

考虑双前车信息的影响,提出了交通流双车跟驰模型. 通过线性稳定性分析,得到了改进模型的稳定性条件,改进模型通过调节次近邻前车信息,提高了交通流的稳定性. 并对改进模型进行了非线性分析,获得了不稳定区域下的扭结一反扭结密度波. 模拟结果与解析结果一致. 数值模拟结果也表明,次近邻前车对交通流存在不可忽视的影响.     

驾驶员视角和后视效应对交通流稳定性的影响分析

交通流跟驰模型是微观交通流仿真和交通安全评估的重要工具,在城市交通规划、交通运行宏观调控等方面广泛运用.传统交通流跟驰模型主要考虑车辆参数,对于驾驶员因素不够重视,本文将驾驶员视角引入全速度差(FVD)模型,研究基于FVD模型的扩展模型,结合驾驶员后视效应,利用线性稳定性分析扩展模型的交通流稳定性特点.通过将驾驶员视角用驾驶车辆体型参数进行数据量化,分析车辆体型参数对交通流稳定性的影响.仿真实验表明:本文研究的扩展模型在车距较小的情况下交通流稳定性要优于FVD模型;驾驶员对视角变化的敏感系数越高,整个交通流越稳定;驾驶员后视概率越高,交通流越稳定;对于大型车辆,车流高峰时期为其开辟专用车道能够提高该阶段交通流稳定性.     

考虑前方交通状态的交通流格子模型与数值模拟

考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性.     

连续记忆效应的交通流跟驰建模与稳定性分析

为了研究驾驶员的自主特性对交通流的影响,考虑实际交通中驾驶员对车速变化的连续记忆效应,本文提出一个改进的自稳定控制驾驶跟驰模型,以期提高交通流的稳定性。通过线性稳定性分析,得到新模型的稳定性条件为a2V′(b)(1-λγ);与Bando的优化速度(optimal velocity,OV)模型相比,自由流稳定的敏感系数临界值ac变小,稳定区域明显增加。数值模拟结果表明,驾驶员的连续记忆效应能够显著地提高车流的稳定性,并有效地抑制交通流堵塞。     

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。     

两车道交通流合作驾驶格子模型与数值模拟

本文提出一个新的两车道合作驾驶交通流格子模型.通过线性稳定性与非线性分析论证了所考虑项的合理性.理论分析表明考虑更多格子信息改善了交通流的稳定性.数值模拟进一步证实在换道情况下考虑合作驾驶格子信息能够有效抑制交通阻塞.     

斜坡道路考虑平均流量差预期效应的格子流体力学模型

为了研究斜坡道路上平均流量差预期效应对交通流的影响,提出了一种改进的格子流体动力学模型.采用控制理论方法得到了改进模型的线性稳定条件,并利用约化摄动法得到了稳定性临界点附近的mKdV方程,用以描述交通密度波的演变特征.通过数值模拟演示了考虑平均流量差预期效应的交通流的演变过程,并验证了理论分析的结果.模拟结果显示,在坡度公路上考虑平均流量差预期效应有利于缓解交通拥堵.     

两种驾驶方式构成的异质交通流稳定性研究

对由两种驾驶方式组成的单车道异质交通流的稳定性进行分析和研究. 利用实际数据对两种驾驶方式对应的最优行驶速度车辆跟驰模型及智能驾驶员车辆跟驰模型进行参数标定,使用线性稳定性分析方法获得了异质交通流的稳定性条件,并定义了异质交通流的稳定性函数和驾驶方式的稳定性函数,在此基础上进行了仿真实验. 研究结果表明异质交通流的稳定性受两个关键因素的影响:驾驶方式在交通流中的比例和驾驶方式的稳定性函数. 仿真发现智能驾驶员的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性. 此外,还获得了在不同的速度下,有关不同驾驶方式比例的稳定性变化曲线.      

含智能提示限速的全速度差模型的稳定性和孤立波

给出了含智能提示限速信息的速度差模型.通过稳定性分析导出了模型的稳定性条件,结果表明智能限速信息提示扩大了交通流的稳定区域,并对稳定性条件进行了3种精准分析.通过约化摄动方法在稳定区域导出Burgers方程,并给出其孤立波;在亚稳定区域内导出KdV方程,并给出其孤立波;在不稳定区域,导出mKdV方程,并给出其扭结-反扭结波解.根据孤立波解对交通流进行了相应的阐释.     

分数阶多速度差模型的孤立波

引入分数阶的多速度差模型,通过线性稳定性分析得到了模型的稳定性条件,结果显示分数阶模型的交通流稳定区域比整数阶模型扩大了.通过约化摄动法对模型分析获得了如下结果:在稳定流区域导出了描述密度波的Burgers方程,结果显示,三角激波随时间增加,且最终演化为均衡交通流;在不稳定区域的临界点附近导出修正的Korteweg-de Vries方程(简称为mKdV),由此得知扭结波的传播速度随着车辆数增加而变大,并且所获取的前车信息越多就越有利于交通拥堵的疏导;在亚稳态区域内,密度波则是按照KdV方程的孤立波变动的.     

考虑后车影响的多速度差交通流模型

为了进一步提高交通流的稳定性,在多速度差模型的基础上考虑后车的影响提出一个扩展交通流模型. 本文应用线性稳定性理论方法,推导出新模型的线性稳定性条件,结果表明,相同初始条件下的交通系统,车辆的临界敏感系数值减小,增加了交通系统的稳定性. 在相同扰动条件下的数值仿真结果表明:在t=300 s时,FVD模型演化成阻塞交通流,而新模型吸收扰动速度快,达到稳定交通流状态形成自由流,说明向后观测行为能够有效地抑制交通堵塞.     

考虑相对流量影响的交通流合作驾驶格子模型

基于交通流合作驾驶格子模型,考虑相对流量的影响,提出了改进的交通流合作驾驶格子模型.稳定性分析表明改进模型的稳定区域明显扩大.通过非线性分析获得了mKdv方程.数值模拟进一步说明,改进模型通过考虑相对流量对交通流的影响,增强了交通流的稳定性.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

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。     

考虑后视效应和速度差信息的跟驰模型

考虑后视效应和速度差信息的共同作用,基于全速度差(Full Velocity Difference,FVD)模型,提出了一个扩展的跟驰模型．通过线性稳定性分析,得到了该模型的线性稳定性判据;运用非线性分析方法分析了临界稳定点附近交通流密度波的变化,导出了描述交通阻塞相变时的mKdV方程．对扩展模型进行数值模拟和分析,结果表明考虑后视效应和速度差信息的影响能够增强交通流的稳定性,能有效抑制交通阻塞．     

基于合成车流的桥梁车辆荷载效应极值预测

车辆荷载是公路桥梁设计与评估过程中的关键问题之一,现有规范的车辆荷载取值适用于一般设计,对于精度要求更高的在役桥梁评估或桥梁关键构件设计,应结合实际车辆荷载特征,建立相应的车辆荷载模型.考虑我国现有大量静态车辆交通流数据的特点,提出了采用合成车流方法模拟交通流并实现荷载效应预测的方法,详细描述了基于合成车流的车辆荷载效应模拟方法,检验了Rice公式方法对于合成车流荷载效应极值预测的适用性,以此建立基于合成车流的车辆荷载效应模拟及其极值预测过程.最后,通过算例校验了合成车流荷载效应以及预测荷载效应极值的准确性,并简要对比了现有规范与本文方法在车辆荷载效应方面的差异.     

网联辅助驾驶混合交通流稳定性及安全性分析

针对常规人工驾驶车辆和网联辅助驾驶车辆随机混合的交通流,分析其稳定性与安全性.基于紧跟常规车的网联车退化为常规车的跟驰特性,提出了网联车随机退化为常规车情形的数学期望表达式,进而建立网联车混合交通流稳定性的一般性分析方法.选取全速度差模型和智能驾驶员模型分别作为常规车和网联车跟驰模型,进行混合交通流稳定性案例分析,考虑常规车与网联车相对数量及相对空间位置的随机性,设计上匝道瓶颈交通安全影响的数值仿真实验.研究结果表明,网联车有助于提升交通流稳定性与安全性,平衡态速度越接近9.8~10.6 m/s速度范围,混合交通流满足稳定状态所需的网联车市场率临界值越大;当网联车市场率大于0.37时,混合交通流可在任意平衡态速度下稳定;相比于常规车交通流,网联车交通流的交通安全水平可提高54.29%~71.36%.     

考虑前方多车辆速度差的优化速度模型

提出了考虑前方多辆车速度差的多重向前看跟驰模型,利用线性稳定性分析给出交通流演化过程的稳定条件;数值模拟对比几种跟驰模型的稳定特性,考虑前方多辆车相对运动速度可避免出现负速度即车辆倒退的现象,并对车流有很好的致稳作用,得出车流越稳定、附加能耗越低的结论.     

基于最优加权法的改进交通流组合预测研究

分析了交通流由线性和非线性部分组成,使用ARIMA模型、指数平滑模型和灰色模型对线性部分进行预测,并且以预测误差平方和最小为准则确定这3个模型预测结果的最优加权系数,得到这3个模型的最优组合,最后对非线性残差部分使用支持向量机模型进行预测.通过实例分析发现,组合预测模型相比单个预测方法具有更高的精度,能够较准确地对交通流进行预测.     

驾驶员的驾驶特性对交通流的影响

在单车道元胞自动机交通流N S模型基础上,通过引入不同的刹车概率来反映不同驾驶员的驾驶特性,并在周期边界条件下,对由激进驾驶车辆和谨慎驾驶车辆构成的混合交通流进行模拟.结果表明,在有谨慎驾驶车辆构成的交通流的临界密度以前,混合交通流的流量完全由谨慎驾驶员的特性决定;在谨慎驾驶车辆交通流临界密度以后,混合交通流的流量介于只有激进驾驶车辆和只有谨慎驾驶车辆的流量之间,小于完全是谨慎驾驶车辆流量和完全是激进驾驶车辆流量的线性之和;激进驾驶车辆和谨慎驾驶车辆的混合比例及它们的刹车概率对混合交通流的临界密度和流量有很大的影响.