延迟概率和最大速度对交通流的影响

提出一种改进的单车道混合车辆元胞自动机交通流模型,考虑了车间距、车速对随机延迟概率的影响:当车速预期大于车间距时,其延迟概率较大;当车速预期等于车间距时,其相应的延迟概率较小;当车速预期小于车间距时,其具有的延迟概率最小.按此模型,通过计算机数值模拟,研究了具有不同最大行驶速度、不同随机延迟概率的车辆组成的混合交通流,得到的基本图在自由流区域出现跳变现象,在拥堵区域出现两个流量峰值,表明这是一种同步交通流现象.     

考虑车辆动力性能的跟驰模型

针对传统跟驰模型产生过大的加速度问题,采用可变的期望间距模型,并考虑车辆所允许的速度与加速度取值约束,建立了考虑车辆动力性能的微观跟驰模型,模拟加速度与速度、车间距的变化关系,并进行仿真分析。研究结果表明:加速度最大值取4 m/s2时,流量-密度曲线由线性区自由流和非线性区协同阻塞流组成;当加速度最大值为5 m/s2时,流量-密度曲线分成3段,分别是线性区自由流、非线性区协同阻塞流和交通量基本恒定的宽幅阻塞流;随着加速度的变大,流量-密度曲线由2相变成3相,且协同阻塞区变宽,交通流的稳定性变差;同Bando模型及多相模型相比,该模型能更好地反映交通流的实际特性。     

考虑时延的网联车混合交通流基本图模型

由于智能网联车的不断发展,未来将出现智能网联车和人工驾驶车共同存在的混合交通流,因此,研究道路上的混合交通有助于解决交通拥堵等问题,具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系,文中综合考虑智能网联车辆退化和车辆时延,建立了自动驾驶环境下混合交通流的基本图模型。首先,确定交通流中的车辆类型和不同类型车辆的比例,并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化;然后,确定3种车辆的延迟时间并改进每种车辆的跟驰模型;在此基础上,同时考虑车辆时延和车辆功能退化两种因素,推导出交通流平衡时的基本图模型,并对模型中的自由流速度参数进行敏感度分析。研究结果表明,智能网联车对混合交通流的最大流量和最佳密度有积极影响,车辆时延有消极影响,自由流速度则对混合交通流的最大流量有积极影响,对最佳密度有消极影响。SUMO仿真结果表明,在不同场景下仿真得到的流量–密度分布点符合理论曲线,验证了文中理论模型的准确性。     

不同车头间距下交通流的速度分布

在传统的交通流理论中,通常用确定性函数来描述交通流的速度-密度关系.但实际上,交通流存在着相当大的随机性和波动性:在一定局部密度的情况下,往往存在多种短时局部速度.为了能更加真实地描述速度和间距之间的关系,对NGSIM数据进行了研究和统计,对不同车头间距情况下的交通流速度分布建模.结果表明:当交通流密度较小时,速度分布...     

前车刹车状态对交通流的影响

在交通流BJH模型基础上,考虑前车刹车状态对车流行为的影响,提出改进后的交通流BJH模型．模拟结果表明,在道路车辆密集程度不太大时,前车减速刹车是时断时续的影响车流;当道路车辆密集时,密度超过转捩点密度时,平均车间距小于安全车距,驾驶员对前车刹车的行为将作出刹车反应,这样导致了交通阻塞．计算机数值模拟反映了接近实测的交通通行能力以及交通的崩溃．     

基于防御性驾驶的一维元胞自动机交通流模型

针对SDNaSch模型中车辆容易发生急刹车行为的不安全性问题,对前车停车之前的减速行为进行研究,提出了一种基于防御性驾驶的一维元胞自动机交通流模型.通过计算机数值模拟,得到了不同防御性减速概率下流量-密度关系,平均速度-密度关系,急刹车比例-密度关系与时空图,并对防御性驾驶模型的安全性与稳定性进行了分析.结果表明,DD模型提高了中高密度的流量,延缓了完全静止堵塞现象的发生,大大减少了运行车辆的急刹行为,提高了道路交通的稳定性与安全性.在中高密度区域,出现稳定均匀的同步流,同时发现与实测数据相符合的"速度跃迁"现象,与SDNaSch相比,能够更好地描述道路交通流的实际运行状态.     

基于跟驰理论的车速离散度定义及特性

基于车辆跟驰理论提出了能够反映交通流动态特性的车速离散度平均速差(ASD)的定义.应用统计学方法和交通流理论分析了新定义平均速差ASD与传统定义车速标准差SD之间的关系,发现自由流状态下车速离散度ASD的均值约为SD均值的1.13倍,拥挤状态下车速离散度ASD值小于SD值,并用实测交通流数据验证了理论分析结果.车速离散度与交通流密度相关关系的回归分析结果表明,与传统车速离散度定义SD相比,新定义ASD与交通流密度之间的负相关性更为显著.     

路段上车辆的进入和离去对交通流的影响

运用差分法对连续交通流模型进行求解,对数值解取不同的初始值,分别求出不同初始值时,路段上无车辆的进入和离去、只有车辆的进入和只有车辆的离去3种情况下的密度、速度及流量,并作出相应的k-t,u—t,q-t图。得出了当密度较小时,车辆的进入和离去对交通流的影响不大;当密度接近最佳密度时,车辆的进入会大大降低路段上的车流量,...     

快速路上匝道瓶颈路段异质交通流演变规律

为了掌握快速路瓶颈路段异质交通流的演变规律,以缓解交通拥堵,本文以快速路上匝道瓶颈路段为研究对象,构建了考虑安全距离的改进NaSch上匝道模型,利用数值仿真,对不同场景交通流演化过程进行系统性研究。仿真结果显示:在不同条件下,异质交通流中自动驾驶车辆比例的增加对瓶颈路段交通运营状态影响结果各异。在自由流阶段,自动驾驶车辆比例的增加对快速路瓶颈路段运营通行能力的增加无显著影响,自动驾驶车辆比例取0.9时,瓶颈路段运营通行能力反而降低了2.48%;在交通拥堵状态下,当异质交通流中自动驾驶车辆比例达到0.7及以上时,才有助于交通拥堵的消散,且其临界值随交通拥堵状态程度的提高而增大;当交通密度达到100 veh/km以上时,自动驾驶车辆比例的增加无法实质性改善瓶颈路段交通拥堵状态。研究结果可为异质交通流环境下的快速路上匝道瓶颈路段的治堵策略提供理论依据。     

提高安全性和交通流稳定性的车间距策略

提出了一种自治的自适应巡航控制(ACC)车辆的安全变时距(SVTG)车间距策略. 该策略利用ACC车辆的速度与最大减速度信息、SVTG车间距策略和相应的跟车控制律保证ACC车队的车辆安全性、单车稳定性、队列稳定性、交通流稳定性以及高的道路通行能力. SVTG车间距策略克服了固定时距(CTG)车间距策略的交通流不稳定以及变时距(VTG)车间距策略不安全的缺陷. 仿真结果表明SVTG车间距策略的性能优于其他两种车间距策略的性能.     

冰雪路面城市快速路跟驰模型研究

针对冰雪路面城市快速路的跟驰模型进行了研究。首先对两种常见的冰雪路面进行了交通调查。根据调查结果对不同冰雪路面城市快速路交通流的自由流速度、平均速度、速度分布,相邻跟驰车辆的车头时距、车头时距与相对速度的相互关系等微观特性进行统计分析,定量地研究不同冰雪路面形态对城市快速路跟驰行为的影响。其次,对不同类型的优化速度函数特征进行对比分析,依据Greenshields速度-密度关系建立期望车速模型,依据车辆不同跟驰状态建立冰雪路面最小安全距离模型,并由此构建冰雪路面优化速度模型。基于现有跟驰理论研究成果,以线性跟驰模型建模思想对全速度差模型进行改造,结合冰雪路面优化速度模型构建适用于冰雪路面的新跟驰模型。最后,利用实测数据对模型参数进行标定,并通过设计实验分析模型的稳定性、加速度非对称性。同时,利用调查数据对新模型和全速度差模型进行模拟分析,结果证明该模型更贴近冰雪路面城市快速路实际交通流,可以为冰雪路面下交通管理措施的制定提供理论支持。     

适用于山地城市的Logistics速度-密度模型

为了计算山地城市不同立交基本段的通行能力,明确交通速度-密度的量化关系,根据Logistics模型的数学描述与连续交通流的一般规律,推导了不同交通流参数间的关系,建立了基于Logistics的速度-密度关系模型,并根据重庆市不同立交基本段与交通环境下采集的连续交通流数据,对模型进行了验证与分析.结果表明:在山地城市的复杂道路环境下,本文模型对实际交通流数据拟合精度较高,且标定的参数基本合理;本文模型的表达式简单,且主要标定参数的物理意义相对明确;针对自由流状态的道路,模型仍可标定相对合理的参数;山地城市道路的最佳交通密度明显高于《道路通行能力手册》(High-way Capacity Manual)的建议值,均值为38.55 pcu/(km·ln).据上述建模结果可知,基于Logistics建立的模型能准确地描述山地城市的速度-密度关系,对于今后交通流研究而言,具有良好的借鉴意义.     

元胞自动机FI和NS交通流混合模型的研究

考虑车辆的驾驶员具有其不同的驾驶特点,建立了单车道开放边界条件下元胞自动机FI模型和NS模型混合的交通流模型．通过计算机模拟,研究了混合交通流的密度、速度和流量受边界、NS型车辆的随机减速概率PNS、FI型车辆的随机减速概率PFI和NS型车辆的产生概率α′的影响．结果表明,PNS和α′是决定混合交通流的主要因素,它们的值越大,混合交通流的密度、速度和流量就越小,混合模型的密度、速度和流量都比NS模型的大．     

山区高速公路紧急避险车道辅助车道设置

通过对8处紧急避险车道主线外侧车道车头时距的收集与分析,运用拟合分析和卡方检验,发现当外侧车道交通流小于500veh·h-1时,车头时距符合负指数分布.考虑主线外侧车道交通流量、失控车辆的速度与失控车辆汇入的临界间隙,应用微分法求导得到失控车辆汇入主线外侧车道的汇入概率模型.通过分析失控车辆汇入主线外侧车道的换车道驾驶行为,得到了不同路面状况下车辆汇入临界间隙.在保证失控车辆95%的汇入成功率条件下,计算不同路面状况、主线外侧交通流量与驶入速度下的辅助车道长度设置值.     

基于交通噪声分析的交通流状态识别方法

车辆行驶时的声音主要由发动机噪声、轮胎噪声、空气涡流噪声、排气噪声组成,多个车辆构成的交通噪声取决于道路的交通流状态.在分析现有交通状态识别方法和车辆声音特性的基础上提出了一种利用交通噪声的交通状态识别方法.按照车速将交通流分为自由流、饱和流和交通拥堵3种状态,对不同交通流状态下的交通噪声信号进行谱分析,以归一化的峰值频率作为特征,用支持向量机对不同的交通流状态进行识别.试验结果表明,通过交通噪声能够正确识别不同的交通流状态,具有较高的识别精度.     

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和Path实验室标定的自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度、流量、拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,当渗透率为40%～60%时,道路通行能力比纯人工驾驶车辆时提升14%～30%,当道路上全为智能网联车时,其通行能力约为纯人工驾驶车辆的1.9倍;同时在相同智能网联车渗透率下,道路通行能力随智能网联车辆期望车间时距减小而增大。     

城市快速路交通流特性分析

基于北京市二环微波检测器所获取的交通流数据,建立了快速路流量?速度和占有率关系模型,拟合得到交通流曲线,据此来研究交通流的运行特征?应用模糊c均值聚类得到自由流?拥挤流及阻塞流3种交通流状态划分结果,从而定量标定快速路上3种交通流状态的区域范围?通过对交通流基本参数时变特性?空间特性以及交通流状态分析,能够全面掌握快速路交通状况,为快速路交通管理提供指导?     

混合交通中自行车密度-速度关系

为研究中国城市混合交通流中自行车交通流特性,建立了混合交通基本路段的自行车密度-速度关系模型。采用视频拍摄、轨迹捕捉和坐标转换的技术方法获取混合交通基本路段上的运动车辆的轨迹数据。通过对轨迹数据的数据挖掘和回归分析,建立了混合交通条件下的自行车密度-速度关系模型。讨论的模型的适用性条件为:非拥挤情况下的稳定自行车流。自行车密度-速度关系的主要特点是随着自行车密度的增加,车速有上升趋势,这与机动车的密度-速度关系完全不同。     

混合交通中自行车密度-速度关系

为研究中国城市混合交通流中自行车交通流特性,建立了混合交通基本路段的自行车密度-速度关系模型。采用视频拍摄、轨迹捕捉和坐标转换的技术方法获取混合交通基本路段上的运动车辆的轨迹数据。通过对轨迹数据的数据挖掘和回归分析,建立了混合交通条件下的自行车密度-速度关系模型。讨论的模型的适用性条件为:非拥挤情况下的稳定自行车流。自行车密度-速度关系的主要特点是随着自行车密度的增加,车速有上升趋势,这点与机动车的密度-速度关系完全不同。     

基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.