城市道路交叉口混合交通流机动车与非机动车冲突概率

为了量化城市道路交叉口机动车与非机动车交通冲突,建立了二者之间的冲突概率模型.分析了机动车与非机动车发生交通冲突的条件:非机动车占用冲突区的时段内有机动车到达冲突区;到达冲突区的机动车提供的车头时距不大于非机动车穿越机动车的临界间隙.选取机动车车头时距到达分布、非机动车穿越机动车临界间隙及非机动车占用冲突区域时长作为影响机非冲突概率的3个关键参数,基于大量调查数据建立各参数的数学模型以及机非冲突概率模型,通过具体实例求得机非冲突概率具体数值.结果表明,随着非机动车流量的增加,机非冲突概率呈上升的趋势.计算符合交通流运行的实际状态.     

基于校内混合流的无信号交叉口交通严重性分析

为探究校内交通混合流的无信号交叉口危险性及交通参与者的过街风险,连续采集天津理工大学不同时段的视频数据,分别提取机动车、非机动车和行人三者的流量、位置及后侵占时间(post encroachment time, PET)等信息。区分高低流量时段后,对不同流量时段的各种类型车辆与行人的通行时间、冲突率以及侵占率进行分析,进而对其整体危险性进行排序。结果表明：校内机动车对行人流量及速度的敏感程度要高于其他参与者;平峰期较高峰期而言,整体冲突率大幅减少,但升级为严重冲突的概率有所增加。且校内流量高峰期危险性最大的是电动车,其次是机动车;平峰期危险性最大的是机动车,其次是电动车。     

基于交叉口处机动车交通行为概率的延误模型

通过分析信号控制交叉口处机动车的交通行为,利用交叉口的信号周期、有效绿灯时间,求得各种交通行为的概率和平均延误时间,提出一种基于分析各种交通行为概率的交通延误的模型。以石家庄市中山东路与建设南大街交叉口为例,采用Beckham模型对其进行交通流延误的计算。经过对结果的对比,误差为2%,在规定的误差范围内,说明基于分析交通行为概率的延误模型可以为计算交叉口处车辆的平均延误提供一种估计方法,并且求得的平均延误也可以作为评价交叉口服务水平的指标之一。     

信号交叉口行人与自行车的等待忍耐行为分析

为了探究行人与自行车骑行者信号交叉口穿越行为的差异,本文运用生存分析方法比较了行人与自行车等待忍耐时间分布及其等待行为影响因素的异同。选取北京典型交叉口通过视频获取了1 595个行为数据,运用生存分析的乘积极限法和Cox比例风险模型分别比较了行人与自行车的等待忍耐时间分布差异以及等待行为的影响因素差异。结果表明整体上行人与自行车的等待忍耐时间分布无显著差异,但等待行为的影响因素及其影响程度上存在一定差异。自行车对等待位置和到达时正在违规的人数反应更敏感,行人对到达时正在等待的人数和机动车流量的反应更敏感。     

基于冲突技术法的无控制交叉口通行能力

为了获得混合交通流条件下无控制交叉口的通行能力,采用冲突技术法进行分析.通过对典型无控制交叉口的实际调查和观测,基于冲突理论,综合考虑各向交通流的相互影响,分别建立了各向机动车流、行人流和非机动车流的通行能力计算模型.在模型中引入冲突系数反映各向交通流之间的优先关系,利用修正冲突系数反映交通流的实际观测优先级和优先程度,并对模型中的行人流和非机动车流进行了组团计算,进一步对无控制交叉口共用车道和拓宽路口的通行能力进行了计算.最后根据实际观测给出模型参数标定基本值,并对模型参数进行了修正.     

信号交叉口灯组自主优化控制方法

为了进一步提高城市交叉口交通信号控制的灵活性,满足车辆及行人随机到达条件下的精细化控制需求,文章提出一种交叉口逻辑灯组自主优化控制方法。该方法通过建立交通流向排队延误模型,以交叉口各方向交通流排队延误作为优化指标,以交通流对应的信号灯组作为最小控制单元,根据实时检测的各个交通流向的交通流量和排队延误计算结果,自组织优化由不同交通流构成的信号灯组组合相位及其绿灯时间,进而依据绿灯间隔冲突矩阵动态执行信号灯组的实时优化控制。以合肥市一个实际交叉口为例进行试验研究,试验结果表明文中方法的延误时间、停车次数比定时控制和感应控制均有大幅度的降低,可有效提高绿灯的利用率。     

考虑关联交叉口排队长度的干线协调相位差模型

为减少干线车辆延误与停车次数,将干线相邻交通信号连接起来进行协调控制。基于相邻交叉口交通流的到达特性,分析干线协调控制的内在机理。依据车流到达类型,将车队头车绿灯到达情况下的交叉口延误分为车队尾部受阻与车队不受阻两种类型。分析关联交叉口的排队特性,将排队长度引入延误计算过程,建立了四种干线协调控制相位差模型。选取青岛市珠江路干线五个相邻信号交叉口进行模型验证,得出相邻交叉口相位差与延误的相关关系,确定了使车辆延误最小的相位差。结果表明,基于排队特性的相位差模型在干线协调控制中具有一定的可行性与实用性。     

周期与流量对交叉口排放和延误的影响

考虑车辆到达类型(可表征交叉口信号联动质量),基于交通波理论重构交叉口车辆运行轨迹,进而应用机动车比功率模型(VSP)开发了信号控制交叉口排放估计算法,并结合HCM 2010延误模型,分析了不同到达类型下信号周期和流量对交叉口排放及延误的影响及排放和延误的博弈关系.结果表明,在相同条件下,交叉口联动质量越好,交叉口车均排放和延误越小;周期增大,车均排放减小,延误先减小后增大,其中,交叉口联动质量越好,基于延误最小的最优周期越大;车均排放对流量的变化较不敏感,而延误受流量影响较大.     

信号控制交叉口周期时长多目标优化模型及求解

从城市交通控制目标多样性的本质出发,考虑机动车时间效益、行人时间效益及环境效益,建立以机动车、行人流量为输入,机动车延误最小、行人延误最小及机动车停车率最小为目标的信号控制交叉口周期时长多目标优化模型,简称MOCLO模型.并应用多目标连续蚁群优化算法求解.算例的求解结果显示,连续蚁群优化算法能够均匀地逼近MOCLO模型的Pareto最优前沿的各部分;与F-B方法、ARRB方法相比,MOCLO模型对周期时长的优化结果在机动车时间效益、行人时间效益及环境效益三方面的综合性指标较好;MOCLO模型可提供多个不同特性周期时长以满足不同交通状态的需求.     

车联网环境下的动态异质交通流车队离散模型

传统的异质交通流车队离散模型参数估计基于历史数据,不能很好地反映交通流的动态变化特征.为解决这一问题,构建车联网环境下的动态异质交通流车队离散模型.首先,考虑到车联网环境下,车辆行程时间数据易于获得,可对模型的分布参数进行动态估计;然后,基于动态分布参数,构建动态异质交通流车队模型;最后,通过实测数据分析下游交叉口到达流量分布与上游交叉口离去流量分布之间的关系.结果表明:与经典的Robertson车队离散模型相比,动态异质交通流车队离散模型对下游交叉口的到达车辆流量分布预测效果更好,平均预测均方根误差可减少26.51%.     

典型信号控制交叉口左转电动自行车通行空间交通特性研究及宽容设计方法

研究了典型信号控制交叉口左转电动自行车通行空间的交通特性,设计了左转电动自行车在典型信号控制交叉口通行空间交通特性的数据采集方案,系统地分析了典型信号控制交叉口左转同向并行电动自行车横向间距、左转对向电动自行车避让行为特性,得出如下结论:(1)电动自行车在典型信号交叉口左转时,在同一行车速度同一累计频率下,同一进口道左转同向电动自行车与机动车之间的横向距离要大于不同进口道同向左转电动自行车之间的横向间距;(2)当单位时间电动自行车流量≤0.52辆/s时,单位时间电动自行车流量与左转相位下避让行为个数大致呈线性正相关关系;当单位时间电动自行车流量0.52辆/s时,左转电动车相对会选择跟随并匀速行驶;(3)同向左转电动车的速度大多分布在0～9 m/s。     

无信号交叉口直行电动自行车合流区避让模型研究

无信号交叉口电动自行车合流区违规行为是交叉口电动自行车交通事故的关键成因之一。为减少无信号交叉口电动自行车交通事故,构建了基于元胞自动机的无信号交叉口电动自行车合流区避让模型,并借助MATLAB软件,采用固定变量法仿真研究合流区车辆避让比例对直行电动自行车交通流的影响。仿真结果表明:当直行电动自行车车流的平均密度小于0.23辆/m~2时,其速度变化平缓,此时如果左转电动自行车比例增多,则其速度降低明显;当直行电动自行车车流平均密度大于0.23辆/m~2时,直行电动自行车间可利用间隙和自由行驶的空间越来越小,导致其跟随、加减速等情况越来越多,运行速度逐渐减小。     

平交口右转机动车穿越直行自行车行为研究

平面交叉口的机动车与非机动车的干扰主要由于机动车与自行车之间的相互穿越行为引起的.本文以其中的右转机动车穿越相邻车道直行自行车的行为为例,应用统计学方法,分析了机动车穿越前自身的速度,机动车进入干扰区时,干扰区内自行车的数量,自行车提供机动车穿越的间隙和后辆自行车的速度等相关影响因素.并在此基础上,应用logistic回归模型,建立了机动车穿越自行车的行为决策模型,经实测数据检验和验证,模型拟合度和预测精度良好.     

电动自行车路段横向驾驶行为特性研究

基于录像数据采集方法与电动自行车运行轨迹提取方法,依托实际采集数据分别对电动自行车横向位置分布规律、电动自行车与机动车横向干扰、无机非隔离路段电动自行车越线行为3方面展开较为系统的数据分析。研究表明:在没有机非分隔带而仅是存在机非分隔线情况下,电动自行车均存在超越机非分隔线进行越线行驶的现象;路内停车的存在会导致电动自行车越线行驶比例增加,进而对电动自行车行车安全构成一定威胁。     

Bicycle Conversion Factor Calibration at Two-Phase Intersections in Mixed Traffic Flow

Chinese traffic is typically composed of bicycles and motor vehicles on the same road. The efficiency of bicycle traffic in time and space at intersections was investigated for eight typical intersections in the cities of Tianjin, Shenyang, and Changchun, all in China, by means of video recording. Models were developed to calculate the through bicycle traffic and the left-turn bicycle traffic conversion factors in intersections where bicycles and motor vehicles share the same road. The results indicate that the through bicycle conversion factor is 0.28 and the left-turn bicycle conversion factor is 0.33. This conclusion differs from the current value used in China. More research on the conversion factor is necessary to evaluate the impact of intersections.     

左转自行车对直行机动车通行的影响分析模型

首先分析了四路平面信号交叉口的交通流冲突,并应用穿越间隙理论,通过实际观测数据得到了左转自行车穿越直行机动车辆的概率分布模型,推导了左转自行车在一个信号周期内穿越直行车流的车辆数计算公式,以及左转自行车在一个信号周期内由于不能穿越直行车流而继续等待下次绿灯时间通过的滞留的车辆数计算公式．通过定量分析,最后得到了左转自行车对直行机动车的影响分析模型,为设置非机动车专用信号相位提供了理论依据．该研究为信号交叉口的信号设计,特别是非机动车专用信号相位的设置、分析和研究提供了新思路和新方法．     

无交通信号路口行人过街的人车交互过程研究

自动驾驶汽车要进入人车混行的无交通信号路口,需确保与行人之间的交互安全,为解决这一问题,现以非自动驾驶汽车为研究对象,探索其与行人在无交通信号路口的交互过程。本文选取北京市内两处无交通信号灯的路口作为研究场景进行长期拍摄,基于视频数据从中提取行人的个体属性变量、行人的穿越行为变量、车辆的穿越行为变量以及间隙数据,将行人的过街行为分为穿越前、中两个阶段进行研究。结果表明,穿越阶段对行人的穿越时间具有显著性影响,穿越路口对行人的穿越时间不具有显著性影响。对于穿越前的等待时间,在有右转车道下对其具有影响的因素有行人的拒绝车辆个数和来自方向,在无右转车道下对其具有影响的因素有行人的拒绝车辆个数和起始位置。对于穿越中的穿越时间,在有无右转车道下对其具有影响的因素均为穿越人数和车辆1的行为。今后自动驾驶汽车行驶到无交通信号路口时,可以通过此结果去识别行人,并判断出行人的穿越时间,以便及时做出相应的措施。     

非机动车干扰下信号交叉口的通行能力计算

为了探究城市信号交叉口非机动车干扰机动车行驶的问题,通过调查分析各进口道机动车运行特性,对直行和直左的进口道机动车饱和车头时距及通行能力计算方法进行研究。首先,从进口道停车线出现4种不同跟驰模型的概率出发,构建车辆起始阶段混合车头时距模型,结合实际数据得到车头时距的修正系数;然后,分析采集数据得到非机动车数量对驶入信号交叉口的机动车混合车头时距的影响,采用回归分析法构建对应的特征模型;最后结合交叉口实际信号灯时间计算通行能力。研究结果表明：所采用的通行能力计算方法与实测值的误差更小,较《城市道路设计规范》法及HCM(highway capacity manual)通行能力计算法的误差更低,提高了信号交叉口通行能力计算结果的精准度。     

Bicycle Conversion Factor Calibration at Two-Phase Intersections in Mixed Traffic Flows

Chinese traffic is typically composed of bicycles and motor vehicles on the same road. The effi-ciency of bicycle traffic in time and space at intersections was investigated for eight typical intersections in the cities of Tianjin, Shenyang, and Changchun, all in China, by means of video recording. Models were de-veloped to calculate the through bicycle traffic and the left-turn bicycle traffic conversion factors in intersec-tions where bicycles and motor vehicles share the same road. The results indicate that the through bicycle conversion factor is 0.28 and the left-turn bicycle conversion factor is 0.33. This conclusion differs from the current value used in China. More research on the conversion factor is necessary to evaluate the impact of intersections.     

公交站点区域行人与非机动车交互行为建模与仿真

为研究公交站点区域行人和非机动车的冲突行为,在元胞自动机模型的基础上,首先,考虑激进型行人和混合非机动车流,通过行人穿越决策规则和非机动车避让规则耦合行人运动模型和非机动车运动模型,采用双向行人Blue模型模拟进出站行人的运动行为,采用改进的NaSch模型模拟非机动车的运动行为,建立公交站点区域行人与非机动车交互模型。然后,在北京市西单商场公交站B站台开展观测实验,微观层面展现行人和非机动车之间的交互作用,分析在不同流量构成下二者冲突演化规律以及进出站行人到达率、非机动车到达率对延误和冲突数的影响。研究结果表明,非机动车堵塞多发生在非机动车与行人刚开始的交互处,并向来车方向延伸。与进出站行人到达率相比,行人和非机动车延误受非机动车到达率影响更显著;在进出站行人比例为0.5时,行人和非机动车延误达到峰值;进站行人比例为1时,行人和非机动车延误比出站行人比例为1时延误小;在行人到达率一定时,冲突数随着非机动车达到率的增大而增加,当行人到达率较小时,冲突数呈缓慢地增长趋势,随着行人到达率的增大,冲突数增长率呈现先增大后减小的趋势。