国内典型大城市快速路交通流实测

通过拍摄中国几个典型大城市不同快速路段的交通流录像并进行＂车速-车头间距＂数据采集,建立了一个包含210920组交通流实测数据的大样本数据库,根据实测数据得到的平均车速随着车头间距的增大而增大,符合交通流的基本特征;从超车道到交换道,一般平均速度依次下降,但在出口匝道影响下会出现＂密度倒置＂现象,实测数据转换得到＂流量-密度＂基本图,存在整个密度变化范围里都呈现非线性特征的类型,在小间距数据中,发现存在超过7%的＂高速跟驰＂车辆.     

实测数据的城市快速路交通流加速度研究

为分析不同交通流密度下的车辆加速度变化规律,选取青岛市杭-鞍高架快速路为试验场地,利用视频检测技术采集试验路段不同点位的交通流样本,从视频中获取跟驰车队的车速、车头间距、速度差以及加速度等交通流数据。统计分析发现,加速度值域关于0点对称分布;不同交通流密度下加速度的分布具有各异性;车速、车头间距和速度差对加速度的影响程度随交通流密度的不同而不同。利用实测数据对加速度GM模型进行参数优化和拟合分析,结果验证了模型的合理性,样本平均拟合误差均小于5%。     

基于动力学理论的交通流微分方程

针对传统交通流微分方程在理论和实际应用中存在的问题,对交通压力进行了深入分析,指出交通压力是交通流与道路相互作用及交通流内部车辆间相互作用的共同结果;通过引入相对交通压力和相对动量概念,并根据动量定理思想,导出了基于动力学理论的交通流方程,获得了粘滞阻力项;考虑具体交通状况和条件,进而导出了格林希尔茨(Greenshields)方程和车辆跟驰模型。结果表明,基于动力学理论建立的交通流方程,基本概念物理意义明确,理论上具有较强的统一性和一致性。     

基于多国实测数据的跟驰模型对比

为了更精确描述车辆跟驰(CF)行为,并研究不同国家跟驰行为数据对跟驰标定模拟的影响,以及各跟驰模型对跟驰行为模拟的精确程度,选取中国西安市南二环某路段交通流CHD数据集、美国NGSIM数据集以及德国HighD数据集,针对Gazis-Herman-Rothery(GHR)模型、智能驾驶模型(IDM)以及最新被提出的S-shaped three-parameters(S3)跟驰模型进行模型标定以及误差分析,利用加速度、前后车速度差、前后车位置差和后车速度等数据作为输入参数,采用互相关分析与模拟退火相结合的方法进行数据拟合,并利用加速度、速度和位移的均方根误差(R_MSE)对参数拟合后的模型进行性能评价。研究结果表明：针对3个不同国家数据集中的跟驰行为,S3微观模型标定效果均表现最佳,3个数据集的R_MSE平均值均最小,且低于其他2种跟驰模型;德国HighD数据集总采集精度高、数据量大,因此无论采用何种CF模型进行标定,该数据集在跟驰行为标定方面的性能均表现最佳、误差最小。研究结果对交通仿真软件模拟交通流的车辆跟驰模型选取及其参数优化具有重要意义,且对...     

基于期望间距的加速度补偿跟驰模型与仿真

通过仿真手段说明了传统GM跟驰模型的缺陷,针对这一问题,结合驾驶员的安全意识和紧随心理,明确了跟驰过程中驾驶员期望的车头间距;提出基于期望间距的加速度补偿概念,并利用量纲分析法构造加速度补偿项函数形式,充分考虑最大加速度和速度等实际跟驰条件约束,建立了基于期望间距的加速度补偿改进跟驰模型.实例仿真表明,所建立的模型能很好地弥补传统GM模型的不足,与实际跟驰情况基本吻合.     

两条四车道城际高速公路交通流实测研究

改进了交通流视频检测方法,对G2京沪高速和G60沪昆高速交通流进行了实地拍摄、数据采集和分析.发现高货车比例的城际高速公路交通流与城市快速路存在不同的特征,客车与货车具有明显的分道行驶行为,速度概率分布呈现"双峰"特征.从远城段到近城段,货车的平均速度变化不大,客车则有明显的降速行为."速度-密度"、"流量-密度"关系都具有强非线性的特征,这种非线性在密度很低时就已出现.实测速度数据的算术平均值与"按帧平均速度"、时间平均车速及空间平均车速差异都很小,在工程计算中可以相互替代.采用本文的密度测量方法,能够准确计算流量,为视频检测方法的在线应用提供了可能.     

车辆跟驰模型的发展综述

对车辆跟驰理论进行概述,分析车辆在非自由状态行驶下的跟驰特性。跟驰模型在近70年的发展历程中,吸引了交通工程学、统计物理学、心理学等不同领域的专家参与研究,建模时考虑因素由单一到多元、由简单到复杂,随着模型的不断发展,逐渐贴合于实际交通状况;分析了刺激-反应类模型、安全距离Gipps模型、优化速度FVD模型、元胞自动机模型,重点剖析了四类模型的建模思路和改进过程,对经典跟驰模型进行总结对比;展望了跟驰模型未来发展的趋势,指出在无人驾驶和智能网联的大环境下,基于机器学习的安全跟驰状态辨识方法研究、基于机器学习的跟驰特性研究及基于多元信息融合的跟驰模型构建等将是未来的发展方向。     

基于最紧邻前车加速度信息的跟驰模型

为了提高车流的稳定性能,考虑最紧邻前车加速度信息的影响,在优化速度差模型(Optimal velocity difference,OVD)的基础上,引入参数p表示驾驶人对最紧邻车辆加速度信息的关注程度,提出了含加速度项的跟驰模型。通过线性稳定性分析,得到交通流的临界稳定判据。数值仿真表明新模型与OVD模型比较,通过调节参数p,可以避免在低敏感系数下OVD模型中负速度现象的出现,同时,加速度效应对车流致稳效果更加明显。因此,研究模型能更有效地增强车流稳定性能和更好地描述实际交通流现象,为多车协同驾驶策略提供了先导作用。     

基于多源数据融合的公交车辆跟驰模型

针对目前缺少公交车辆跟驰模型参数和单一数据采集方式无法获取完整车辆跟驰过程数据的问题,提出一种基于多源数据融合的公交车辆跟驰模型,采用实测数据进行参数标定和模型验证。通过移动GPS数据采集设备随车采集车辆的运动轨迹和无人机空中悬停俯拍采集公交车辆的停车间距,并进行数据融合处理得到完整过程的公交车辆跟驰行驶数据;通过引入均方误差指标来衡量实际测量值与模型仿真值之间的差异,将公交车辆跟驰模型的参数标定问题转化为一般优化求解问题;通过对实测数据进行统计分析,获取公交车辆的平均停车间距参数;采用粒子群优化算法对智能驾驶跟驰模型中的舒适制动减速度和加速度系数2个参数进行求解,得到模型的最优参数;将验证集中的实测数据与模型仿真值进行对比,对模型参数的效果进行验证,并以厦门快速公交走廊的车辆多编组运行控制为例,对跟驰模型的效果进行进一步的验证,其中头车采用速度优化模型进行控制,跟随车辆则采用上述标定的公交车辆跟驰模型进行控制。研究结果表明：公交车辆跟驰模型生成的数据曲线与实测数据曲线基本一致,跟随车辆与头车在路段上行驶和车辆进出站2个阶段的运动轨迹曲线基本一致,符合车辆跟驰模型的跟随性,进一步证明了...     

混有自适应巡航控制汽车的交通流通行能力分析

应用交通流基本图模型,研究不同自适应巡航控制(adaptive cruise control,ACC)汽车比例下混合交通流通行能力。针对现有ACC跟驰模型存在的不足,考虑车头间距-速度函数关系构建新的ACC跟驰模型,推导不同ACC比例下的混合交通流基本图模型,计算混合交通流的流量-密度解析曲线,分析ACC跟驰模型改进前后对混合交通流通行能力的影响作用,并针对性地进行参数敏感性分析。研究结果表明,改进后的ACC跟驰模型可克服原模型通行能力受限的缺陷,将常规驾驶交通流最大通行能力提升近2倍且不受道路最大限速值的影响。     

一种交通流状态分析模型

从经典的车辆跟驰模型出发，考虑车流的宏观特征，提出了可以定量描述路段交通流速度与密度关系的理论计算模型，经过与Del Castillo等提出的典型的平衡速度、密度关系图的对比，验证了该模型的正确性，与Blunden等提出的流量、行程时间关系模型进行比较，从理论上说明了该模型的优越性．提出了“交通流健康、不健康状态”的概念，并给出了定量的区分标准，进一步说明了该模型的理论意义和实用价值。     

城市快速路高阶流体模型实证研究

在回顾宏观流体模型的发展和分析宏观模型中的高阶流体模型的基础上，利用上海高架快速路实测交通数据，对快速路控制中常用的一种高阶流体模型进行了参数辨识和模型性能分析，验证了模型对于我国城市快速路的适用性；最后给出下一步研究的设想．研究结论可为我国城市快速路的规划、设计、运营和管理提供有力依据和数据支持．     

基于实测值的自适应算法在中厚板轧制中的应用

提出了一种应用于中厚板轧制的道次间自适应算法，该算法以实测数据为基础，通过实测轧制力与实际计算轧制力的比值决定轧制力模型学习量的大小，做到了真正意义上的以实测数据来校正模型，从而使设定的模型有较好的自学习功能，并在实际应用中表现出较好的学习效果。     

基于混沌理论的高速公路交通流预测研究

对衡枣高速公路短时交通流进行了混沌识别,结果表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的高速公路交通流神经网络模型,实际数据验证了该方法对短时交通流预测的有效性.     

基于改进混合高斯模型的交通流背景检测算法

针对交通流视频中道路背景像素较为统一的特点,提出一种基于时空信息的双混合高斯模型背景检测算法.该算法先构造像素时间域混合高斯模型进行时间域的检测,并采用双重阈值分别判断前景与背景.当某像素无法准确判断时,针对该像素邻域构造空间域混合高斯模型,以空间域的检测结果代替时间域的检测.通过不同的交通流视频中的测试和比较,验证了所提出的算法能有效地融合像素自身的时间信息与像素间的空间信息,提高了检测初始阶段的鲁棒性,同时有效地解决了出现停车现象时的误检测问题.     

城市交通网络面向对象的时空数据模型

引入面向对象时空数据模型 ,把各种实体作为对象 ,把道路作为面状要素描述。作为面状要素的道路对象直接继承原有道路的非空间特征 ,通过道路中心线对象和交点对象来继承原有线状要素的道路特征 ,包括网络关系 ,叠加关系等 ,通过车道段对象来增加作为面状要素的道路特征。     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同.本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数.根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据,进行了对个别路段的状态评估.实证分析结果表明:在交通流状态判别过程中,密度是最关键的参数:基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据.     

基于多源数据的交叉口分流向交通需求预测

对交通流进行科学预判是实施精细化智能管控的基础,为了解决目前方法对于过饱和状态下需求预测精度较低的问题,利用交叉口地磁和上游路段微波数据,结合Markov转移矩阵及加权移动平均法对交叉口内分方向的流向比例依照时间序列进行动态预测,由上游路段的车辆通过率获取交叉口内的交通需求,进而构建交叉口分方向流量动态预测模型。最后通过实测数据对模型进行验证,结果显示总平均误差为13.46%,比使用传统预测模型的预测误差减少了4.13%,尤其是过饱和状态下的预测误差减少5.81%,有效提升了过饱和状态下的交通需求预测精度,这对于城市交叉口过饱和状态下的分流向交通组织及控制具有重要意义。     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

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.