路段多车型混合车流通行能力

利用概率论方法,通过对由多种车型构成的混合车流不同跟驰序列,不同组合概率的研究,得到了跟驰车头时距路段多车型混合车流通行能力模型.基于经典车头间距模型,通过对混合车流不同跟驰序列下最小车头间距的研究,得到了多车型混合车流的组合车头间距,进而得到了跟驰车头间距路段多车型混合车流通行能力模型.推广了由大、小2种车型构成的混合车流的通行能力模型.研究表明,路段多车型混合车流通行能力不仅与反应时间、车辆速度、车辆长度、制动性能等有关,还与混合车流的车辆组成状况及跟驰序列相关.最后实例分析了不同小型车混入率情况下路段通行能力的变化状况.     

基于跟弛模型的多车型混合车流道路通行能力

针对多车型混合车流条件下道路通行能力问题,以跟弛理论为基础,通过对大、中、小3种车型的不同组合概率及不同跟弛序列下最小车头时距的研究,得到了多车型混合车流条件下跟弛平均车头时距通行能力模型。进一步通过对3种车型不同组合下的跟弛状态、平均车头间距及三参数之间的关系,建立了多车型混合车流条件下跟弛平均车头间距通行能力模型,探讨了多车型混合车流条件下车道宽度、自行车和交叉口因素对理论通行能力的影响及修正。最后通过实例计算分析了不同小型车比例下混合车流的通行能力变化趋势,得出车型比例是影响混合车流道路通行能力的重要因素。同时论证了两个模型对多车型混合车流道路通行能力的实用性和一致性。     

路段混合车流通行能力分析

分别从时间、空间以及时空综合角度,对以大车、小车两种代表车型组成的混合车流进行分析;建立了路段混合车流通行能力模型——跟驰车头时间间隙模型、跟驰车头空间间隙模型及动态时空消耗模型;分析了模型间关系,得出三者一致性。     

重载公路信号交叉口车辆跟驰特性及折算系数

为研究重载公路信号交叉口处不同车型车辆跟驰行为的差异,调查获取自然驾驶条件下某重载公路信号交叉口通行车辆的跟驰数据,分析各车型车辆的跟驰特性。结果显示：绿灯启亮后,重载公路信号交叉口的车辆加速非常缓慢,车流长期处于加速阶段,几乎无法在绿灯期间达到稳定车速;此外,在跟驰过程中,车辆车间时距随车型变化差异显著,随车速变化差异不明显。基于以上发现,并考虑不同运行阶段车流运行特性的差异,分别对容量计算法和车头时距法进行改进,利用实测数据计算得出重载公路信号交叉口加速阶段和稳定阶段的车辆折算系数。     

公路无控交叉口混合车流的通行能力

文中以可接受间隙理论为基础 ,利用概率论和排队论的方法 ,对由r种车型组成的混合车流进行分析 建立了无信号交叉口主车流服从二阶Erlang分布下的支路多车型混合车流的通行能力模型 ,发展了无信号交叉口的混合车流通行能力理论 ,为现代化的公路交通管理提供了理论依据     

公路无控交叉口混合车流的通行能力

文中以可接受间隙理论为基础，利用概率论和排队论的方法，对由r种车型组成的混合车流进行分析，建立了无信号交叉口主车流服从二阶Erlang分布下的支路多车型混合车流的通行能力模型，发展了无信号交叉口的混合车流通行能力理论，为现代化的公路交通管理提供了理论依据。     

基于时间安全余量的跟驰模型

为了能够找到CA跟驰模型无法对道路的通行能力进行准确分析的原因,并对之进行改进,分别从时间安全余量和空间安全余量的角度对CA跟驰模型进行了分析。结果表明:由于传统CA模型的跟驰间距是在临界跟驰间距的基础上添加一个空间安全余量,因此在车辆低速时,CA模型推出的跟驰间距会大于现实数据,而在车辆高速时,CA模型推出的跟驰间距又会小于现实数据,从而导致CA模型在分析交通通行能力时不准确;而将模型的安全余量加在时间上,则可以在车辆中、低速条件下有效地克服传统CA模型的不足之处,其仿真数据与实地采集的数据,在车流速度不超过60 km/h时有较好的吻合度。     

多转向多车型车流通过主路的通行能力

以可接受间隙理论为基础，利用概率论的方法，对由直行车、左转车和右转车共同组成的多种车型混合车流进行分析，建立了无信号交叉口支路混合车流不同转向且服从M3分布的通行能力模型，推广了无信号交叉口单一车型、直行车流理想条件的通行能力模型．     

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。     

利用跟驰理论研究单向交通路段基本通行能力

通行能力是指道路设施所能承载交通流的能力。城市道路通行能力的研究对道路服务水平的确定、城市道路的交通管理和控制等方面起着重要的作用。本文在道路通行能力基本概念的基础上,以跟驰理论为基础,研究了单向交通路段基本通行能力(即理论通行能力),并推导出了单向交通路段基本通行能力的计算公式。     

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。     

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。     

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.     

改进的元胞自动机交通流模型

在Nagel-Schreckenberg模型(简称NS)的基础上,提出一种可应用智能交通系统(ITS)信息的新的交通流元胞自动机模型。其中考虑了有效间距及刹车灯的作用,并引入了可变安全间距的新概念。数值模拟表明:对于这种改进的ITS元胞自动机模型,道路交通量有了显著提高,体现了智能交通的优越性———有效地扩大交通流量,减少阻塞生成。当考虑快车和慢车的混合交通流时,发现即使少量的慢车也会导致交通流量大幅度下降,说明了严格实施快慢道行驶的必要性。     

ARIMA模型结合小波去噪的贵阳城市交通流预测

由于交通流量具有非线性和强干扰性的特征,在不同的时频域空间具有不同的特性;本文首先应用小波分析的方法,将含有综合信息的一组原始交通流信号分解为多组特征不同的时间序列信号,再利用ARIMA模型良好的线性拟合能力,将经过小波分析的时间信号通过ARIMA模型进行处理.利用Matlab和SPSS,对实测交通流数据进行了验证分析...     

Modeling Mixed Traffic Flow at Crosswalks in Micro-Simulations Using Cellular Automata

The cellular automata (CA) micro-simulation model was used to describe the behavior of the mixed traffic flows at crosswalks where the pedestrians compete with the vehicles to cross the roadway. The focus of this paper is the behavior of pedestrians and the influence of pedestrians’ behavior on the vehicle flow, pedestrian flows, and the vehicle waiting time. The proportion of pedestrians who do not obey traffic laws, the group effect, and expected waiting time of pedestrians, regarded as the most important pedestrian characteristics, are taken into consideration in the analysis. Simulation results show the ability of the micro-simulation to capture the most important features of mixed traffic flow.