交通信号的一种控制模型研究

针对智能交通系统基础理论之一的路口交通信号控制问题，以典型“＋”字路口为例，提出了更能概括路口多入多出情况的交通信号矩阵控制模型，该模型能反映交通信号的各种实际控制策略，模型参量具有明确的实际意义。在此模型基础上，分析了路口车辆流入量与流出量、车辆流出量与交通信号控制的关系，在避免路口发生碰撞的前提下，得到了路口的优化控制方案。     

路口车辆冲突与碰撞的安全边界条件模型

为降低路口区域交通事故率,研究路口车辆冲突与碰撞的安全边界条件模型.采用路口碰撞场景中的车辆碰撞剩余时间(TTC)和预估通行侵入区域时间差(EPET)2个动态特性参数,基于危险等级评价指标和逻辑回归方法,构建路口安全边界条件模型,基于中国实地运行试验数据库(China-FOT)和中国交通事故深入研究数据库(CIDAS)的相关数据确定了2种路口场景的安全边界条件.利用PreScan、CarSim和Simulink进行仿真实验,对所建立模型进行验证,结果表明,模型确定的安全边界条件对2种路口场景的交通事故率分别降低了94%和86%,表明本文模型是有效的.     

拓宽交叉口平均延误计算方法研究

文中详细分析了拓宽路口的车辆驶出率,应用路口拓宽条件下车辆累计到达—离开图给出了拓宽交叉口的均匀延误计算公式,对传统的溢流延误模型进行了修正,进而提出了拓宽交叉口平均延误的计算模型。     

区域交通状态分析的时空分层模型

为了解决区域交通状态分析问题,提出了一种区域交通状态时空分层模型及其建立方法。根据区域交通状态分析需求,设定交通拥堵的不同截值,把路口状态划分为不同层次,建立了时空分层模型。该模型含盖了交通网络的微观、中观和宏观交通参数,包含交通网络时空信息和交通状态信息,得到路口可达性和路段连通性的分析结果,解决了目前区域交通状态自动分析中模型建立问题。仿真结果表明:分层模型能够把路网中不同交通状态的路口分离为具有不同可达性的层次,能够从中分析出路口可达性、路段连通性和路网交通状态的变化,并能够直接表示时空状态信息。该建模方法和分析方法可以直接用于交通状态的自动分析中,所提出分层模型也可用到交通诱导和交通控制中。     

基于势场理论的路口区域车辆群体安全模型

群体安全是车路协同环境下智能网联汽车研究的重要组成部分。在具有强结构和弱规则特性的路口区域,车辆行驶的群体安全表征可以提高路口区域安全性。首先,基于势场理论构建车辆势能场模型,通过边界势能、车辆势能、速度势能对单一车辆行为进行安全泛化表征;然后,通过势能场密度等高线分布特性构建群体车辆安全特征参数和边界范围;最后,采用自然驾驶数据进行虚拟仿真,结果显示,路口区域直行、左转、右转等场景下的车辆群体安全势能阈值为2 500,并且安全势能周期性变化规律与交通信号相位变化规律一致,表明所建模型可以准确表征路口区域群体车辆的行为和安全状态,从而验证了路口区域车辆群体安全模型的正确性与有效性。     

基于双路口划分的城市绿波模糊控制方法

用模糊控制方法设计城市交通绿波协调控制方法。将多路口的绿波带划分为若干个协调控制相位差优化双路口子系统,子系统内路口间的相位差需要两个路口的交通参数确定,各个路口的各相位绿灯时长由各自的绿灯时长模糊控制快完成。通过子系统的逐级串联,完成整个绿波干线上的相位差计算。该方法避免建立绿波带内各路口的综合模型,减少了模糊规则和计算量,同时减少了多个路口控制机之间的数据交换。在VISSIM仿真中将相位差优化模糊块嵌入到干线绿波方向绿灯时长模糊控制块中实现。以延误时间和停车次数作为评价指标,实现城市干线上绿波协调控制的优化配置。     

基于Fuzzy推理的路口微观跟车建模与仿真

微观仿真是研究车辆跟车行为的有效手段,而路口交通由于受冲突交通流及信号灯作用的影响,有着不同于路段的车辆跟车行为。在研究了路口跟车模型各个模块的模糊（Fuzzy）假言推理建模方法的同时,给出了其详细的仿真实现步骤。仿真效果证明了该模型与实际跟车行为的相似性。     

城市平面交叉路口微观仿真软件设计

为再现城市平面交叉路口的交通流,建立一种基于细胞方法的交通仿真模型,提出根据优先级进行加速和减速操作的改进模型,实现城市平面十字交叉路口的微观仿真.实验证明,微观仿真能较好地再现城市平面交叉路口的交通状况.     

罪犯围捕中的数学方法

本文在图论的基础上建立了围捕犯罪嫌疑人的模型,该模型分为三个子模型：“封锁可行性模型”,“选窜分层模型”和“交巡警分配模型”。“封锁可行性模型”可以确定包围圈,但是会产生封锁盲点（巡警无法封锁的路口,形成包围圈的漏洞）和封锁重复点（多个巡警封锁同一个路口,造成警力浪费及其它不良影响）。“逃窜分层模型”可以消除封锁盲点,彻底封锁逃逸线路：“交巡警分配模型”可以消除封锁重复点,解决警力资源浪费等缺点。     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。     

微观车辆仿真模型分类对比研究

车辆跟驰模型是微观交通流仿真的一个基本模型，它是构成许多重要研究领域的基石．把车辆跟驰模型分为基于交通工程的跟驰模型和基于交通心理学的跟驰模型以及基于二结合观点的跟驰模型．从交通工程、交通心理学及二相结合的角度对几个常见的车辆跟驰模型进行了比较研究，介绍了各车辆跟驰模型的建模原理以及它们各自的特点，重点阐述了它们在微观交通模拟中的应用．     

基于AR模型的话务自学习研究与应用

本文通过对AR模型的研究,提出了一种基于AR模型的话务自学习模型。通过对话务数据进行平稳化差分处理,得到话务数据的模型,并对未来的话务数据进行预测。仿真结果表明,建立的话务自学习的AR模型和实际的话务数据有很高的一致性,且仿真速度快,适合在实际的工作中应用。     

HTTP业务模型的仿真研究

选择准确的流量模型是进行网络研究的基础。针对IEEE802.16m Evaluation Methodology Document中提出的HTTP/1.1流量模型的最新版本,对HTTP流量模型的主要参数进行了评估和验证。详细描述了模型的业务实现过程。最后运用NS2网络仿真平台对实现的HTTP流量模型进行了流量测试和实现。测试结果表明:最新的HTTP/1.1的流量模型并不能完全拟合实际网络中的HTTP流量,流量模型还需进一步改进。     

交通瓶颈处局域密度时间序列的长程相关性

【目的】为研究交通相的相关特性,对交通瓶颈处的交通数据作长程相关性分析。【方法】利用元胞自动机建立含有局部缩减道路的三相交通流KKW模型,对交通瓶颈处3个交通相的流量、速度及密度的时间序列进行研究:分别应用R/S分析方法和去趋势涨落分析(DFA)方法对交通瓶颈附近局域密度的时间序列作长程相关性分析,并与交通流元胞自动机NaSch模型的长程相关性分析结果进行比较。【结果】交通同步流的局域密度具有长程相关性,在自由流和宽运动堵塞时对应的局域密度时间序列具有长程反相关。而NaSch模型模拟的局域密度序列无论是自由流还是交通拥堵都呈现长程反相关。【结论】交通瓶颈处呈现交通同步流,且交通同步流具有长程相关性。     

空中交通网络流系统拥堵程度评估

为解决日益严重的空中交通拥挤和拥堵问题,提出从空中交通流的角度出发,区分界定空中交通拥挤和拥堵,并建立拥堵程度评估模型来评估空中交通网络的拥堵程度。空中交通拥堵发生时可将系统划分为非延误部分和延误部分,建立拥挤程度评估模型评估空中交通网络的拥挤程度,建立延误程度评估模型评估空中交通网络延误程度,对两个部分分别赋予不同权重建立空中交通网络拥堵程度模型。最后采用某大型机场发生的某次空中交通拥堵作为算例数据,结果证明了模型是可行的。     

基于小波分析和ARIMA模型的交通流预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;采用综合自回归移动平均(ARIMA)时间序列模型对交通流进行预测;并对实测交通数据进行验证分析.结果表明,该方法具有较高的预测精度,可用于交通流的实时动态预测.     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

ITS中基于模糊积分信息融合理论的仿真算法研究

交通仿真是ITS的重要实验研究手段。传统的微观交通仿真模型,特别是反映交通决策行为的车辆跟驰模型,未能综合考虑交通环境中多源信息的有效融合。利用模糊积分理论确定驾驶员信息融合后对车辆应采取的反应行为。通过模型验证表明:在车辆跟驰模型实施之前,利用模糊积分算法模型化驾驶员在多源信息融合条件下的反应过程是行之有效的。     

基于车辆跟驰理论的交通流动力学模型与数值仿真

为改进交通流模拟,提出了微观与宏观统一的交通流动力学模型.从微观的车辆跟驰模型出发,假设路段单元体中的车流为整体,且单元体的运动遵守拉格朗日坐标系下的车辆跟驰运动模型,那么该模型在变换为欧拉坐标后,与流量方程结合,推导出宏观的交通流动力学模型.模型分析和数值仿真表明该模型能够良好地模拟交通流的堵塞和疏导等现象.     

分布式互联网流量监测模型的研究与实现

根据流量监测的数据特征，将流量数据划分为3类数据集，采用层次技术和分布式技术设计了一个可扩展的流量监测模型，该模型在结构和功能上把流量监测系统分为3部分，繁重的数据分析和数据表示可以从关键设备处分离出来，降低了监测系统在关键设备处的资源消耗，通过海量信息系统测量平台的实现表明，该模型能有效地实现大规模互联网的流量监测。