基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

高速公路网的匝道协调控制及仿真研究

基于动态交通流模型和匝道入口处的车辆排队模型,分析了匝道协调控制在提高高速公路路网运行效率中的作用.针对交通流模型的非线性,提出了使用遗传算法对路网匝道调节率进行优化,并且证明了匝道优化可以有效处理偶发性拥挤,快速恢复交通流的运行,减少路网的总行程时间.利用全局交通流数据的实时优化,获得系统全局最优控制,提高高速公路的运行效率.对高速公路网的仿真计算表明匝道协调控制能够有效处理偶发性拥挤,并能大大减少路网总行程时间.     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

交通仿真系统中车辆出发时间分布模式研究

对于交通仿真系统尤其是实时交通仿真系统而言,仅在具有准确的动态OD矩阵输入,并且每个动态OD流量中车辆出发时间间隔的分布模式有可靠估计的前提下,这些系统才可能准确地复现实际的交通状态.迄今尚不存在任何针对车辆出发时间分布模式的研究.将动态OD估计的每个时段细分为若干更小的等长度时间间隔,采用“直方图”逼近动态OD流量沿着这些子时段变化的轨迹,以便更准确地刻画车辆出发时间的分布模式；建立了OD流量在每个子时段内的分配比例的参数估计模型,并采用高效率的同步扰动随机近似(SPSA)算法对估计模型进行优化求解.针对美国加州I805号高速公路上一段拥挤的网络进行测试,表明本文的方法是十分有效和高效率的.     

停车换乘方式下准动态行程时间可靠性计算模型

目前大多数行程时间可靠性计算模型均未考虑例如停车换乘之类的组合出行方式对路网行程时间可靠性的影响;对可靠性的动态变化轨迹研究不够深入。以加权行程时间方差衡量路网可靠性大小,基于停车换乘交通分配理论构造了一个准动态行程时间可靠性计算模型。描述了出行者考虑可靠性影响下的方式-路径动态选择行为,刻画了路网可靠性动态变化轨迹;基于K优路径和连续平均算法,设计了模型求解算法,并通过经典算例验证了模型和算法的有效性。与传统单方式可靠性计算模型相比,本文所建模型可以用来分析停车换乘措施对减少交通拥堵、提高路网可靠性所起的作用;分析出行者可靠性偏好大小对路网可靠性变化的影响。     

基于仿真的城市路网动态分配矩阵估计方法

动态交通分配矩阵是离线状态下多时段OD矩阵估计问题中的一个重要的输入,它刻画了以前时段的OD流量与当前时段的路段检测流量之间的动态关系.对该矩阵的准确估计关系到OD矩阵的估计精度.对现有解析模型进行分析的基础上,提出基于计算机仿真的改进模型,并借助Transmodeler仿真器对此进行精确估计.实证研究表明,基于仿真的估计方法能够在考虑拥挤效应的情况下检测出车辆穿越检测器的时刻,从而对分配矩阵给出准确的估计.     

网格环境下大规模交通仿真及应用研究

网格为大规模的交通仿真提供了高性能的计算资源.在网格环境下大规模仿真从模型的准确性、运算的高效性、系统的可用性等方面都得到了很大的提升.通过对海量流动车辆的GPS历史数据的整合,并结合实时GPS数据估计出大范围的时变OD矩阵.通过Web Service的应用使仿真成为一种互联网上的服务.通过并行计算使得后台的仿真计算能力得到了提升.     

基于蚁群算法的交通控制与诱导协同研究

以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

基于微观仿真的快速路短时交通流预测研究

随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.为了能够及时准确地进行交通流短时预测,提出了一种以城市快速路为研究对象的以微硬仿真技术为基础的短时交通流预测的方法.该方法以实时的快速路交通流数据为基础,应用M3分布模型对车辆进行初始分布,基于约束卡尔曼滤波进行OD矩阵估计,利用微观交通仿真的方法对快速路的未来交通流进行预测.经过实测数据验证,算法能对交通参教给出较好的预测结果.