快速路上匝道瓶颈路段异质交通流演变规律

为了掌握快速路瓶颈路段异质交通流的演变规律,以缓解交通拥堵,本文以快速路上匝道瓶颈路段为研究对象,构建了考虑安全距离的改进NaSch上匝道模型,利用数值仿真,对不同场景交通流演化过程进行系统性研究。仿真结果显示:在不同条件下,异质交通流中自动驾驶车辆比例的增加对瓶颈路段交通运营状态影响结果各异。在自由流阶段,自动驾驶车辆比例的增加对快速路瓶颈路段运营通行能力的增加无显著影响,自动驾驶车辆比例取0.9时,瓶颈路段运营通行能力反而降低了2.48%;在交通拥堵状态下,当异质交通流中自动驾驶车辆比例达到0.7及以上时,才有助于交通拥堵的消散,且其临界值随交通拥堵状态程度的提高而增大;当交通密度达到100 veh/km以上时,自动驾驶车辆比例的增加无法实质性改善瓶颈路段交通拥堵状态。研究结果可为异质交通流环境下的快速路上匝道瓶颈路段的治堵策略提供理论依据。     

瓶颈路段交通流特性模拟分析

城市道路中的交通信号灯、车辆限速、上坡路以及道路缩减等都可能引起道路的通行能力受到限制,从而形成城市路网中的瓶颈,成为影响交通畅通的一个非常重要的因素。本文选取由于道路施工引起的瓶颈路段作为研究对象,研究了瓶颈路段驾驶员驾驶特性对交通流的影响,分析了侵犯驾驶行为对交通堵塞的影响;利用vissim仿真软件对瓶颈路段的交通流进行了模拟,对交通拥堵的形成、传播和消散规律进行了研究,并将模拟结果与调查结果进行了对比分析,显示了模型的可靠性。     

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.     

不同车头间距下交通流的速度分布

在传统的交通流理论中,通常用确定性函数来描述交通流的速度-密度关系.但实际上,交通流存在着相当大的随机性和波动性:在一定局部密度的情况下,往往存在多种短时局部速度.为了能更加真实地描述速度和间距之间的关系,对NGSIM数据进行了研究和统计,对不同车头间距情况下的交通流速度分布建模.结果表明:当交通流密度较小时,速度分布...     

城市交通流路段行程时间预测模型

建立较为精确的城市交通流路段行程时间预测模型是建立诱导系统的关键 .本文所建的预测模型充分考虑了交通延误变化的灵敏性 ,将汽车在路段上的运行时间分为两部分 ,分别预测 .经过实测数据检验 ,该模型具有很好的效果 .     

车辆长度对路段交通流的影响

在NaSch模型的基础上,考虑车辆长度,建立一维元胞自动机交通流模型.通过引入平均间距、占有率和启止密度等参数,数值模拟周期性边界条件下,车辆长度对路段交通流的影响.     

进离场交通流时距分布特征对比分析

时距分布是空中交通流理论研究的重要概念和组成部分。以中国某机场实测轨迹数据为例,提出一种合适观测点的自动生成方法,该方法能有效提升轨迹数据的利用率,并选择跟驰性较好的轨迹数据用以计算时距。在分别绘制进场和离场交通流时距频率分布直方图的基础上,应用韦布尔、光滑样条和有理函数模型拟合时距分布情况,并从定性和定量的角度对比分析拟合结果。结果表明,在机场运行状态正常时,有理函数模型对离场交通流时距的拟合效果最好,而光滑样条模型对进场交通流时距的拟合效果最好;在机场运行状态不佳时,光滑样条模型和有理函数模型则分别对离场和进场交通流的拟合效果更佳;进场交通流时距分布比离场交通流时距分布特征更明显。     

基于时空依赖性的区域路网短时交通流预测模型

由于多数交通流预测模型仅利用了目标路段交通流的历史数据,在一定程度上影响了预测效果。为此,该文提出了一种基于时空依赖性的区域路网短时交通流预测模型。首先,根据区域路网各路段间的拓扑关系,将其抽象为明确表征上下游路段关系的树状结构,进而根据上下游通路上交叉口转弯率的多阶分配来量化上下游路段的时空依赖性,并将其用于时空自回归差分移动平均模型(STARIMA)空间权重矩阵的改进,最后利用历史数据对改进后的STA-RIMA模型进行参数标定,并用于短时交通流预测。实验结果表明:经过改进后的STARIMA模型,具有更好的预测效果,为区域路网短时交通流预测提供了一种新的方法。     

预测信息下降级路网的交通流演化

为考察ATIS提供的预测信息对降级路网交通流演化的影响,设计了一种基于加权移动平均的行程时间预测方法,建立了预测信息环境下的路径更新规则。针对一个小型测试网络,利用提出的路径更新规则分析了预测信息依赖程度参数、信息质量参数、权值参数以及网络降级程度对交通流演化的影响。结果表明:1)信息环境下出行者对预测信息的依赖存在一个临界值,当依赖程度小于该值时,交通流很快演化至稳定状态,当依赖程度大于该值时,网络交通流会发生振荡;2)存在某种情形,信息系统所提供的预测信息质量越高,交通流演化的效果越差;3)对特定降级网络,存在某一最优权值组合,可用于指导该网络预测信息的发布;4)路网降级程度越小,预测信息所起的作用越大。     

一种交通拥堵流量范围界定及拥堵预测的方法

针对城市的交通拥堵问题,本文提出了一种交通拥堵流量范围界定及拥堵预测的方法。首先采用均值变点理论寻找出交通拥堵点,确定拥堵流量范围,然后通过小波分析与ARMA相结合的交通流组合预测模型,实现了拥堵点的实时预测。并以贵阳市中心城区数据为例,验证方法的可行性。     

拥挤交通流非线性模型及仿真

提出了一种新的拥挤交通流非线性模型.该模型中包括了匝道口附近的交通流模型,匝道口进出车辆的流量与主路的车流相耦合.并提出了一个重要的假设,即交通流量能够在有限的时间内对局部密度的变化做出响应.该模型由2个偏微分方程(PDE)和1个与偏微分方程相关联的常微分方程(ODE)组成.在这个简化模型中,从自由流向同步流的转换可以看成是一个具有滞后作用的临界Hopf分岔.最后通过数值模拟进行了从自由流到拥挤交通流的瞬态动力学的仿真,得到了各变量的分岔图.     

基于交通拥堵信息的高速公路拥堵路段ACK-Means聚类

为了充分利用实际高速公路路段交通拥堵信息,更合理地聚类交通拥堵的内在规律和特征变化,本文提出自适应确定聚类中心C和类别K值的(Adaptive Center and K-Means value,ACK-Means)聚类算法,进行高速公路拥堵路段聚类。ACK-Means算法借助簇类密度、簇类间距以及簇类强度,同时又考虑到数据样本的偶然性,对离群点进行合理分配,ACK-Means算法可实现自适应确定聚类中心C和类别K值。基于实际交通拥堵信息构建数据集,Python编程实现高速公路拥堵路段ACK-Means聚类,巧妙解决了高速公路拥堵路段聚类数目K和聚类中心C设定问题。聚类结果表明,ACK-Means算法实现高速公路拥堵路段无监督聚类,聚类结果完全基于实际的高速公路交通拥堵信息,具有更高的实用性。     

基于人工神经网络城市交通流量智能预测的研究

通过对我国目前城市交通情况的分析．说明交通拥挤和流量大小息息相关，因此对城市交通流量进行预测具有重要的意义。目前应用于城市交通流量智能预测的人工神经网络模型主要有线性网络、BP网络、反馈网络等。经过综合分析而采用了线性网络对城市交通流量进行预测，其优点主要表现在结构简单，实用方便，反应速度快，实时性强。根据城市交通的具体情况，对城市交通流量的预测模型进行了仿真。其仿真结果表明所采用的线性神经网络能够用于城市交通流量的预测。     

基于微观交通仿真的城市路网交通排放评估

为了给中小城市建立低碳交通体系提供理论依据,利用美国联邦公路局(FHWA)微观仿真软件TSIS/CORSIM,并结合广东省清远市中心城区的交通调查,建立了清远中心城区路网交通仿真模型,对以现状交通流量为基础设定的5个情景方案进行了仿真研究.结果表明:随交通流量的增大,路网的交通排放增加,当增大到1.5倍时,车辆每公里的HC,CO,NOx和CO2排放分别上升8%,12%,12%和29%,当交通流量增加(1.5倍)导致交通拥挤时,额外燃油消耗为225 L,额外CO2排放为518 kg,占总排放的16.3%.     

公路隧道交通流的数据挖掘

在阐述数据挖掘技术和方法的基础上，研究了基于统计理论的聚类方法。利用微软SQL Server 2000提供的聚类数据挖掘方法对某个公路隧道交通流的数据进行了聚类分析，并对数据结果进行了详细的解析，得到该隧道交通流的一些特性信息，如：何时该隧道交通流最大等。根据这些信息，可以针对不同的交通量特点安排隧道监控设备的控制方案及系统的维护方案，以保障公路隧道交通的畅通和安全。     

基于元胞自动机研究驾驶员特性对信号交叉口交通流的影响

为了研究驾驶员特性对信号交叉口交通流的影响,建立基于元胞自动机的信号交叉口交通流模型,研究驾驶员行为特性对信号交叉口平均车速和车辆延误等的影响。研究表明,不同绿信比情况下,驾驶员特性均对信号交叉口交通流产生较大的影响;冲动型驾驶员比例增加会加快绿灯放行时交通密度的疏散,稳重型驾驶员比例增加可减少绿灯交通流稳定时车辆通行的延误,胆小型驾驶员比例增加可提高黄灯时间内的通行效率以及减少红灯时间内的排队延误。研究还表明,当绿信比超过0.7时,它的变化对信号交叉口交通流影响不显著。     

基于城市道路卡口数据的交通流量预测

交通流量的预测可以为交通管理部门的工作和车主的出行规划提供很大帮助,如何进行准确且高效的交通流量预测是一个非常重要的问题。传统的交通流量预测数据通常是车速和行车轨迹,研究人员通过在高速上每隔一段距离布置交通传感器获得数据,这些方法应用于城郊地区和高速公路上,取得了很好的效果,但城市道路人口密集且交通情况复杂,不适合大规模布置传感器获得所需交通数据,所以不能使用现有的方法进行预测。笔者提出了一种利用城市道路卡口的交通流量数据进行预测的方法。首先,通过对已有的交通数据分析来总结交通流量周期性变化的特点;然后,基于这些周期性变化的特点来提取相应特征;最后,依据这些特征训练适用于城市卡口的交通流量预测模型。基于真实交通数据集进行了大量实验,结果表明,交通流量预测模型的预测值的RMSE和MAPE分别为15.3和7.3,即预测准确度可以达到92.7%。     

城市交通拥挤收费的双面性分析

随着社会经济的快速发展,私家车拥有量的增加,城市交通拥挤问题日益严重。交通拥挤收费是交通需求管理的一种有效经济手段,对拥挤道路收费可以使交通拥挤所产生的外部成本内部化,达到优化交通资源配置的作用。通过分析交通拥挤收费的经济学原理、交通拥挤收费的优点以及它存在的一系列问题,得出了交通拥挤收费是一把双刃剑,并提出了对我国实施交通拥挤收费的启示。     

道路交通拥挤水平分类方法研究

道路拥挤水平是评估交通运行质量和道路网络性能的重要指标之一,对交通规划、路线导航以及道路拥堵管理具有重要参考价值.利用车载移动传感信息与驾驶员判断的一致性,研究一种自动分类道路交通拥挤水平的新方法.利用GPS传感器和CCD摄像机采集路况信息,使用滑动窗口瞬时抽样技术抽象出车辆运行模式.此外,还引入驾驶员对道路交通3种状态(Light,Heavy和Jam)的感知评价信息,将驾驶员感知和车辆运行模式引入到决策树学习算法(J48)中进行训练.     

交叉路网信号灯的模糊控制

提出了一种新的交叉路网交通灯的可变相位的模糊控制方法。首先计算该路口在交通路网的交通流,然后根据通行权转移度来确定通行相位及通行时间。仿真结果表明,该算法具有良好的控制效果。