基于流程再造与决策支持的城市交通仿真系统研究

城市交通仿真系统是引入实时动态交通信息的城市交通规划流程再造与决策支持的交通仿真与公用信息平台一体化结构建设的大型系统。它提高了城市交通规划、建设与管理水平,提高了城市道路交通预测能力,实时发布动态交通信息,使车辆驾驶员和出行者了解当前道路交通情况,避开拥堵路段,缓解道路交通拥挤状况;定期发布交通报告(月报、年报),为政府、行业、企业和公众提供所需的综合交通信息、引导出行者合理的交通行为、优化交通运输结构提供技术支持,实现了交通运输流程再造创新。     

基于信息负荷的城市地下道路视觉环境影响车辆运行特征机理分析

计算不同道路环境下驾驶员所获得的视觉信息负荷,解析导致车辆在不同道路环境下存在运行特征差异的机理,提高地下道路技术设计和运营管理水平.应用实车试验技术获取地上和地下道路环境中车辆运行特征数据和视觉环境资料,进行不同道路环境系统中车辆运行特征和驾驶员视觉信息负荷的对比研究,分析视觉信息负荷对车头间距和运行车速等车辆运行特征的影响规律.在此基础上深入研究了地下道路视觉环境影响驾驶员视觉信息负荷的机理.最后通过模拟驾驶技术提出了完善和提高地下道路视觉环境交通安全性的技术措施.     

车联网网络架构分析

利用车联网获取车辆运行参数和道路等交通基础设施使用状况,感知实时道路交通路况,能有效减少交通拥堵,实现绿色出行,并提供丰富的智能交通信息服务．车联网将促进汽车、交通和信息技术产业向更加现代化、网络化和智能化的方向发展．对车联网的现状进行了较为全面的研究,包括车联网的概念、技术优势、信息服务以及网络架构等．     

基于大数据的VANET拥塞检测研究

道路交通的拥塞问题是城市中长期存在且急需解决的问题。而车联网(vehicular Ad hoc networks,VANET)的出现为智能管理交通,事故隐患预警和舒适的乘车环境提供了技术支持。为了保证道路的畅通和交通的流动性,可通过VANET网络传播有关交通状况的有用信息。论文提出了一种基于大数据工具的车辆对车辆通信方式的城市道路状况检测方法,为驾驶员提前换道提供了有力证据,从而降低车辆拥塞概率。     

群体诱导信息下驾驶员响应行为的辨识与建模

提出一种利用实测宏观交通数据定量分析群体诱导信息下驾驶员路径选择行为的新方法.利用上海市快速路监控中心和路由控制示范工程数据库的交通数据,重构可变信息标志(variable message sign,VMS)信息下的交通出行场景,分析VMS信息作用下驾驶员路径选择行为,建立了一个集计的群体诱导信息响应行为Probit模型.结果表明:驾驶员在VMS信息影响下的路径选择行为除了和信息内容有关外,还与时段、下匝道交通状态、拥挤可视性、有无协调分流等因素有关,可为主动式智能交通诱导系统的构建和信息发布策略的制定提供依据.     

车路协同仿真场景设计与实现

为改善道路安全、提高交通效率并实现智慧交通,提出一种基于多智能体的车辆自组网络和路侧无线感知网络的车路协同系统混合架构.该架构中每台车和各重要路口的信号灯均为多智能体,包含路侧终端、车载终端和行人探测器,通过无线通信网络实现人-车-路信号互联,全方位感知周围环境信息.用TransModeler对厦门市某区域进行仿真,结果表明:该架构可以准确、全面地感知道路环境,采集交通事故信息,反映全路网运行状况,并可依据仿真结果对交通异常情况进行预测和判定,为路网的安全运行提供有力的参考.     

不同交通信息下网络交通动态路径选择行为

为从道路网络层面实现对城市交通的有效诱导,达到均衡交通流分布、提高交通整体运行效率的目的,在一个典型路网上,研究利用可变信息标志(variable message sign,VMS)提供不同交通信息内容条件下的驾驶员动态路径选择行为.针对地面道路上一块文字式VMS和快速路上一块图文混合式VMS,采用陈述偏好调查法采集交通行为数据,并用离散选择行为方法分析数据,建立了提供路径行程时间信息、交通状态信息和交通事故信息条件下驾驶员动态路径选择行为模型.分析结果表明,可变信息标志发布路径交通信息的精确性、完整性,驾驶员的个人属性等,是影响路径选择行为的主要因素.研究结果可为先进的出行者信息系统的规划建设和信息发布策略的制订等提供依据.     

驾驶员视角和后视效应对交通流稳定性的影响分析

交通流跟驰模型是微观交通流仿真和交通安全评估的重要工具,在城市交通规划、交通运行宏观调控等方面广泛运用.传统交通流跟驰模型主要考虑车辆参数,对于驾驶员因素不够重视,本文将驾驶员视角引入全速度差(FVD)模型,研究基于FVD模型的扩展模型,结合驾驶员后视效应,利用线性稳定性分析扩展模型的交通流稳定性特点.通过将驾驶员视角用驾驶车辆体型参数进行数据量化,分析车辆体型参数对交通流稳定性的影响.仿真实验表明:本文研究的扩展模型在车距较小的情况下交通流稳定性要优于FVD模型;驾驶员对视角变化的敏感系数越高,整个交通流越稳定;驾驶员后视概率越高,交通流越稳定;对于大型车辆,车流高峰时期为其开辟专用车道能够提高该阶段交通流稳定性.     

基于格兰杰因果关系检验模型的道路建设规模与交通需求关系研究

解决城市道路交通拥挤的办法是降低道路交通负荷度,使道路通行能力能适应交通流的要求,一个常用方法就是道路交通基础设施建设.但新建的道路设施会诱发新的交通量,而需求总是倾向于超过交通供给.利用计量经济学理论,选择最具代表性的市区通车里程和民用车辆拥有量两个变量,介绍了利用相关性分析、平稳性检验、格兰杰因果检验研究变量问关系的方法,并以广州市市区为背景的算例对道路建设规模与交通需求关系进行了验证说明,它们之间只是单向格兰杰因果关系,而不是互为因果关系,从而影响交通管理方法的选择.     

基于信号博弈的道路交通隐性违法行为研究

【目的】方便道路交通安全管理部门更有效地开展交通违法治理,遏制道路交通中的隐性违法行为,实现道路交通的有序、安全、畅通。【方法】将酒后驾驶、无证驾驶等无法通过视频监控设施完成线上执法的交通违法行为定义为道路交通隐性违法行为。利用信号博弈理论,对驾驶员与交通执法者的决策互动过程进行建模,模型中引入了检测器机制,使交通执法者依据检测器输出结果和驾驶员信号来进行决策;推导交通执法者与驾驶员博弈双方的混同均衡策略和准分离均衡策略,揭示在不同先验概率下驾驶员和交通执法者均衡策略的变化情况。【结果】仿真结果表明：交通执法者两种信任度的倾向程度和质量对供驾驶员选择的纯策略先验概率区间、驾驶员自身实际类型的概率以及交通执法者的均衡效用均有重要影响。【结论】本研究基于信号博弈模型,从交通执法者的决策机理角度,对道路交通隐性违法行为的治理提出具有针对性的建议。     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

限行政策下的山地城市道路交通拥堵问题研究

城市交通拥堵问题日趋严重,山地城市因特殊的地理形态,拥堵问题更为凸显,实施限行政策是缓解山地城市交通拥堵的手段之一;通过构建随机均衡配流模型来描述限行政策下山地城市交通的运行状况,并采用改进后的Dial算法对模型进行求解;研究以重庆市主城区为例,结合城市多中心组团的特性,对组团间的联系通道采取工作日机动车尾号限行措施,分析山地城市道路流量和服务水平的变化情况;研究发现,限行后组团中心区域的道路交通流量显著减少,道路服务水平明显提高,但同时交通拥堵也向周边区域发生扩散;最后,提出了缓解拥堵扩散的相关措施和建议。     

基于传输贡献矩阵的城市路网节点重要性评估方法

 在城市道路中,通常采用交叉口流量或道路连接数等单一指标确定路口重要性,很难保证突发事件下道路网络运行的可靠性。鉴于城市道路网络的无标度特性,以交通阻抗为权重,将城市道路网络抽象为加权网络,提出节点重要度传输贡献矩阵方法,评估道路交叉口重要性。该方法综合考虑交叉口所处路网位置、道路连接数及关联路段交通阻抗,采用节点效率值表示其位置信息,通过融合节点度值和交通阻抗值,构建交通信息传播过程中节点之间的重要度关联,以表示相邻路口间重要性依赖关系。以天津市区域路网为例计算各交叉口重要度,采取连续移除重要节点方式,模拟连锁故障过程,并将结果与节点收缩法进行对比。实证分析表明：在移除最重要的8个节点后,路网最大连通子图规模较节点收缩法降低9.10%,验证了该方法的有效性。     

基于侦听机制的网络拥塞控制模型

针对局域网出口经常出现拥塞的现状，给出了一种基于侦听机制的网络拥塞控制模型．该模型将局域网出口状况划分成无拥塞、轻度拥塞、中度拥塞、严重拥塞四种不同的状态．在出现中度拥塞或严重拥塞时，根据所记录的TCP进出流及用户自定义的分类排队策略形成优先级队列，实施针对性拥塞控制，从而保证在实施拥塞控制的同时不降低重要流量的出口带宽．本模型所具有的随机接入特点使得能在不对网络结构和协议进行改造的情况下实现局域网出口拥塞控制．     

基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,就需要准确识别和判断交通状态。该文没有采用传统的以车辆速度为基准的预测方法,而是使用TTI交通拥堵系数,该系数的计算基于道路自身的自由流速度,可以让具有不同速度等级的街道都统一到TTI系数上来作为拥堵评价,因此相较以传统的车辆速度为基准的预测方法更能表现出道路的拥堵状态。该文提出了一种改进的深度学习预测模型（CS-BiLSTM）,该模型基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）,并结合Softmax函数增强CNN提取出的交通空间特征信息。深度学习预测模型（CS-BiLSTM）中的S代表的就是Softmax的缩写。使用成都市出租车GPS数据进行验证,结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比C-BiLSTM网络预测框架提升了13%。     

基于空中交通流的空中交通网络拥挤程度评估

为解决空中交通流量日益增多导致的空中交通拥挤和拥堵问题,本文从空中交通流角度出发,区分空中交通拥挤和拥堵,通过建立拥挤程度评估模型来评估空中交通网络中拥挤程度。首先从容量和流量的角度区分并界定空中交通拥挤和拥堵的概念,同时借鉴道路交通思想,将空中交通分为畅通、正常、拥挤和拥堵四种状态。然后从空中交通流角度分析判定空中交通拥挤,提出拥挤状态门限区间,建立多种情况下的空中交通拥挤评估模型。最后引用某大型繁忙机场某时段的航班数据作为算例。结果表明,所建立模型可以用来评估空中交通网络拥挤程度。     

考虑实时路况的出行路线选择模型

为了缓解交通拥堵问题,本文在现有的导航仪基础上,考虑到道路的实时情况,设计新的导航仪,帮助居民选择出用时最短且能尽量避免拥堵的路线。研究主要包括两方面：首先,在存在不拥堵路线的情况下,利用最大流模型计算出道路流量,结合实际流量,在尽量避免拥堵(实际流量不超过最大流量)的情况下,求出最短路程,给出建议。然后,考虑拥堵问题难以避免,加强了与实际道路状况的联系,对道路出行选择模型进行了优化,先将道路分为非常拥堵、存在拥堵、畅通三种情况,然后再根据道路实时流量,利用G-LN的模型计算出车道的速度,结合路程,找出用时最短的路线。     

城市道路不同拥挤等级定价方法的研究

城市道路交通拥堵问题日益严重,成为我国城市快速发展过程中的突出问题,文章提出对路段不同拥堵程度下差别收取费用。首先考虑了拥挤产生的外部成本,其中包括时间成本、能源成本、安全成本、环境成本等。对此建立各外部成本的定价模型,该模型与车辆运行的速度有关,根据拥挤等级的划分,对不同的外部成本给予不同的权重,最终建立起不同拥挤等级下的定价模型。最后以南京市的典型拥挤路段——中山南路进行拥挤分析,计算出该路段不同拥挤等级下的定价值。     

基于数据挖掘的路网交通拥堵特征分析

交通拥堵的发生通常导致道路通行能力的下降和交通瓶颈的形成,对城市的经济和环境造成影响。对此利用大数据技术挖掘交通数据,通过聚类分析方法,构建交通指数数据集,进而对城市路网交通拥堵进行定量分析。研究表明,路网拥堵在工作日和周末存在差异,周数据具有周期性,在空间上总体呈现由点向线再到面的拥堵扩散过程。依据拥堵的时空特征,分析了路网的拓扑结构和流量的复杂性,为城市的可持续发展和交通优化提供一定的支持。     

交叉口及路段拥挤界定研究

当前,我国城市交通供需矛盾日益突出,城市道路及交叉节点的拥堵界定及拥堵评价具有重要意义。通过对交叉口及路段拥堵概念的提出,分析了国内外相关研究的成果,提出适合我国城市交通运行特征的交叉口及路段拥堵界定方法。对交叉口及路段服务水平的评价方法进行了归纳总结,通过实例研究了典型交叉口的延误仿真评价,并对交叉口与路段拥堵的相互作用机理进行了初步分析。研究成果对我国城市交通运行的评价和改善具有理论意义和实践意义。