电网大停电交通拥堵度评估模型及方法研究

针对大停电事故对路网交通拥堵产生严重影响和恶劣后果的背景,根据交通流特性,从路段和交叉口两个方面建立基本路段交通拥堵度评估指标体系;同时提出大停电后各个评价指标的计算模型和量化方法。在此基础上,采用突变级数评价法对基本路段拥堵度进行评估;并以车辆行驶里程(VKT)作为权重对路网体系中各基本路段进行加权,进而得到大停电后路网的交通拥堵度水平。最后以典型大停电区域为例,对不同停电时间下路网交通拥堵度水平进行量化评估;且评估结果与有关交通部门的统计情况相吻合,验证了该评估模型和方法的正确性、实用性。     

我国城市交通问题研究

<正>目前,我国许多城市的交通均出现了严重的拥堵现象,其表现特点为,交通流波峰不明显,易发生拥堵甚至堵死现象。2012年2月16日某网站发布了一段北京市消防车遭遇抢行的视频。该段视频显示,消防车在赶赴救火途中,被堵在了路上。十几分钟过去了,该车不仅未获社会车辆让行,反遭并线超车。     

浅析合肥市老城区道路交通现状及对策

分析了合肥市道路网基本指标、现状交通流特征及城市总体布局,提出了老城区道路交通存在的一些问题,从改善城市用地布局、调整路网结构、优先发展城市公共交通和改善停车政策等方面,提出了改善老城区交通问题的一些方法和思路。     

基于可交易电子路票的停车换乘通勤行为管理

可交易电子路票和停车换乘系统作为缓解交通拥堵的有效措施,逐渐获得学者的广泛关注。本文讨论实施可交易电子路票后,通勤者选择出行方式的变化。基于瓶颈模型进行建模,假设通勤者从生活区到工作地,可以选择全程驾车或者停车换乘到达目的地。通过对模型求解,对比用户均衡和系统最优不同情境下的模型性质。研究表明,可交易电子路票机制和停车换乘系统结合能够有效改变通勤者出行方式的选择,进而缓解交通拥堵。模型确定了实施可交易电子路票政策后,路票收取数额的有效范围。同时,在系统最优情境下,得出选择全程驾车的通勤者比例和停车换乘的最佳位置点,为交通管理部门选择停车换乘位置点时提供一定的参考。     

智能交通系统集成控制软件研究

智能交通已成为城市交通发展的趋势。由于不同时期会有不同的厂家进行交通设备的安装和软件系统的建设,因此很多交通管理部门会面临数量众多、不同类型的交通管理系统,影响到交管工作的效率。在此背景下,文中阐述了智能交通系统集成控制软件的设计思路和实现功能,该软件着重实现将不同种类、不同时期建设的交通管控系统整合到统一的框架下,并对用户提供统一的操作界面,软件系统可以与其他部门的系统进行数据共享,还提供未来建设的交通管控系统的接口,建立一个统一的可伸缩的智能交通信息采集、处理、分析和管理体系,提升交管部门工作的水平和效率。     

交通拥堵情况下一种基于模糊神经网络的路径选择方案

在确立了交通拥堵情况下路径选择指标体系的基础上,建立了基于模糊神经网络的交通拥堵路径评估模型。该网络具有五个因子输入,一个衡量路径花费时间的输出,总共三层的结构,且输入层具有对输入参数进行模糊化的能力。利用实际样本数据进行实证分析,训练结果表明网络预测误差小。     

交通拥堵情况下的多温共配车辆路径优化

针对实际配送过程中,经常会出现由于交通事故、上下班高峰期以及交通限流等因素导致的交通拥堵情况,为保证多温共配路径优化结果能更符合实际情况,提出了一种基于交通拥堵的多温共配优化模型,相较于传统的多温共配的路径优化模型,该模型更符合实际的运输情况.由于路径优化问题属于NP难问题,故采用随机自适应遗传算法进行求解,求出在总成本最优的情况下使路径最短、总成本最少的最佳配送路径.通过对比遗传算法和用Cplex求解,发现两者结果接近,且算法更为快速,更加适合大规模求解.算例分析结果表明:考虑了拥堵情况的路径优化,相较于没有考虑拥堵情况的路径优化,运输成本下降了16.74%.     

鞍山市实行分时上下班的可行性分析

通过对鞍山市内各级机关、企事业单位及中小学校采取分时上下班措施,实现道路交通负荷的错峰调节,以解决城市早晚交通高峰的拥堵状况.针对鞍山市交通需求持续高涨,道路交通拥堵越来越严重的情况,社会各界和部分交通工作者提出,鞍山市可以效仿国内规模相当的城市所采取的分时上下班措施,达到缓解城市交通持续拥堵的目的.在2005年大量交通调查资料的基础上,研究了目前鞍山市居民出行特征和道路交通状况,并分析了分时上下班的实施条件.认为在鞍山市实施分时上下班对于缓解城市早晚高峰期道路交通拥堵的状况可以起到一定的作用,鞍山市也具备了实施分时上下班的基础和条件.     

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,需要准确识别和判断交通状态。基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index, TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态。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(convolutional neural networks, CNN)和双向长短期记忆(bidirectional long short-term memory, BiLSTM),并结合Softmax函数增强CNN提取出的交通空间特征信息。最后以成都市出租车的全球定位系统(global positioning system, 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CNN-BiLSTM网络预测框架提升了13%。     

城市居民出行的潮汐特征研究

当前早、晚高峰时段的“潮汐式”交通拥堵现象,已成为城市交通最为突出的问题之一,并制约着城市社会和经济的进一步发展。本文阐述了居民出行潮汐特征的特征,产生原因及引发的后果,最后给出关于缓解居民出行潮汐特征的政策和措施。