过饱和交通流情况下道路饱和度分析方法研究

道路饱和度是交通流量与道路通行能力的比值,为道路交通运行分析的一项重要指标。但当交通流处于过饱和状态时,实测的饱和度值无法反应真实的交通负荷,可能造成相关决策的重大误差。针对这一问题,本文基于交通流参数的相互关系,研究了过饱和交通流的识别方法,在此基础上,以交通流速度-密度相互关系为依据,提出了过饱和交通流情况下道路饱和度的测算方法。本次研究成果具备较强的可操作性,有效解决了过饱和交通流的道路饱和度分析问题,可以为交通流的分析研究提供参考与借鉴。     

基于时空特性的短时交通流预测模型

根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果.     

考虑前方交通状态的交通流格子模型与数值模拟

考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性.     

合肥市裕溪路高架龙塘互通立交设计方案

城镇化进程的飞速发展对城市对外交通系统提出了新的挑战,城市出入口不仅是城市道路网的重要节点,也常常是交通的瓶颈和事故频发点,基于对城市出入口道路交通运行情况的理解,通过介绍合肥市裕溪路高架桥龙塘互通立交设计方案,为城市出城口快速路与高速公路收费站的交叉改造设计方案提供新的思路.     

基于PID神经网络的快速路入口匝道控制

鉴于神经网络具有良好的非线性特性,学习能力以及自适应能力,本文将神经网络控制与快速路入口匝道控制结合起来,提出了一种基于PID神经网络的入口匝道的协调控制方法。仿真结果表明,较之于ALINEA控制,该方法能更好地稳定快速路的主线交通流密度。     

基于TransModeler的非对称交通流干道绿波控制研究

城市外围区干道朝夕交通流通常呈现出不均衡现象,上午进城交通量大,下午出城交通量大。而以往很多这样类型的干道交叉口,采用交通流对称放行方式不能满足需求,增加延误,通行效率降低。改变以往采用对称相位的设置方法,设计交叉口单口放行的方法,加之以绿波协调控制系统,使得道路资源得到充分利用,提高道路的通行率。以昆明市白龙路朝夕交通流量不均衡现象为例,结合信号配时优化即交叉口交通流单口放行方法,设计不同时段的绿波协调控制系统,通过TransModeler进行交通仿真,仿真结果表明双向非对称的交通流干道采用单口放行并加之以绿波控制对交叉口的延误大大减少,提高通行效率。     

考虑车辆加速度和次邻近车辆速度差的跟驰模型及仿真研究

在次邻近车辆速度差模型(Two Velocity Difference Model,TVDM)的基础上,提出了一个扩展的交通流模型,即加速度与次邻近车辆速度差模型(Acceleration and Two Velocity Difference Model,ATVDM)。线性稳定性分析表明:和TVDM相比,ATVDM模型可以使交通流的稳定性得到增强,稳定区域有明显增加。数值模拟结果表明ATVDM不仅可以成功预测车辆运动延迟时间和启动波波速,还可以避免急刹车情况下事故的发生。     

考虑车辆异质性的堵塞交通流模型研究

为研究交通事故对高速公路交通流的影响,以双车道安全距离元胞自动机模型为基础引入强行变道规则,建立了考虑车辆异质性的高速公路车辆堵塞模型。利用MATLAB数值模拟高速公路异质交通流,分析不同交通密度情况下的交通事故持续时间以及重载货车占比对高速公路堵塞交通流的影响。研究表明：交通事故持续时间及重载货车占比均对高速公路堵塞交通流具有显著影响;当车辆密度大于4veh/km小于80veh/km时,交通事故持续时间对交通流有着显著影响,且持续时间越长对交通流的影响越大;当车辆密度小于30veh/km时,重载货车占比对交通流有着显著的影响,并且占比越大对交通流影响越大。     

固定带宽下的无标度网络交通流分析

讨论了一类固定带宽下的复杂网络交通流问题,构建了一类具有连接带宽约束的复杂网络交通流模型.以交通流中的信息流为背景,在"具有可调聚类系数"的BA无标度网络中,定性地研究了不同带宽约束下的网络负载变化问题.发现在具有较大带宽的网络中,网络具有较大的负载能力;并且网络负载能力随着网络带宽约束的增加而大幅度地降低,当带宽约束增加到可允许的极限时,网络交通的负载能力已经不受网络节点处理数据包能力的影响.并从复杂网络拓扑和交通流机理角度定性地分析了带宽约束对网络交通流影响的原因.     

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。