基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

基于OBD数据的驾驶人出行模式挖掘

传统的出行模式研究通常依靠问卷调查分析驾驶人出行特征，所得结果易受调查数据主观性影响，针对此问题基于北京市域范围内2个月共计3 570辆私家车的车载诊断数据，对驾驶人的不同出行模式进行分析并建模。通过长期采集的车辆各项参数，采用基于密度峰值的聚类算法进行聚类，将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危险出行者，并从平均出行距离、出行频次、百公里危险驾驶行为次数和出行时段等多维度进行分析，反映驾驶人行为的变化性和规律性。根据聚类的结果，使用多维离散隐马尔可夫模型进行建模并完成测试。测试表明，所提出的算法对于驾驶人出行模式的识别具有较高的准确性，对于4种类型的出行者，平均识别率超过91%，最高识别率可达94.5%。      

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

双车道公路改扩建全封闭绕行区交通特性

针对双车道公路改扩建中的S+直线段+S形绕行区、S+S形绕行区以及凸形绕行区，基于现场交通流参数调查与数据处理，统计分析了3类全封闭施工绕行区的车速变化特征，标定了速度-流量二次曲线模型并据此计算得到了绕行区各主要区段的自由流速度和实际通行能力值，采用Vissim仿真软件进行了绕行区的交通冲突仿真实验。研究结果表明:S+直线段+S形及S+S形绕行区的交通瓶颈路段均出现在驶入曲线段，凸形绕行区的瓶颈路段则出现在警告区末端。3类绕行区瓶颈路段的平均速度较上游正常路段降低了70%左右，通行能力则降低了50%左右。在交通冲突方面，在低流量时3类绕行区的交通冲突情况差异不大，当流量增大到500 pcu/h以上时，凸形绕行区的交通冲突明显比其他2类绕行区更为严重；综合通行能力、通行效率及交通安全水平3个方面，S+直线段+S形绕行区是1种比较适宜的绕行区形式。      

竞争条件下公共交通最优出行方式选择

多种交通方式共线运行为出行者提供了便利,但也使得出行者面临最优出行方式选择问题。为了在竞争条件下对出行者的出行方式选择进行科学的引导,提高出行者的出行效率并实现交通资源的最优配置,引入固定出行成本和可变出行成本概念,对步行、共享单车、常规公交和轨道交通4类常用出行方式的成本问题进行研究。具体方法为:分别将4类出行方式的成本量化为出行距离的函数,然后分析平均出行成本(即出行效益)随出行距离的变化规律,分别建立了单一方式与多种方式组合联运条件下的最优出行方式优化模型,最后以成都市某轨道交通枢纽周边区域为例对模型进行了验证。实证结果表明:当出行距离增加时,共享单车、常规公交、轨道交通的平均出行成本具有规模效应,即出行距离增加时,其出行单位出行成本降低;在研究区域内,按照出行距离递增的顺序,考虑出行成本因素下出行者最优出行方式依次为步行、共享单车、常规公交、轨道交通;在常规公交最优选择区间,轨道交通平均成本与其差距不大,形成了很大竞争。因此,为了实现资源高效利用,应提高常规公交竞争活力,如提升舒适性,减小发车间隔。     

基于出行问卷与多模式公交刷卡数据匹配的公交调价影响分析

在公共交通宏观客流变化分析的基础上,展开公共交通出行选择调查,结合基于问卷和IC卡信息关联的公交个体出行跟踪,对北京市公共交通票价调整对出行者出行行为的影响进行深入分析.利用二元Logistic模型对问卷数据进行回归分析发现,职业、收入、是否拥有私家车及出行目的与调价后出行行为的变化存在明显的相关性.同时,研究以样本出行者的多模式公共交通IC卡刷卡数据为基础,提取了公交个体出行链,定量分析调价前后出行结构的变化.结果表明,调价对于非通勤出行者出行结构的影响大于通勤出行者,且这种影响主要体现为引发出行链结构相对简单的短距离轨道出行者转向公交出行.研究结果为公共交通政策实施效果评估,线网优化以及运营管理提供了科学依据和决策支持,有利于进一步提升北京市公共交通的服务水平.     

信息影响条件下考虑出行异质性的路径选择模型

出行者路径选择行为的研究对于预测城市交通流时空分布规律及维持网络经济、高效运转具有重要意义.为了探究多类型异质出行者路径选择行为的异同,研究了基于累积前景理论的多类别异质出行者路径选择模型.通过定义出行者参考点,引入考虑时间价值系数的风险敏感系数计算方法,以保证异质出行者拥有异质的风险偏好,研究分析了是否提供实时路况信息2种情境下常规通行者与通勤者路径选择行为的异同.数值算例表明,拥有较大参考点的出行者更倾向于保守地选择一条出行时间较长的道路,而其他人则更加冒险.此外,与通勤者相比,当备选方案均可以满足自身出行需求且自身参考点足够大时,常规出行者更愿意忽视风险,以获得更高的出行收益.      

基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.      

基于多方式选择的区域停车换乘设施选址研究

当区域内停车换乘设施布设过于密集时,易造成相邻设施点互相竞争、资源浪费,甚至引发出行效率下降,而既往的研究通常重视换乘需求最大化,忽略了这一现象对选址的影响。文中通过建立嘉定城区的模拟路网,对多种出行方式定义效用函数,运用MATLAB程序进行静态交通分配仿真,得到在不同位置设置换乘设施情况下,出行者选择停车换乘的比例和平均单位距离出行时间。结果表明,停车换乘设施的服务半径为2~5km;当区域内换乘设施由2个增加为3个时,平均单位距离出行时间反而增加约8%。     

出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.