集成ETC系统的城市快速路常发性交通拥堵管理策略

分析城市快速路常发性交通拥堵特点,基于ETC(电子不停车收费)系统功能和匝道控制原理,提出了快速路ETC匝道控制和匝道出入口OD流量分析模型。通过判断分析关键匝道出入口及其常发性拥堵的不同原因,提出相应的拥堵管理策略,为快速路的常发拥堵管理及匝道控制提供参考。     

基于自适应BP神经网络的城市道路偶发性拥堵判别

在分析交通拥堵时空分布特征的基础上,将交通流状态划分为正常状态、常发性拥堵和偶发性拥堵3种;以BP神经网络为基本工具,引入粒子群算法确定网络结构,通过加栽学习动量项加快网络收敛速度,实现偶发性拥堵的准确、快速识别。研究表明,自适应BP神经网络比传统网络在偶发性拥堵判别方面具有更高的正确率,能实现快速判别。     

面向常发拥堵点的主动交通诱导方法

基于动态用户均衡、系统最优分配的诱导方法,侧重路网需求的宏观预测和调节,难以准确辨识道路拥堵点的关联车流,制约了诱导效果。为精准调控致堵车流,有效缓解常发性拥堵,研究基于需求溯源的主动交通诱导方法。遵循靶向诱导的思路,分析车辆行驶轨迹和常发拥堵点的交通流关联性,运用卡尔曼滤波对关联车流进行短时预测,在此基础上,结合流量占比、路径饱和度等指标,对诱导目标车流进行优选。同时,从负荷均衡的角度出发,基于路段与路径交通流的时空关联更新路网交通状态,建立以饱和度均衡为目标的主动诱导优化模型。仿真结果表明:相比反应型诱导与基于路径偏好的主动型诱导,所提方法使常发拥堵点的车均延误、停车次数等下降30%~60%,路网车均延误、停车次数等下降10%~15%,模型收敛速度提高,交通效益提升,验证了该方法的有效性。      

面向常发拥堵点的交通信号协调控制方法

针对高峰期间常发拥堵点交通需求过大、周边关联交叉口交通负荷分布不均的问题, 研究了面向常发拥堵点的交通信号协调控制方法。通过对常发拥堵点的车流进行追踪与溯源, 根据交通量关联度确定信号协调控制范围, 然后基于路径的流量分担率与路段平均饱和度识别信号协调控制范围内的关键路径。基于宏观基本图理论, 考虑关键路径对路网运行状态的影响, 构建边界交叉口主动限流控制模型。同时, 利用元胞传输模型描述交叉口与路段的运行状态, 以关键路径通行能力最大化和进口道饱和度均衡化为信号控制优化目标, 建立均衡路网交通负荷的信号控制优化模型。以武汉市发展大道青年路交叉口以及关联交叉口为对象开展仿真实验, 结果表明: 虽然本文方法下的边界交叉口车均延误增加了6.8 s, 但常发拥堵点的车均延误降低了15.7 s; 关键路径的车均延误减少72.6 s, 平均排队长度减少26.1 m。并且, 路网整体的车均延误降低14.7%, 驶出车辆数增加26.6%, 验证了提出方法缓解常发拥堵点交通拥堵的有效性。      

基于速度特性的城市快速路常发性交通拥堵研究

基于城市快速路浮动车技术,获取北京市快速路瓶颈路段全天交通流运行速度时间序列数据,对快速路常发性交通拥堵形成及消散进行精细化定量分析。首先应用小波分析技术对数据进行降噪处理,依据速度变化特性将快速路瓶颈处交通流运行状态划分为稳定运行态、拥堵形成态、拥堵态及拥堵消散态4种状态,并分析不同状态下的速度表现特征。研究表明,应用速度变化量可以判别交通流所处状态,而后利用统计学方法给出不同状态之间变化的判断阈值,并归纳出快速路常发性交通拥堵形成时刻、消散时刻及持续时间的判别方法。该方法对拥堵特性判别精度可达80%以上,对交通拥堵预测及交通管理具有明显实际应用价值。      

城市轨道交通车站内客流集散瓶颈识别及排序方法

城市轨道交通车站客流集散过程中的设施瓶颈会导致车站内客流拥堵,严重影响乘客出行效率和系统运营安全.针对客流集散瓶颈进行识别和排序,在利用元胞自动机空间划分理念构建客流集散网络的基础上,分别基于复杂网络、网络最大流、拥挤堵塞等理论,提出了客流集散状态下形态、能力和拥堵瓶颈3种静态识别方法,并结合Anylogic仿真软件,基于集散时间进行静态瓶颈的排序;在动态瓶颈识别和排序方面,结合时间离散化的客流数据,提出基于时空拥堵强度的瓶颈识别及排序算法.以北京西直门换乘枢纽站为例进行概念建模和仿真建模,结果表明,利用堵塞流识别出的拥堵瓶颈在3种静态瓶颈中更符合车站实际运营情况;而排序重要度最高的动态瓶颈为站台处各楼梯起点,车站内客流集散瓶颈多出现在流线交织区且具有传播特性,验证了上述方法的可靠性和适用性.      

基于速度的城市快速路交通拥堵预测研究

交通拥堵预测是解决交通拥堵问题的重要步骤之一.为缓解交通拥堵,选取速度这一参数建立交通拥堵预测模型.在对速度时间相关性和空间相关性分析的基础上,提出了基于时空特性和径向基神经网络的速度预测多点模型.将预测结果与决策阈值相比较,粗略地判定拥堵等级,并运用模糊算法对速度和拥堵程度进行量化,建立相应的模糊规则体系,并应用模糊逻辑推理得到定量的拥堵度指标.结合实例进行仿真和分析,与基于单一时间序列的预测方法相比较,基于时空特性的预测方法的平均绝对相对误差由7.45%下降到了3.61%,有效地提高了速度预测精度,基于速度的拥堵预测模型的识别准确率较高.利用模糊算法评判拥堵程度,可得到量化的拥堵度指标,使拥堵程度一目了然.      

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

一种基于视频序列的城市快速路交通状态分类方法

研发智能交通系统(ITS)是目前世界上各个国家交通运输领域技术发展的热点之一.而交通状态的有效分类和识别是ITS中主要子系统和重要功能之一.针对传统提取交通参数方法在拥堵状态下准确率偏低的情况,文中提出一种基于视频序列的城市快速路交通状态分类方法.定义并从视频序列中获取时空线序列符,该时空信息存在大量的数据冗余,因此通过主成分分析方法(PCA)进行降维与特征提取;通过主观评价方式,选取畅通和拥堵交通状态下样本输入支持向量机(SVM),根据实验仿真结果选择高斯径向基核函数作为核函数来解决特征数据非线性的问题,并通过参数调优构建出交通状态二分类的最优模型.实验表明,时空线序列符和主成分分析的方法可以很好地应用于交通状态分类当中.      

城市快速路常发性交通拥挤分析

基于城市快速路交通流实测数据,分析了常发性交通拥挤的特征.划分了6种交通流状态,对其进行了定性和定量分析,进而提出了"状态跳转"的概念和判别方法,揭示了拥挤形成过程;根据交通拥挤的形成原因将其分为主动和被动式.介绍了用时空速度变化图寻找拥挤源头以及选择交通控制措施的方法.     

可获知偶发拥堵持续时间的动态车辆路径问题

考虑真实交通路网,探讨了可获知偶发拥堵持续时间的动态车辆路径问题.在利用改进的Dijksta算法将路段行驶时间转化为客户点间最短行驶时间的基础上,根据常发拥堵信息,通过遗传算法安排车辆初始配送路径,根据实时获知的偶发拥堵因素影响下的路段行驶时间和其持续时间,以2-opt和insertion方法更新车辆配送路径,通过车载导航系统实时指导车辆行驶路线.数值试验表明,该方法可根据偶发拥堵信息更新车辆配送路线,以避开偶发拥堵影响路段,缩短总配送时间0.65~13.18 min;获知偶发拥堵持续时间帮助多节省了配送时间 -0.16~4.17 min.节省的时间随偶发拥堵因素对路网影响的加剧而更显著.      

城市最优路权分配方法模型解析

通过交通拥堵成因的解析发现,只有彻底保证地面公共交通的路权,才能从根本上解决城市的交通拥堵问题.为了寻找最优的路权分配方案,引入容量分析的理念,在传统分析方法的基础上,重新界定了容量定义、评价指标和运算方法,以成熟的城市综合交通模型为平台,从出行的可控性和舒适性两方面构建模型的核心,完善了交通容量的分析流程,提出了城市最优路权分配方法模型.最后以广州为实例进行了研究,结果证明,地面公共交通路权优先,既适应公交优先的理念,又能最大程度地实现城市的要求,是解决城市交通拥堵问题的关键.     

杭州市上塘-中河高架交通改善方案研究

上塘-中河高架是杭州市主城区最重要的一条南北向骨架道路,近几年来拥堵严重,已成为城市交通热点问题。该文从杭州市的道路网特点入手,通过大量现场调查,并借助杭州市智能交通信息平台的FCD和微波车检器流量数据,深入分析了上塘-中河高架的交通拥堵特征。从交通需求、交通设计和交通管理与控制三个方面系统地剖析了其交通拥堵的原因和症结。借鉴国外高速公路无瓶颈段设计理论,本着交通疏堵工程和保证快速路运行效率的理念,从增设匝道的合理性,打通中河立交瓶颈节点,部分路段"4改5(6)",增加匝道车道数,地面道路配套措施及封闭个别匝道等交通工程角度提出了交通改善方案。     

基于DEA的城市道路交通拥堵评价

为了更好地分析和解决城市道路交通拥堵问题,以主干道为研究对象,将城市道路拥堵状态分为堵塞、拥堵、较拥堵、较畅通、畅通5个等级,从交叉口拥堵和路段拥堵2个方面筛选了衡量道路交通拥堵的评价指标,利用数据包络分析（DEA）建立了城市交通拥挤评价模型。以济南市北园大街主干道为例进行交通拥堵评价,得到该道路的拥堵状态以及产生拥堵的主要原因。结果表明数据包络分析方法在进行多指标评价综合评价中具有很强的抗干扰性,评价结果更客观。     

Short-Term Traffic Flow Forecasting for Freeway Incident-Induced Delay Estimation

Freeway incidents not only threaten travelers’ safety but also cause severe congestion. Incident-induced delay (IID) refers to the extra travel delay resulting from incidents on top of the recurrent congestion. Quantifying IID would help people better understand the real cost of incidents, maximize the benefit-cost ratio of investment on incident remedy actions, and develop active traffic management and integrated corridor management strategies. By combining a modified queuing diagram and short-term traffic flow forecasting techniques, this study proposes an approach to estimate the temporal IID for a roadway section, given that the incidents occurs between two traffic flow detectors. The approach separates IID from the total travel delay, estimates IID for each individual incident, and only takes volume as input for IID quantification, avoiding using speed data that are widely involved in previous algorithms yet are less available or prone to poor data quality. Therefore, this approach can be easily deployed to broader ranges where only volume data are available. To verify its estimation accuracy, this study captures two incident videos and extracts ground-truth IID data, which is rarely done by previous studies. The verification shows that the IID estimation errors of the proposed approach are within 6% for both cases. The approach has been implemented in a Web-based system, which enables quick, convenient, and reliable freeway IID estimation in the Puget Sound region in the state of Washington.     

交通运行指数的研究与应用综述

为了量化研究交通拥堵的特性,已提出多种不同的交通运行指数(TPI)模型,并在部分城市中得到了应用。分析了现有交通运行指数模型的机理、特征和主要参数。将现有模型分为2类:基于统计的宏观静态运行指数模型和基于实时数据的动态运行指数模型。其中,动态运行指数模型包括基于严重拥堵里程比的指数模型和基于出行时间比的指数模型。以北京市浮动车数据为基础,应用动态运行指数模型测算交通指数,对比分析了2种动态指数模型的一致性、差异性和敏感性。      

基于探测车技术和多级模糊模式识别的道路交通状态评价方法

提出了一种新的多因素道路交通状态评价方法,利用探测技术获取的探测车平均速度、拥堵系数、停车时间比例、加速度噪声和平均速度梯度作为交通拥堵表征量,采用VISSIM仿真方法确定出交通拥堵表征量的阈值,并应用多级模糊模式识别方法实现道路交通状态的评价过程。仿真结果表明:利用探测车技术和多级模糊模式识别方法可以准确方便地实现道路交通拥堵状态的评价,并且能够反映出评估时段内道路交通状态的变化。     

城市交通拥塞辐射模型及其对路网服务能力损伤研究

为预防和治理城市路网系统中交通拥塞的辐射扩散以及由此造成的路网系统服务能力损伤，从新的视角对交通拥塞辐射扩散规律进行研究。将毒气在有限空间内的泄漏扩散抽象为交通拥塞的辐射蔓延，首先运用Python软件对高德地图API的WEB服务进行实时路况数据爬取，并对爬取的数据、浮动车数据、SCATS监测的流量数据以及其他交通信息数据进行预处理。在此基础上建立基于高斯烟雨模型的城市道路拥塞辐射时空模型并且充分考虑邻居节点和路段的交通运行状态以及不同道路等级对拥塞传播范围的影响。对模型调节参数U进行标定，得出快速路、主干路U值均为1，次干路U值为0.7。然后通过实例进行验证，结合实际值将模型计算结果与高德地图预测值进行比较，所建立模型的拥塞最大辐射边界、拥塞辐射时间预测精度要更准确，整个拥塞过程模型拟合度较高，模型适用性强。最后在城市道路拥塞辐射时空模型的基础上利用材料力学中切应力对材料的损伤原理，以拥塞某传播方向为研究对象，计算出拥塞辐射传播给路网中的某路段造成的通行能力失效值。分析路网中路段通行能力下降对路网服务能力的损伤影响，进而给出路段重要性识别方法。研究成果可为交通管理部门加强关键路段治理以及制定缓堵政策提供参考。     

证据理论在空中交通拥挤评估中的应用

针对我国空中交通拥挤评估工作中存在的问题,建立起1个评估空中交通拥挤的指标体系,并给出了基于证据理论的空中交通拥挤评估方法。通过对算例的计算和分析,验证了评估方法在空中交通拥挤评估中的有效性和可行性。