车辆跟驰模型对比研究

车辆跟驰理论作为交通流理论的一个重要分支，半个世纪以来一直受到交通研究人员的重视并得到持续快速发展。主要介绍了几个重要模型并结合各自的特点进行了对比研究。建议实际应用时应根据系统要求结合模型的特点进行选择，必要时进行适当的改进。     

中观交通仿真模型INTEGRATION及其案例应用

交通仿真模型可以分为宏观、中观、微观三类,中观交通仿真模型是一种能够兼顾宏观与微观模型优点的交通流动态仿真模型。国内对宏观、微观交通仿真模型已有很多研究,但是对于中观交通仿真模型的研究还很少。根据中观交通仿真模型INTEGRATION的模块构成及功能特点,将其应用于道路交通中,并结合实例加以分析,对于推动国内中观交通仿真模型的研究及国内路网规划的逐步完善具有重要的理论和实践意义,     

交通方式划分离散选择模型的比较研究

本文章介绍了MNL、NL、HEV、MNP、MMNL等五种离散选择模型,重点分析了它们各自的理论基础与特点,并应用于交通方式划分案例,对模型参数进行标定。结果表明,NL模型能够较好解决存在于替选方案的相似性问题;MMNL预测误差最小,可靠性最高,较NL、HEV、MNP模型更能解决交通方式选择行为中存在的相似性、异质性问题,是一种对交通方式选择行为预测的有效方法。该研究对交通方式分担率预测问题具有重要的指导意义,因为通过简单选择某个离散选择模型开展研究得出的结论并不一定可靠,应根据模型特点谨慎选择、谨慎应用。     

车头时距分布模型及其在山区双车道公路的应用

车头时距是交通流理论中的一个重要概念,是交通流的重要特性之一．国内外对车头时距的分布进行了大量的实地观测,并在概率统计的基础上建立了车头时距的分布模型．本文对各种车头时距分布模型在交通流理论中的应用进行了详细的阐述,并讨论了各种模型的适用范围．然后,对山区双车道公路实测的车头时距数据进行了拟合,得出了在小交通流量(小于500veh／h)时车头时距符合移位负指数分布;阻车时产生的交通流量(大于600veh／h)时车头时距符合对数正态分布,该结果能为进一步研究山区双车道公路通行能力奠定基础．     

航空客运收益管理无约束需求预测方法研究

无约束需求预测是提高收益管理决策准确性的重要前提,需求修复是其关键的组成部分.本文基于航空客运的需求特点,对无约束需求预测方法进行了定量研究和讨论.首先对研究的问题进行了描述,提出先将Holt模型用于需求修复,再使用Holt-Winters模型进行无约束需求预测的思想,并结合组合预测方法,建立了基于Holt的组合需求修复模型和基于Holt-Winters的组合预测模型.最后,通过数值仿真,验证了本文的无约束需求预测方法和组合模型对航空客运收益管理的可行性和有效性.     

基于前馈神经网络的我国股市宏观多因素模型探讨

本文针对传统多因素模型的两个重要步骤：模型形式设定和变量选择问题，结合我国股市的特点，利用前馈多层神经网络和层次贡献分析方法相结合，建立了影响我国股市的宏观多因素模型，并进行了实证研究，证明了该方法的有效性。     

旅游目的地的创新集成模型研究

运用产业经济学、管理学、数理统计学、数量经济学、旅游经济学等学科理论，集中分析和研究了旅游目的地创新集成的一些数学模型的理论性问题．结合旅游目的地各要素结构创新提出了旅游目的地创新集成（TDⅡ）的理论及TDⅡ的结构模型，并对TDⅡ的功能进行了分析，提出并研究了各要素结构指数及模型，建立了TDⅡ吸引力指数模型及TDⅡ投入模型和优化模型．     

数字地面模型的曲面拟合建模方法

将飞机、汽车、造船领域机助设计中曲面拟合的理论与方法运用于路线CAD设计中数字地面模型 (DTM)的建模 ,是一个值得探讨的课题。笔者研究了基于曲面拟合思想的创建数字地面模型的方法 ,阐述了该方法的基本原理、步骤和程序设计 ,并结合示例进行分析 ,证明了这一方法不仅可行 ,而且具有方便迅速的特点 .     

拱桥车桥耦合振动的研究

结合开县渠口大桥的特点,分别建立车辆的三位离散自由度模型和桥梁的模态模型,并通过轮轨作用关系建立车桥耦合的振动动力模型,同时对开县渠口大桥的车桥耦合振动进行研究,可为此类问题的研究提供参考。     

CFS加固RC箱梁斜截面承载力理论分析与试验

根据非线性有限元理论,建立CFS加固RC箱梁的三维非线性有限元分析模型,对箱梁进行斜截面承载力分析.针对箱梁桥的开裂特点与受力情况,制作4根RC箱梁并进行CFS加固RC箱梁的模型试验,通过逐级加载,研究CFS加固RC箱梁斜截面时的破坏全过程,分析CFS加固RC箱梁斜截面的受力特点和加固箱梁的极限承载力,对有限元计算结果与试验结果进行对比分析,进一步验证了理论计算模型的正确性.     

车辆跟驰模型研究进展

梳理了近70年关于跟驰模型的研究, 根据建模方法将其分为理论驱动与数据驱动2类模型, 并归纳了跟驰模型的研究热点; 从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述; 根据所用机器学习算法的不同, 从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明: 理论驱动类跟驰模型以理论推演交通现象, 对影响因素的考量难以全面, 部分人类因素难以量化, 驾驶人决策制定过程的解释不够准确, 异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明; 数据驱动类跟驰模型以交通现象归纳交通规律, 由于数据的来源、评价指标及评价方法不同, 导致应用机器学习算法得到的模型无法系统比较; 数据驱动类模型侧重于从微观角度研究驾驶行为特性, 对复杂交通现象(如交通震荡、迟滞等)的解释性不强; 跟驰模型的研究应创新数据采集方法, 捕捉驾驶人的心理倾向、感知特性和认知能力, 并量化人类因素的影响和充分利用大数据; 数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持; 在自动驾驶完全普及之前, 人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。      

智能网联混合交通流稳定性解析方法综述

交通流稳定性分析是研究交通拥堵形成机理、车队队列控制的基础,面向智能网联环境下的混合交通流队列线性稳定性分析已成为近年来的研究热点. 根据受到的扰动大小和范围,介绍了线性稳定性、非线性稳定性、局部稳定性和队列稳定性的相关概念,并指出了交通流队列稳定性的基本判别准则. 基于控制理论,回顾了交通流车队队列线性稳定性条件的经典解析方法,其中,特征方程法评估了交通流内部扰动的增长速度,传递函数法依托于拉普拉斯变换构建了扰动的传递关系. 从经典跟驰模型、考虑时延的跟驰模型和考虑多前车驾驶信息反馈的跟驰模型出发,系统分析并总结了国内外学者对于混合交通流稳定性问题的研究现状,同时回顾了交通流稳定性理论研究在车队队列控制等方面的实验和工程应用. 最后,展望了混合交通流稳定性分析领域的研究前景,指出了在后车跟驰行为、智能网联汽车的交互协同、复杂混合交通流等几个方面是今后需要重点研究的领域.      

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。      

信号交叉口集聚车辆的跟驰行为分析与建模

为了更好地模拟城市信号交叉口集聚车辆的跟驰行为,进而应用于城市信号交叉口信号配时和交通流理论研究,采用一种基于视频的交通流数据采集方法来采集信号交叉口的微观交通行为数据.运用灰色关联分析方法对采集到的微观交通数据进行分析,挖掘出其中的有用信息,从而寻求能够最大程度反映信号交叉口集聚车辆跟驰行为的影响变量.构建城市信号交叉口车辆集聚过程中的跟驰模型并进行参数标定、效果验证和比较分析.研究表明,新提出的跟驰模型能够很好地拟合信号交叉口集聚车辆的跟驰行为实测数据,其拟合性和稳定性优于重新标定后的扩展GM模型.     

高速公路瓶颈路段运营通行能力研究

高速公路瓶颈路段在发生交通拥堵后会引起运营通行能力突变现象,为了更 加准确揭示瓶颈路段运营通行能力变化规律,引入非对称驾驶行为理论,改进Newell 跟 车模型,并对模型进行参数估计和应用分析.通过12 个仿真场景及试验数据对比分析了 改进模型和美国道路通行能力手册（2010）推荐模型的精确度,发现改进模型可以提高精 度;分析了因车道减少导致的交通拥堵,发现关闭不同车道和车道数对运营通行能力影 响结果不同,得出了相应的影响值;在一定交通量范围内,入口匝道和出口匝道交通量的 增加都会导致主线拥堵路段运营通行能力的降低,并给出了最大降低幅度.研究结果可为 缓解高速公路瓶颈路段交通拥堵提供借鉴.     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明:基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。      

环形交叉口入口道车辆跟驰行为研究

为了研究环形交叉口入口道车辆跟驰行为,依据实地交通调查的数据,利用线性跟驰模型和回归分析方法对环形交叉口入口道跟驰车辆进行分析,分析结果表明:环形交叉口入口道的车辆跟驰行为是符合线性跟驰模型的,但是有别于普通道路上的车辆跟驰行为,其反应强度系数λ的值在0.2 ～1.0之间,λ值为0.38出现的概率比较大,占40％,进行稳定性分析可知车间距的摆动处于基本稳定和衰减摆动两种状态,是符合局部稳定性的.     

纯微观车辆跟驰行为研究与仿真

车辆跟驰作为交通领域研究的一个重要课题,在现实生活中具有重要的实际意义.为了研究车辆在行驶过程中的跟驰特性,首先,依据车辆跟驰原理,在原有微观车辆跟驰模型的基础上,对模型进行了改进和完善,使之更切近实际.然后,以VC6.0为平台,对纯微观车辆跟驰运行过程进行仿真,仿真结果直观地表现车辆在跟驰过程中速度、加速度的变化,反映出车辆的跟驰特性,以期对相关交通问题的解决提供有益的探索.     

环形交叉口入口道车辆跟驰行为研究

为了研究环形交叉口入口道车辆跟驰行为,依据实地交通调查的数据,利用线性跟驰模型和回归分析方法对环形交叉口入口道跟驰车辆进行分析,分析结果表明：环形交叉口入口道的车辆跟驰行为是符合线性跟驰模型的,但是有别于普通道路上的车辆跟驰行为,其反应强度系数A的值在0．2—1．0之间,A值为0．38出现的概率比较大,占40％,进行稳定性分析可知车间距的摆动处于基本稳定和衰减摆动两种状态,是符合局部稳定性的．