混合交通流连续动力学建模

对现有的交通流动力学模型进行了简单的评价,在此基础上提出一种新的高阶混合交通流动力学模型,新模型重点研究了混合交通中的干扰项,用粘性项来计算交通阻力,然后对建立的交通流动力模型在特征根问题(车流应是各向异性)、负速度问题(车流倒退)和线性稳定性(主要指高密度下的车流稳定性)问题进行了理论分析。理论分析结果表明,新的高阶交通流动力学模型有效解决了困扰大多数高阶非平衡连续流模型难以处理的问题,而且新模型充分考虑了混合车流中不同车型比例车辆间的粘性阻力,相比较其他模型更能准确反映非纯小车流情况下的交通真实情况。     

城市道路行程车速影响因素分析

行程车速由行驶车速和路口停车延误共同决定。为了研究行驶车速和路口停车延误的影响因素，分别在沈阳、大连、杭州进行了调查，依据调查数据，应用回归法分析机非干扰状况、车道宽度、车流密度等因素对城市道路上行驶车速的影响，以及车流密度、路口信号配时对路口停车延误的影响。     

交叉口交通流仿真研究

针对交通网络中的交叉口车流具有连续时间特性,动态信号灯的切换具有离散事件特性的情况,以4相位单交叉口为对象,建立了1个4相位交叉口的混杂自动机模型,该模型中以车辆排队长度为连续状态变量描述连续车流动态,以信号灯状态为离散状态变量描述离散信号灯动态。在该模型的基础上分析了交叉口各个方向的输入、输出车流动态,采用CheckMate3．6工具箱进行仿真。仿真结果表明该模型不仅能够刻画交叉口车流的动态混杂特性,而且能够验证信号灯配时方案对车流疏导是否有效,从而为信号灯配时设计提供1种检验方法。     

信号交叉口右转机动车与行人和非机动车冲突研究

研究的主要内容为:未设置右转专用相位的信号灯控制道路交叉口右转机动车流与行人和非机动车的冲突行为,包括冲突数据的采集和提取、右转车流受到干扰前后速度与过街时间对比分析以及机非冲突速度-距离模型。以现实交通数据为基础,通过软件提取右转机动车与行人和非机动车冲突数据,建立标准统一的冲突数据库,以此为基础对比分析右转车流正常行驶状态和受到干扰情况下通过道路交叉口时的车速和过街时间,并建立右转车辆距离机非冲突点不同位置时所对应不同速度的统计模型。研究结果对右转专用相位设立标准的建立和相应信号配时方案的设计具有一定的工程指导意义。     

基于三弯矩样条函数插值模型的非等距时序灰色预测方法

给出了三弯矩样条函数插值模型,用以解决非等距时序GM（1,1）的灰色预测问题.在国际平整度指数IRI的非等距时序样条灰色预测应用实例表明,该方法在作非等距时序列向等距时序列转换中保留了原有数据序列所呈现出的阶段性规律,具有精度高、实用性强的特点.     

非拥挤路段自行车交通流特性研究

自行车是城市居民出行的主要方式之一，研究自行车交通流的特性对于合理规划道路交通资源，提高白行车交通服务水平具有重要意义。针对白行车交通流与机动车交通流的不同特征，提出了以单位面积车道上车辆集散程度定义白行车交通流密度的新方法，并基于调查数据，研究了非拥挤状态下自行车交通流密度、车速和流率3个参数的相关性，发现非拥挤自行车流的速度总是分布在接近期望车速的范围内，且与流率、密度无关，而速度的离散程度随着密度的增大而减小。最后，分析了车道、宽度与交通流3个参数的相关性，并建立了相应的回归模型，模型可用于在给定自行车交通需求以及服务水平条件下自行车道的设计宽度。     

城市道路应急车辆路段行程时间计算模型

针对应急车辆的路段行程时间计算问题,选择了具有代表性的单向2车道道路,在假设应急车辆不更换车道的条件下,根据应急车辆行驶规则,构建了城市道路应急车辆的2车道路段行程时间计算模型.得出行程时间和路段长度,自由流车速,常规车辆的平均车速,更换车道时间,车流的车头时距的关系.验证结果显示,该模型具有一定的适用性.     

连续交通流模型的有限差分近似解法分析

连续交通流模型是一个双曲线型偏微分方程式,不易求解,因此一般通过有限差分法近似求解。以均匀到达车流遇停等车队产生向上游回溯冲击波,以及停等车队起动向下游疏解这2种严苛交通案例,研究Lax-F差分法对不同阶连续交通流模型的适用性分析。分析结果表明:Lax-F有限差分法无论是针对1阶准线性连续交通流模型(即LWR模型)还是高阶连续交通流模型,均能获得与解析解相近的近似解,且具有较好的稳定性与收敛性,适用性也良好。     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.      

连续车流通过性的判定条件研究

为科学准确地预测连续车流的道路通过性，文中分析了道路在连续车流时的单车通行条件、大型或装有特殊物资车辆的通行条件、通行数量条件和修复时间条件，并建立了相应的判定模型。     

蝴蝶领结型交叉口交通组织与几何参数计算

为消除平面交叉口左转交通对交叉口的瓶颈作用，采用蝴蝶领结型交叉口交通组织方式，禁止交叉口车辆左转，将左转车流引至次要道路的环岛处进行掉头，将左转车流变成直行车流，并根据车速、道路和交通条件推导了掉头环岛与交叉口的距离、半径和车道宽度的计算模型。经过蝴蝶领结型交叉口交通组织以后，使交叉口的车辆禁止向左行驶，促使冲突点减少且信号控制只需两个相位，能够将交叉口信号灯的利用率提升，对交叉口运行效率具有显著提升效果。     

路基沉降预测非等时序改进灰色模型应用研究

讨论灰色系统理论在路基沉降预测中的应用，并对等间隔的灰色模型GM（1，1）进行改进，建立了任意时间间隔的非等时序改进灰色模型。通过实例比较，结果表明非等时序改进灰色模型的预测沉降量与实测沉降更接近，精度更高。     

自适应均衡学习的端到端类人驾驶控制决策网络

针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题，从类人驾驶特征出发，设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络。采用多层卷积和长短期卷积时序记忆网络（Conv-LSTM），对前方道路视觉感知图像时间序列进行时空特征提取，同时采用一维卷积和长短期时序记忆网络（Long Short-Term Memory，LSTM） 对车辆状态信息时间序列进行历史状态特征提取，进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策，并以未来序列作为辅助任务督促当前时刻的主任务学习。为更好地耦合汽车纵横向控制参数学习的过程，还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法，并引入容差阈值，建立衡量纵横向控制参数训练效果的评价方法。依托Comma2k19数据集对所构建控制决策网络进行训练和验证，体现出良好的可行性及优越性。     

城市快速路交织区速度预测模型改进

针对HCM2010交织区速度预测模型存在的3个典型问题,分别提出了交织区速度预测分段模型和改进的回归模型。选取上海市快速路4个典型交织区作为研究对象,利用遗传算法分别对HCM2010模型、分段模型和改进的回归模型参数进行了标定。为进一步测试所提出的模型,利用仿真试验的方法,对所提出的改进回归模型进行了敏感性测试。结果表明:改进的回归模型预测精度最高,交织车流速度预测平均误差为9.52%,非交织车流速度预测平均误差仅为6.64%,且改进模型不会出现交织车流速度大于非交织车流速度这种明显违背现实的预测结果;新的3个交织区的验证结果表明,改进的回归模型交织车流速度预测误差为10.79%,非交织车流速度预测误差为10.45%,所提出的模型具有良好的适用性。     

基于交通流元胞自动机模型的车辆当量换算

将一维元胞自动机模型用于模拟周期性边界条件下高速公路的车流运动,用随机慢化FI模型对一定交通环境下车流的车速与密度之间的关系进行仿真分析。探讨了不同车型和车速对道路最大流量(最大通行能力)的影响。依据不同车型在同一道路上的不同通行能力,提出了一种不同车型车辆之间当量换算系数的确定方法。在模拟仿真过程中,考虑不同类型车辆的最大行驶速度及所占空间不同,仿真模型具有不同的参数。通过计算机模拟,得到不同车型的交通流基本图,根据相同道路条件下的最大流量值,给出了以通行能力作为基准时当量换算系数的计算公式。     

基于BP神经网络的时序残差GM(1,1)模型

本文针对灰度模型在原始数据序列波动较大时,预测精度较低的情况,提出了基于BP神经网络的时序残差模型.文中使用BP神经网络训练时序残差,再结合灰度模型,较好地提高模型精度和预测精度.此模型不仅适合于原始数据波动较大的序列,而且对非波动性数据序列也有很高的精度.     

基于偏差分析的交通事件自动检测算法

高速公路事件检测是交通管理与控制中十分重要的环节。将交通流动态预测与事件检测相结合,探讨了基于偏差分析的事件识别方法。该方法对3个主要的交通流参数,交通量、地点车速和时间占有率进行动态预测,对预测值与实际值的偏差进行统计分析,明确了事件检测的具体步骤和事件发生概率的计算模型。该方法不受检测路段具体位置和时间的限制,具有较高的检测率和较小的误报率,有助于管理人员制定决策。     

改进时空步长一维交通流的数值模拟

在研究了现有的交通流宏观模型的基础上，采用差分方法对BD型交通流模型进行了数值模拟。为保证计算的精度和稳定性，引入“声速”概念；提出了时间和空间步长的改进算法，使得在时间步长的计算中考虑了地点平均车速和交通流密度的影响。数值模拟结果表明了改进算法的可行性。     

智能网联环境下的混合动力汽车分层能量管理

为实现混合动力汽车的实时最优能量管理,提出一种基于智能网联的分层能量管理控制方法。上层控制器利用交通信号灯正时求解目标车速的范围,而采用快速模型预测控制(F-MPC)算法预测给定时间窗口内的最优目标车速序列。下层控制器根据最优目标车速序列,利用基于威兰斯线方法的等效燃油消耗最小策略(WLECMS)进行混合动力汽车能量管理。硬件在环试验结果表明,所提出的基于智能网联的上层控制器可避免混合动力汽车红灯停车,而F-MPC可实现与MPC相近的最优车速预测和燃油经济性,且每一时间步长的计算时间可缩短到MPC的7.2%;WL-ECMS可实现良好的车速跟随,百公里油耗与ECMS相当,且每一时间步长的计算时间可缩短到ECMS的1.48%。     

基于稳定性和宏观交通流模型的车辆路径规划

为了提升车辆的安全性和能量利用率，从路径规划的层面出发，针对避免车辆遇到极端工况及低效率工况的问题，提出将车辆稳定性判据模型和交通流模型相结合的方法来规划车辆路径，使得车辆在路面湿滑情况下实现快速、安全的行驶。使用交通流模型预测车辆未来将要面临的交通环境变化，再使用稳定性判据模型评估未来交通的安全性，以便为混合动力车辆规划出最快且最安全的路径。具体来讲，为了预测混合动力车辆未来将要面临的车速及车流密度的变化，使用通量矢量分裂格式求解广义Aw-Rascle-Zhang（GARZ）宏观交通流模型。此外，使用驾驶人在环仿真平台PreScan，收集了同一驾驶人在不同车速及不同相对前车距离时给出的前轮转向角响应。基于前轮驱动（FWD）前轮转向（FWS）车辆和全轮转向（AWS）分布式驱动车辆（DDV）的Simulink模型，给出了不同前轮转向角对应的轮胎力饱和因子（δ_TFSC）响应。使用人工神经网络训练不同车速和车流密度对应的δ_TFSC，建立了车辆的稳定性判据模型。使用新建立的稳定性判据模型对交通流模型预测的参数（车流速及车流密度）进行稳定性评估。然后，基于以上的方法优化了车辆行驶路径，以确保车辆在湿滑路面上的行驶安全。最后，使用US-101真实交通流数据来验证交通流模型的预测结果。经实例验证得出：交通流模型与车辆横向稳定性判据模型相结合可以从路径规划的层面保证车辆安全行驶并提升交通系统的通行效率。