基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

考虑出行者不同理性程度的拥堵交通流分配方法

为研究出行者感知偏好对交通分配结果的影响,本文构建了微观路径选择模型,提出拥堵条件下受路段通行能力限制的交通分配算法。引入出行者决策过程中的后悔和无差别化阈值,考虑出行时间和排队时间的心理感知差异,构建不同理性程度下的路径选择概率模型。在集计水平上,考虑当前路段及其上下游路段通行能力限制、路段车辆空间排队和溢出,提出路段车流量流入、流出的修正方法。采用增量加载分配方法,研究路段车辆的消散特性,再现了从个体路径决策到宏观路网状态的演化过程。基于Nguyen-Dupuis仿真网络,比较不同算法下各路段的拥堵车辆和各路段车辆流入、流出情况。结果表明：出行者个人偏好感知会显著影响拥堵路段的成本函数,是出行者路径选择的关键因素,但是出行者个人偏好对非拥堵路段的车辆流入、流出影响较小;考虑个体偏好的交通分配方法能降低路网的平均饱和度。本文提出的考虑有限理性的拥堵交通分配方法可应用于拥堵路网的交通诱导,有利于促进道路资源的合理利用。     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率，以预测型诱导策略为基础，以排队长度作为交通诱导的约束条件，利用小波神经网络短时交通量预测预知路段堵死事件发生路段，通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定，进而建立广域诱导模型；对事件区域路网进行分区，进一步确定该模型诱导起点位置，引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法，通过流量迭代分配方法实现路网负载均衡. 通过实例验证，该诱导方法能有效地缓解道路交通拥堵，提高路网通行效率.     

建设中的上海新南北通道

<正>上海南北高架(内环线内)白天12小时驶入车次35万pcu,路段交通已达到100万pcu公里,占全天24小时的72%;高峰小时流量占白天12小时的9.0%。南北高架白天12小时平均断面流量13万~14万pcu。高峰小时平均断面流量1.2万pcu,全线饱和度0.90,早高峰平均行程车速23公里/小时。南北高架全天基本都处于拥堵状态,尤其是中环至内环路段长时间处于红色拥堵状态。观察现状区域路网结构可以看到,在南北高架最拥堵路段即南何     

基于BP神经网络的Q-学习可变限速控制对拥堵路段交通流的优化

为提高可变限速(variable speed limits,VSL)控制对高速公路交通流的控制效能,提出一种连续状态下BP神经网络的Q-学习VSL控制方法。以路网总通行时间、路段内平均速度、平均密度和平均流量为评价指标,应用VISSIM4.30与MATLAB软件对比分析采用与不采用BP神经网络的Q-学习VSL控制时,入口匝道和主线合流区域附近潜在拥堵路段对交通流的影响。结果表明,基于BP神经网络的Q-学习型VSL控制方法对主线瓶颈区域上游易拥堵路段的交通流有明显的优化作用。     

瓶颈路段交通改善实证研究

城市道路路网中,瓶颈路段的存在对路网通行能力有显著的影响.本文归纳了瓶颈路段存在的两类常见问题:由于拆迁、开发遗留等造成的瓶颈路拥堵;以及铁路、桥等阻碍造成的瓶颈路拥堵.对断头路、瓶颈路的改善措施进行了梳理.结合姚家园路区域-朝阳公园桥案例展开了实证研究,研究表明,断头路的存在对路网的通达性有明显影响;合理调节支路的分流量,可以减轻路网节点的拥堵程度;打通断头路,路网的非直线系数提高,更加方便路网中节点的交流;畸形交叉口的改善,使路网的连接度提高17.5%.     

可变信息屏对北京市交通拥堵缓解的评价研究

可变信息屏（VMS）为缓解大城市交通拥堵提供了一种有效途径,它通过发布诱导信息来均衡路网上的交通需求.为了评价VMS对缓解交通拥堵的效果,本文通过数据挖掘方法建立了一种通用评价模型.所用数据包括由北京市VMS系统和道路检测器得到的VMS历史发布信息和道路交通流数据,这些数据能够真实地反映路网中的交通状况.通过比较诱导信息和提示信息下的拥堵缓解效果,并对不同道路状况下拥堵缓解效果进行时间和空间分析.结果表明,诱导信息能够更加有效地提高拥堵路段的服务水平,特别是严重拥堵路段,诱导信息比提示信息更加有效.     

路网宏观基本图中磁滞现象的产生机理

为尽快将路网宏观基本图理论应用于实际交通管控中,利用车流波动理论从交通流状态演化的角度分析路网宏观基本图中磁滞现象的产生机理。以日本京都市的实际观测数据验证部分结论的可靠性。通过理论研究及案例分析发现:1)路网中低密度、高流量的交通流状态经过拥堵流状态后转化为低密度、低流量的交通流状态是磁滞现象产生的重要原因;2)在相同路网车辆数的条件下,相较形成过程,磁滞环的消除过程会使得路网中产生更多的拥堵路段及拥堵溢出点;3)当路网中存在非拥堵路段可供逐渐增加的车辆选择时,路网宏观基本图有可能在磁滞环形成过程中出现路网车辆数持续增加、但路网总流量保持不变的奇异现象。     

基于模糊神经网络的结合部匝道控制方法研究

针对高速公路与关联城市快速路（简称结合部）路段拥堵日益严重的现状,从匝道控制影响要素分析入手,基于模糊控制和神经网络思想,本文提出了以主线交通状态与期望状态差值和匝道交通状态为输入变量,以匝道调节率为输出变量的模糊控制方法. 同时针对结合部路网互通式立交设计的实际情况,分单匝道控制和双匝道控制两种情况进行了分析,提出了相应的匝道控制方法,并建立了5层模糊神经网络控制模型. 最后以北京京津塘高速公路与北京三环和四环关联城市快速路为案例,对建立的模型进行效果验证,结果证明了所建立方法的有效性.     

成都市城市公交线网分级规划思考

随着城市的城乡一体化进程的加快，城市的客运交通也应实现城乡基础上的公交一体化．由于城市形态不同、城镇发展水平不同，带来不同层次的交通需求，由此，提出公交线网分级规划的思考．本文采用城市公变线网三级划分方法，并提出了骨干公变线路的走向搜索法和分级线网规划方法；最后根据公交线网分级规划的特点，提出一组评价公交线网分级规划的指标体系和评价方法．     

基于遗传算法的交通信号多层模糊控制模型研究

针对城市交通信号控制问题,提出了一种基于交通需求强度的单路口多层模栅控制模型,第一层用来判断路口的交通需求强度;第二层为相位优化层,主要完成相位优化功能;第三层为绿灯时间优化层,用来确定各个相位的有效绿灯时间,针对模糊控制模型中隶属度函数优化的问题提出了利用遗传算法进行模糊控制模型中隶属度函数的优化模型,确定了遗传算法各类参数的计算方法,通过与普通多层模糊控制模型仿真的比较,结果表明本文提出的基于遗传算法的多层模糊控制模型具有较好的控制效果.     

基于路网二次分层模型的出行路径诱导优化方法

为了提高出行诱导路径搜索的效率和优度,提出了一种基于道路功能以及交通状态划分的路网二次分层模型,模型从道路的功能角度进行路网的初分层,从道路交通状态角度,通过设定的交通状态阂值进行路网的次分层,建立的路网二次分层模型从宏观方面反映路网的结构,从微观方面反映路网运行的交通参数;利用路网二次分层模型所划分的各层路网之间的协同,借助限制区域的A‘算法进行最优路径的“三段巡径”过程。实例表明该算法实用、高效,有助于搜索得到最优出行路径。     

基于交通需求强度的路口多层模糊控制模型研究

针对模糊控制在城市交通信号控制中的应用，提出了基于交通需求强度的路口多层模糊控制模型，首先在阐述路口交通信号控制基本机理的基础上提出了交通需求强度的概念来表示路口交通信号控制的需求问题．在此基础上提出了多层模糊控制模型，第1层用来判断路口的交通需求强度；第2层为相序优化层；第3层为绿灯时间优化层．通过与多方案选择的定时控制相比较，仿真结果表明所提出的多层模糊控制模型具有相对较好的控制效果．     

基于数据包络分析的单向交通网络运行效率评价

为了缓解交通拥堵和提高单向交通网络的运行效率,建立了基于数据包络分析法的评价模型并对其影响因素进行分析。首先确定了单向交通网络的运行效率评价指标,然后将路网结构和路网运行状况分别作为输入与输出变量建立了评价模型,选择路网级配水平、非直线系数、路网密度等指标作为投入指标层,路网平均饱和度和车辆绕行时间作为产出指标层。基于该运行效率评价模型对南京市某街区的单向交通网络运行效率进行分析,发现所提供的组织方案可实现该路网运行效率最优。最后,通过Vissim 数据显示功能对评价模型的有效性进行了验证。案例研究结果表明,采用Z形和C形走向的交通组织方案可使模型的运行效率达到最佳;适当提高支路网密度可使区域单向交通组织得以有效优化。     

基于多层次注意力机制的交通节点分类

不同交通节点对交通需求和对交通状况的贡献不均衡,在进行道路修建、交通设施设置的时候需要考虑交通节点的交通需求,因此在城市中对交通节点进行分类,有助于交通规划的实施.本文构建基于多层注意力机制的深度网络学习模型,对交通图的节点进行嵌入分类.该模型由2层神经网络组成,第1层通过多层注意力计算节点的低维嵌入,第2层将第1层的...     

交通事故现场安全性综合评价

为了研究交通事故现场安全性,避免二次交通事故的发生,建立了交通事故现场安全性评价指标体系,准则层为人因因素、车辆因素、道路与环境因素和管理因素4个指标,决策层共15个指标. 为了统一各评价指标的度量标准,分别采用隶属度和无量纲化函数对定性和定量指标进行无量纲处理,将各属性值变换到［0, 1］范围内. 再将处理结果作为学习样本,进行神经网络训练. 最后以典型交通事故现场有关参数的实测值输入三层BP神经网络评价模型,对交通事故现场安全性进行评价,评价结果为0.5584,安全性等级为一般. 实例应用结果表明,选取的评价指标合理,评价结果客观     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

基于层次分析法的慢行交通系统评价研究

文章根据慢行交通的特点建立以评价慢行交通系统为目标层,慢行系统连续性、慢行设施、慢行环境为准则层,以及专用慢行通道、慢行道路网、机非冲突等为指标层的3层评价体系;将模糊数学隶属度理论与层次分析法相结合,确定各评价指标的权重,从而将评判慢行交通系统的好坏由定性评价转化为定量评价.利用此方法对株洲市慢行交通进行评价,证明了此评价方法的客观性、合理性.