综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

基于多智能体博弈的路径选择策略仿真研究

系统最优与用户最优代表了交通分配中路网管理者与出行者两种不同的利益出发点。在综合考虑两者在路径选择过程中动态交互特点的基础上,引入博弈论的思想协调两者的利益冲突,建立了路网系统管理者与出行者之间的路径选择博弈模型。为验证模型的有效性,结合多智能体技术进行了相应的仿真实验,并利用多智能体仿真软件Starlogo进行模拟。通过对无信息无博弈（随机）出行、用户最优出行、有信息有博弈出行以及系统最优出行等4种不同仿真方案的比较分析,验证了系统与出行个体之间协调的博弈模型性能满足了驾驶员出行需求,提高了路网整体效率,为建立实用的诱导策略提供了参考。     

面向智能手机的驾驶员交通信息搜寻-决策行为分析

为系统分析面向智能手机的驾驶员交通信息搜寻-决策行为影响机理,在集成分析交通信息搜寻及决策行为,构建驾驶员交通信息行为概念模型的基础上,基于有序多分类Logistic模型构建搜寻行为模型,分析社会属性和交通信息感知对驾驶员交通信息搜寻行为的影响;同时,基于TPB构建决策行为模型,考虑心理因素变量对驾驶员交通信息决策行为的影响,运用结构方程模型定量刻画驾驶员对智能手机发布交通信息的响应机制.结果 表明:①驾驶员年龄与交通信息搜寻频率呈显著负相关,信任度对搜寻频率的正向影响最大,平均作用系数达21.762;②知觉行为控制对驾驶员出行决策的影响最大,贡献度达0.4;③停车信息对驾驶员行为态度的影响最小,贡献度为0.85,表明驾驶员迫切希望提高智能手机中停车信息的精准性和时效性.      

拥堵条件下驾驶人群体重复换道博弈的仿真研究

为完善拥堵交通流仿真中拥堵产生与消散的自发性,研究不同驾驶人群体的换道策略对拥堵产生与消散的影响,通过参考智能驾驶人模型(IDM)建立智能体,构建了基于多智能体系统的3车道交通环境,对交通流仿真方法进行改进,使其可以更加真实地表现出现实环境中拥堵的产生和消散.通过仿真实验,产生不断演化的交通流,得到一系列的仿真数据.利用仿真数据,采用重复博弈的理论分析驾驶员群体的策略对道路通行能力的影响.仿真及推理结果表明,在不发生事故的前提下,驾驶人群体采取占优的换道策略最多可以提高所有车辆7%的平均车速;理性的驾驶员换道策略的调整的最终结果会使道路通行能力降低.      

基于强化学习的限行政策下双模式出发时间选择仿真研究

结合多Agent方法和强化学习模型,建立了城市高峰时段通勤者出行方式及出发时间选择的计算机仿真模型.仿真研究了限行政策下通勤者的出行选择行为,再现了交通均衡的形成过程.根据仿真结果分析了不同公交改善措施的实施效果.结果表明限行政策实施后,公交出行人数增加18%,一定程度上缓解了高峰时段的拥堵状况,但也会导致出行者在非禁行日公交出行的概率减小,因此仅采取限行政策起到的作用是有限的.在小汽车限行政策下,提高公共交通发车频率,能够使公交出行人数增加17.5%,小汽车拥堵等待时间减少85%,有效地改善了道路交通状况,相比之下,降低公交价格的改善作用不明显.研究中采用的多Agent方法可以直观方便地描述丰富的个体行为,同时在描述个体行为与系统的互动方面具有一定的优势,为探索复杂交通现象的形成和演化过程提供了一种有效的途径.      

历史城区通勤者出行方式与活动模式交互作用研究

为了探究历史城区通勤者出行方式与活动模式之间的交互特征,选取根据扬州市历史城区作为研究对象.根据出行调查数据将出行方式和活动模式分别划分为4类,运用协同进化Logit模型理论,对模型的参数进行了合理设置和标定,分别建立出行方式选择和活动模式交互选择的多项Logit模型,与未考虑交互选择对比发现,交互后能够提高模型的总体命中率.研究结果表明:公共交通出行的通勤者与简单出行链HWH互为正相关;电动车通勤者与活动模式HW+MH和HW+OH互为负相关,说明历史城区通勤者较少选择电动车完成非工作出行;慢行方式对活动模式HW+ OH的相关系数为1.052,说明使用慢行出行的通勤者倾向选择活动模式HW+OH.      

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.      

智能公路技术展示系统设计与实现

交通部公路科学研究院(国家ITS中心)在公路交通综合试验场实现了智能公路技术展示系统。该系统依托该试验场内3.7 km的环形组合试验路,以基于车路协调理念的在途信息服务与驾驶辅助为主题,集成了近年来智能公路研究领域的典型成果,包括基于位置的交通信息服务(LBS)、车道保持辅助驾驶、视距不良条件下的视野拓展(弯道路段障碍物预警)、动态称重WIM与超载预警、IP接入与出行服务等功能,通过技术展示和试乘试驾,为驾驶员和乘客提供信息服务和安全辅助,体验未来信息社会中的公路交通出行方式。展示活动受到了国内外专家学者的广泛关注和好评。本文将主要介绍该展示系统的功能与实现。     

基于改进跟驰模型的混合车辆编队研究

现有的车辆编队控制研究多基于全智能网联环境，不适用于智能网联汽车(Connected and Automated Vehicle, CAV)与人工驾驶汽车(Human-Driven Vehicles, HDV)组成的混合交通场景，因此以混合交通环境下CAV和HDV组成的车辆编队为研究对象，引入头车及前车、后方HDV信息，提出一种改进的智能驾驶员模型(Intelligent Driver Model, IDM)。为更贴合驾驶员的操作行为，缓解优化速度模型(Optimal Velocity Model, OVM)受前车影响产生的速度波动，通过引入驾驶员误差，对OVM模型进行改进。为验证模型的有效性，分别对以上改进进行仿真对比分析，结果表明改进后的IDM模型和OVM模型组成的混合车辆编队在速度响应时间、跟驰间距、油耗、安全性、稳定性等性能方面得到明显改善。     

通勤者出行方式与出行链选择行为研究

通过分析2005年北京市居民出行调查数据,构造通勤者上班出行方式选择和出行链类型选择相互影响的NestedLogit模型,分别建立出行方式→出行链和出行链→出行方式两个方向模型结构,采用统计软件STATA9.0对模型进行标定,并利用包容系数对Nested Logit模型的结构关系进行辨识。结果表明,出行方式选择和出行链类型选择之间不是单方向影响关系,而是一种双向的相互作用关系;出行链→出行方式选择决策较为合理,反应通勤者倾向于首先考虑如何组织当天要参加的各种活动,然后在出行链安排的约束下考虑选择合适的出行方式。