基于元胞传输模型的雨天高速公路可变限速方法

可变限速控制可减小降雨导致的高速公路交通拥堵和事故风险.提出雨天高 速公路可变限速控制策略,对经典的元胞传输模型进行改进,构建适用于雨天可变限速 控制问题的高速公路动态交通流模型;在综合考虑交通安全和效率基础上,建立雨天环 境下高速公路可变限速控制方法和模型.实验结果表明,与固定限速相比,雨天可变限速 控制下高速公路平均速度增加了9.3%,车辆总行驶时间减少了11.7%,相邻路段最大车 速差从17.5 km/h 减小为9.4 km/h,降幅达46.3%,有效地提高雨天环境下高速公路通行效 率和安全性.     

基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力,提出以改进元胞传输模型模拟路网流量分布状态,以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足,明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动,构建出行决策行为与元胞流量传输的强耦合机制,提出一种新的动态分流元胞传输模型;基于动态分流元胞传输模型获得的路网性能参数,以路网效率为路网基础性能指标,构建反映扰动事件影响期内路网效率累积动态变化的韧性指标;并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型,提出的动态分流元胞传输模型通过设置交叉口动态分流参数,建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制,可准确描述路网实际流量分布状态;提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能,直观展示路网抵御扰动并从扰动中恢复的能力,契合韧性内涵;韧性评估中若忽视出行决策行为潜在影响,将获得次优甚至明显偏离实际的方案或结果。     

交通事件持续时间预测及参数标定

有效的交通事件管理应基于精确的交通事件持续时间预测。交通事件持续时间包括4个部分:事件发现时间,事件响应时间,事件清除时间和交通恢复时间。提出了基于元胞传输模型的交通事件持续时间预测模型以及参数标定方法。实测数据和仿真数据对比结果表明,基于元胞传输模型的交通事件恢复时间预测方法具有较高的精度。     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。     

车路协同下基于元胞自动机的精细交通流模型

针对经典元胞自动机交通流模型中元胞尺寸难以准确表达车辆间位置关系的问题,提出通过细化元胞尺寸对基于元胞自动机的双车道模型（symmetric two-lane cellular automaton,STCA）进行改进的方案.首先,分析城市道路双车道环境下的位置、速度、加速度以及车辆间的相互影响,并基于元胞自动机搭建相应数值模型,特别地,针对现有基于元胞自动机的交通流模型与实际车辆行驶现象不符的问题,改进其道路尺寸和元胞表征形式,建立精细化元胞自动机车道模型;其次,结合实际车路环境,对STCA模型中的道路堵塞、换道等行为重新定义,并将车道规则与精细化车道模型相结合,建立新的交通流模型STCA-CH;最后,与STCA、STCA-I、STCA-S、STCA-M模型相对比,通过分析在不同车辆密度下的平均速度、平均流量、换道频率及时空图,验证STCA-CH模型有效性.结果表明,STCA-CH模型的换道频率相较于STCA-M模型提高约21.14%,最大平均流量较STCA-I、STCA-S和STCA-M模型分别提升约25.76%、11.30%和3.75%.     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营,本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程,采用状态参数集反映车站拥挤程度的多样化差异,定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例,仿真设置不同量值的突发客流,研究线网客流状态的演化规律.结果表明,随着突发客流量增加,客流状态从区域拥堵演化至线拥堵的速度减缓,从线拥堵演化至点拥堵的速度保持不变或略有加快.此外,大量突发客流会引起拥堵消散速度的减缓,造成更大时空范围的区域性拥堵.     

一种考虑吸引型异常事件的行人元胞自动机模型

鉴于目前行人元胞自动机仿真研究中对于吸引型异常事件情况下模型的缺失,本文提出了一种特殊的考虑吸引型异常事件的行人元胞自动机模型.当异常事件发生后,模型将行人分为漠视、驻足、围观和围观离开四种类型.漠视类型指对异常事件毫无兴趣,不受异常事件影响的行人,其动力特性与行人在正常情况下的动力特性一致;驻足类型指对异常事件较有兴趣,驻足观看的行人,其动力特性由能使行人在原地停留的驻足效用值决定;围观类型指对异常事件极有兴趣,向异常事件中心靠近围观的行人,其动力特性由围观效用决定;围观离开类型指对异常事件失去兴趣,从围观人群离开的行人,其动力特性由围观离开效用决定.仿真效果显示,该模型基本可反映行人聚集围观的表征和内部特性.     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营,本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程,采用状态参数集反映车站拥挤程度的多样化差异,定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例,仿真设置不同量值的突发客流,研究线网客流状态的演化规律.结果表明,随着突发客流量增加,客流状态从区域拥堵演化至线拥堵的速度减缓,从线拥堵演化至点拥堵的速度保持不变或略有加快.此外,大量突发客流会引起拥堵消散速度的减缓,造成更大时空范围的区域性拥堵.     

基于元胞传输模型的过饱和交叉口信号控制方法

为克服现有交叉口信号控制优化方法在实际应用中的局限性,利用二维元胞传输模型构建交叉口信号的元胞传输模型。以交叉口饱和度的函数作为通行能力权重,综合考虑交叉口各进口的交通状态,并对过饱和进口引入饱和度的罚函数,实现对过饱和进口的优先优化;最后利用遗传算法进行交叉口信号控制的动态优化求解。实例验证表明:所构建的模型同时适用于过饱和及非饱和交叉口的信号控制优化,并可有效降低过饱和进口道及交叉口整体的饱和度,有助于提升交叉口的整体通行效益。     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

基于VISSIM的交通事件检测仿真及数据处理

采用VISSIM软件模拟交通事件,获得交通流数据,作为检测系统的训练源数据.利用MAT-LAB软件进行仿真.结果表明：相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向.     

交通事件持续时间预测贝叶斯网方法研究

交通事件持续时间的预测是事件管理系统的重要组成部分,根据I-880实测数据集,利用逐步回归分析的方法确定事件持续时间的主要影响因素,分别建立了应用于事件持续时间预测的朴素贝叶斯(NB)模型、加树朴素贝叶斯(TAN)模型以及一般贝叶斯网(BN)模型,在分析数据特点的基础上确定了贝叶斯网的推理算法、参数学习以及结构学习方法.在不同数据缺失的程度和不同训练样本规模下,分别对三种模型的预测准确率进行了评价,结果表明贝叶斯网预测模型在数据缺失30%的情况下30min准确率高于80%.     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

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NL模型的交通方式划分

方式划分是交通规划理论的重要内容之一,传统的Logit模型忽略了各交通方式之间的相互关联性,在实际应用中导致各交通方式的分担率误差过大.NL模型在传统Logit模型的基础上加以改进,利用分层划分交通方式的原则,将具有相同特性的出行方式划分为一个层次,从而克服了传统Logit模型的IIA特性.通过算例验证,该模型具有较高...     

智能交通检测设备及道路事件探测研究

通过阐述目前智能交通系统交通量信息采集子系统中广泛使用的几种车辆检测设备。对各自的检测原理作一分析,可有助于不同车辆占有率情况下交通异常事件判别模型的正确选择。     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.