基于遗传算法的城市应急车辆调度优化

分析应急车辆到达事故地点行程时间的各种影响因素,结合实时路段交通量和交叉口控制状况,计算路段行程时间和交叉口延误时间,以总行程时间作为适应度函数,基于遗传算法优化城市道路应急车辆调度。遗传算法采用可变长度节点序列编码方式,并引入邻接矩阵概念,对应急车辆出行的合理路网进行路径集合估计,为初始路径个数的选择提供理论支撑。最后以西安市曲江区路网为例进行计算与检验,验证了优化方法的有效性与合理性。     

在大型路网中构建路阻函数的一种实用方法

交通诱导中必须取得网络中每条弧在每个诱导周期的行程时间。通用的方法是给每条弧建立一个BPR路阻函数。然而在大型交通网络中由于孤数太多，用BPR法建模工作巨大而不实用。本文介绍一种实用的在大型路网中构建路阻函数的方法。该法把网络中所有的交叉口入口归类，每一类均建立相应的路口延误模型。每条路段的行程时间分为两部分：路段行程时间及在下游交叉口处的路口延误时间。将一条路段的路段行程时间与相应的交叉口延误时间相加，即可得该路段在某时段的行程时间。此法可大幅度降低建模的工作。     

低频GPS数据和交叉口延误下的行程时间估计

为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.      

欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

短时路段行程时间分布预测方法研究

为有效利用历史路段行程时间数据,提高短时路段行程时间分布估计精度,提出了一种自适应数据融合方法。通过分析历史行程时间数据与实时行程时间数据间的关系,构建了二者间的映射模型,有效地将非精确对应下的数据区间映射为精确对应状态,并根据所建非线性模型得到预测数据分布,极大地提高了行程时间分布的预测精度。考虑时间延迟等因素,采用DYNASMART仿真软件对所提出的方法进行了模拟验证。结果表明:随着采集步长的增加,应用自适应数据融合方法得到的短时行程时间预测分布与随时间变化的实际行程时间分布状态保持一致,这有效保障了数据预测的质量,为智能交通管控策略的制定提供可靠的依据。     

基于智能路况信息下城市道路阻抗函数模型

为探讨车辆在城市道路上实际行驶时间，合理规划道路交通流，提出一种改进的城市道路阻抗函数模型。城市道路阻抗分为路段延误和交叉口延误，其中路段延误采用王素欣改进的道路阻抗函数模型对SPIESS路阻函数进行修正，利用城市道路交通流三参数速度、交通量、密度的关系推导出交通饱和度与交通密度的关系式。在交叉口节点延误中对Webster模型进行改进，并对整个道路阻抗函数模型进行相关道路影响因素(交叉口间距、行人自行车干扰、道路宽度)的修正，最后利用百度地图的智能实时路况查询服务来获取道路数据。通过对改进的城市道路阻抗函数模型得出的实验结果进行验证对比与独立样本T检验，结果表明改进的道路阻抗函数更贴近实际行驶时间，对路径规划和智能交通平台有参考意义。     

基于TransCAD的城市道路阻抗模型研究

城市道路阻抗模型是交通分析软件系统的重要组成部分,其合理与否直接关系到预测结果的科学性.针对我国城市道路混合交通流的特点,结合深圳市城市道路交通流调查和交叉口延误调查结果,建立行程时间的分段模型,可使交通预测的结果更加科学合理.     

车道拥挤收费与信号控制组合优化模型研究

针对设有公交专用车道的城市道路,在交通过饱和状态下,为了提高道路通行能力,允许私家车以收费模式驶入公交专用车道,以缓解交通拥堵,建立了基于拥挤收费的交通信号控制模型.模型分别计算了公交专用车道和常规车道的行程时间及相关联交叉口的总体排队延误,另外对公交专用车道设置了临界密度.该模型在保证公交专用车道交通服务水平的前提下使所有车道的路段行程时间及路口排队时间最短,最后利用遗传算法和VISSIM仿真相结合对模型进行了求解.结果显示了车道拥挤收费和信号控制组合优化模型的有效性,降低了车辆排队延误.     

基于前车数据的动态公交车辆到站时间预测模型研究

在以往研究成果基础上,基于采集获取的实时车辆定位信息,提出了一种基于前车的公交车辆到站时间动态预测模型。在建立路段行程时间计算模型时考虑了前车的平均瞬时速度,在计算站点区域停留时间时建立了基于前车的预测模型,提出了一种参数容易获取、便于实际计算的模型,用于预测公交车辆在信号控制交叉口的延误。用上海市58路公交车的GPS数据对预测模型进行了验证,结果表明预测模型具有较高的预测精度,能够较为准确地预测公交车辆到站时间。     

˫���и���·�θ��߽�ͨ�ź��Ż�ʵʩ����

干线交通控制系统能有效减少机动车运行延误. 本文以系统延误最小和绿波带宽最大为目标,构建了基于系统周期和相位差最优的干线交通控制模型,以双向有隔离的北京城市主干路——皂君庙路—大柳树路（含4个信控交叉口）为实例,提出了两种线控优化方案,通过VISSIM仿真对该交叉口及其所在路段优化前后的交通状况进行了比较. 结果表明：在北京市这类行人流量较大、交叉口布局紧凑的道路条件下,采用重叠相位能更好地优化线控系统;应用本文提出的控制策略对该路段进行线控优化后,交叉口总信控延误减小了59.6％,主线上的南向北和北向南平均行程速度分别提高了140.0％和51.7％,交通运行效率显著提高.     

行程时间服从混合高斯分布的车队离散模型

为充分描述异质交通流条件下的车队离散规律,为信号配时优化、公交优先控制提供理论基础.考虑异质交通流条件下车辆行程时间分布特点,采用混合高斯分布拟合车辆行程时间分布.基于此,从流量角度推导了异质交通流条件下车队流量离散模型.通过实际调查数据,分析了下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型与Robertson模型、实际数据进行比较分析.结果表明,本文模型能够更好地描述异质交通流条件下的车队离散规律,与Robertson模型相比,平均预测均方误差减少了27%.     

考虑交通事件影响的动态交通信号控制策略

采用数值仿真方法评价了固定式信号控制、延误最小自适应信号控制与通行能力最大自适应控制3种典型信号控制策略下的路网动态运行效率; 采用双排队模型构建了动态交通流仿真平台, 提出了交叉口流量传输优化模型, 分析了双排队模型中交叉口内交通流运行的状态; 假定用户依据瞬时用户最优原则选择路径, 提出了考虑信号控制惩罚时间的瞬时用户最优约束; 以系统总行程时间、有无交通事件影响的行程时间为评价指标, 研究了低、中、高3级不同交通需求下的信号控制效果。试验结果表明: 在低、中级交通需求下延误最小自适应控制策略的系统总行程时间最小, 比通行能力最大自适应控制在无交通事件影响下总行程时间分别降低0.45%和0.18%, 在有交通事件影响下总行程时间分别降低5.95%和2.52%;在高级交通需求下, 通行能力最大自适应控制总行程时间最小, 对比延误最小自适应控制, 在有、无交通事件影响下系统总行程时间分别降低5.46%、5.31%;对比有无交通事件影响下系统总行程时间变化幅度, 固定式信号控制在不同交通需求下均表现出最高的稳定性; 在低、中级交通需求下, 延误最小自适应控制策略较通行能力最大自适应信号控制策略更稳定, 在高级交通需求下, 两者的稳定性无显著差异。可见, 当交通需求较大时, 应提升交叉口通行能力, 当交通需求较小时, 应降低车辆延误。      

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

城市交通疏散救援的元胞自动机模型

分析了城市内部各向车流冲突造成的车辆延误对疏散与救援决策的影响,将交叉口控制参数引入到现有的基于元胞传输模型的应急疏散救援仿真模型中,建立灾时交叉口紧急控制下的应急疏散救援仿真模型.改进后的模型以规划周期内疏散与救援加权行程时间最小为目标,并引入反流策略.仿真结果表明:由于低优先级的车流G1和G2让行高优先级车流G3和...     

信号交叉口绿色驾驶车速控制方法

信号交叉口是整个城市交通路网中的瓶颈区域.车流经常在路口停车等候造成怠速行驶,严重降低交叉口的通行效率,同时造成严重的汽车尾气排放污染.为了减轻交叉口对交通流的阻断,合理降低信号交叉口的车辆延误、燃油消耗和污染物排放,本文提出了一种基于多级可变速度限制的信号交叉口绿色驾驶控制方法.该方法以可变速度限制值为控制变量,并基于固定式检测器获取的交叉口附近道路交通状况信息对车辆进行速度限制值的实时发布,以实现在不增加旅行时间的基础上平滑车辆驶近交叉口过程中的时空轨迹.通过MATLAB对该方法进行仿真验证,结果表明,其能够有效地降低交叉口的车辆延误,并减少车辆的燃油消耗与污染物排放量.     

车联网环境下的动态Robertson车队离散模型

传统Robertson车队离散模型参数估计是基于历史数据,不能很好地反映交通流的动态变化特征,为解决这一问题,构建了车联网环境下的动态Robertson车队离散模型.考虑到车联网环境下车辆的行程时间数据易于获得,基于此可对Robertson模型的相关参数进行实时动态估计建立动态Robertson车队流量离散模型.通过实际调查数据,分析了上游交叉口车辆离去流率与下游交叉口车辆到达流率的关系,并将文中模型与静态Robertson模型、实际观测数据进行了比较分析.结果表明,文中动态模型更能反映交通流的车队离散规律,与静态Robertson模型相比,平均预测均方误差减少了30.68%.      

基于有效绿灯时间利用率的自适应控制策略研究

为了优化单点交叉口信号控制方案,使其适应各个进口道方向交通流动态变化,提高交叉口通行效率,根据交叉口进口道排队车辆数建立有效绿灯利用率模型,提出了一种交叉口自适应控制策略.有效绿灯时间利用率模型以交叉口通行能力最大为控制参数,实时优化确定出最佳相位放行方案以及最优相位切换方案,根据进口道排队车辆最大流向的排队车辆数和车辆到达预测确定相位放行绿灯时间.利用VISSIM交通仿真软件对该自适应控制策略仿真运行,与定时控制以及感应控制对比,评价分析不同车辆到达情况下交叉口通行情况.结果表明:该自适应控制策略能有效降低车均延误,提高交叉口服务水平.