考虑信息诱导的随机均衡交通流逐日演化模型

在交通诱导系统向出行者发布一致性路网信息的情况下,假设出行者的路径选择行为随历史经验和交通信息的更新而不断调整,考虑出行者的路径选择行为和对诱导信息的信任决策,提出一个交通流逐日演化模型.在该模型中,根据信任决策不同,将出行者分为两类,即信任路径诱导信息的出行者和不信任路径诱导信息的出行者.其中,信任诱导信息的出行者比...     

交通预测信息对路网流量演化稳定性影响分析

在逐日动态演化模型框架下,引入了ATIS的一致性交通预测信息,以研究其对个体出行者的路径选择行为作用以及对整体路网交通流动态演化过程的影响。按照对ATIS交通预测信息的使用与否,将路网中的所有出行者划分为两类,在此基础上,构建了一个逐日交通流演化模型,模拟路网中两类出行者的路径选择动态调整过程。对演化模型的不动点及其存在性、唯一性等理论特性进行了研究。同时,通过对模型稳定性条件的分析,证明了一致性交通预测信息增强了路网交通流演化的渐进稳定性。数值试验结果表明:出行者接收交通预测信息时受到的误差影响越小,路网交通流演化过程越容易趋于稳定。研究结果将有助于智能交通系统的优化设计。     

降级路网的认知及交通流平衡分析模型

为定量衡量因路段降级原因导致路网通行能力的丧失量,分析出行者在降级路网中的路径选择行为将导致何种网络交通流平衡状态,通过将降级路网划分为车流外界因素导致路段可通行能力降级和路段上车流量增加导致道路服务水平的下降两种类型,辨别旅行时间长短与旅行时间波动对出行者路径选择行为的影响,推导出同时考虑这两方面因素影响的可变路径旅行时间风险度量;在此基础上建立了降级路网中的交通流平衡分析模型,该模型满足存在性和惟一性,并能正确描述出行者对降级路网结构认知差异性情况下的网络交通流平衡状态。通过实例展示了不同旅行可靠性要求下,出行者对路径旅行时间长短的权衡关系以及整个路网交通流平衡结果。     

特殊活动的停车选择模型研究

针对特殊活动下的停车问题,提出了出行者选择行为的效用模型和针对各部分效用的标定方法。在原理设计中,考虑了特殊活动下小汽车出行者的行为约束因子,建立了特殊活动下的选择行为模型;在实现方法上,对效用因子进行了标定,并应用最大似然法对出行者停车选择行为时间效益模型作了计算。该研究可以用于进行特殊活动下基于停车选择行为的出行选择分布预测,解决特殊活动下的停车预测和管理的理论问题。     

混合交通流出行者Agent行为模型

由于混合交通流的交通行为和交通情况的复杂性,针对混合交通流的微观仿真模型开发一直是系统仿真领域研究难点和热点.文中提出一个基于活动的、适用于城域混合交通流仿真的出行者Agent行为模型——A-TAM,通过分析一个完整的典型出行过程,借此构建出A-TAM模型层次框架,应用Agent建模、效用函数理论和“心理场”理论对A-TAM模型中各层次模型进行分别建模,最后应用A-TAM模型对自行车在混合交通流无信号交叉口的行为进行建模,仿真结果验证了A-TAM模型的有效性.      

基于后悔理论的社交网络分享型交通信息的用户价值研究

以社交网络为平台的交通信息对出行者的决策有重要影响.为了研究社交网络分享型交通信息的用户价值,分析了社交网络中交通信息的产生与传播行为,并从信息行为的角度研究了社交网络中交通信息的特征.基于后悔理论建立了社交网络交通信息的用户价值评估模型,并给出出行者的路径选择效用以及交通信息的更新方法.在此基础上,从交通信息有效性与负效用的角度分析了社交网络交通信息的用户价值特征.基于不同的网络信息传播场景,对其中交通信息的用户价值进行了分析.结果表明,社交网络中的交通信息能够对出行者的决策起到辅助作用,在有效场景中出行者决策的后悔值降低了20%;但用户价值随其在社交网络中的持续传播而降低,且过度传播的交通信息将对出行者决策产生负效应.      

停车诱导信息系统条件下的城市交通网络SUE配流模型及算法

停车诱导信息系统(Parking Guidance Information System,PGIS)被认为是改善城市交通拥挤的一项有效技术,不同的PGIS市场占有率对道路交通的影响是不同的。文章将出行者分成两类:使用PGIS和不使用PGIS,考虑了PGIS对出行者道路和停车选择行为的影响以及PGIS的市场占有率,构造了随机用户均衡模型来描述PGIS条件下的道路和停车选择问题,设计了相应的算法。最后,通过一个算例对模型及算法进行了验证。     

信号控制对动态路线选择的影响研究

以动态路线选择模型为基础的先进的出行者信息系统（ＡＴＩＳ）的实施必然对城市交通控制系统产生影响，同时交通控制系统的控制方案对路线诱导信息“运行时间”的估计也发生作用，影响用户对最优路线的造选择。对两系统的相互关系进行了分析，并建立了两系统相互关系模型最后给出了实际案例分析。     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

交通转向对替换路线服务水平的影响

先进的出行者信息系统通过为驾驶员提供实时道路交通信息，引导加强员的路线选择行为，从而缓解了城市交通拥挤状况。然而，由于驾驶员的交通转向而引起的附加交通量，却对替换路线的服务水平产生了重要影响。本文根据上海市的实际交通状况建立了一个简单的模拟网络，对在道路发生突发性事件的情况下，驾驶员的拥挤转向行为与可替换路线服务水平之间的相互关系进行了定量和定性研究。研究表明不同比例的转向交通量对替换路线的服务水平产生不同的影响，同时也表明要想维持替换路线的期望服务水平，必须提供合理的转向交通量和对拥挤转向的交通量进行控制。     

基于粗集理论的交通控制系统研究

为满足智能交通系统高性能模糊控制器设计的需要,把粗集理论融入常规的模糊推理,提出了一种交通控制模糊建模新方法,利用粗集理论的知识推理,直接从交通系统的测量数据提取模糊规则,解决了城市交通模糊控制规则提取的瓶颈问题。实例分析表明:该方法简单有效,不仅可以最大限度地减少从交警的经验直接提取模糊规则的局限性,以获取最优的模糊模型,同时建模方法具有普遍适用性,提取的模糊规则更具客观性。该方法可以推广应用于多交叉口的模糊协调控制,对于采用复杂算法的控制系统更能显示出其优越性。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

高速公路交通流密度的主线速度控制设计方法

结合高速公路出入口的实际设置情况、高速公路交通流的运行特点以及高速公路主线速度控制方式的实际需要,对经典高速公路宏观动态交通流模型进行了一定的修正;针对改进后的交通流模型,利用非线性系统控制中的反步设计方法,给出了求解控制率的矩阵方程;并提出了使用模糊控制方法进行主线速度控制的设计思路,为解决交通流模型难以确定、交通流参数难以检测等情况下的交通流密度主线速度控制问题提供了一种新方法。     

基于满意控制的动态交通分配模型研究

城市交通意外事件易诱发局部交通路网拥堵,为防止交通状况恶化,需采取相应的交通控制、诱导手段。针对交通意外事件造成城市交通路网运行状态突变的现象,从用户平衡原理出发,提出了基于满意控制理论的动态交通分配模型。该模型不仅考虑了动态交通分配过程中各种常规的要求(目标、约束),还考虑了动态交通分配的易操作性和交通流控制、疏导过程中的安全性。通过该模型可寻找易于求解及实现的满意解,快速、平稳地实现区域内交通流的正常运行。算例表明该模型及其算法能够快速获得满意解,有效地解决交通状况突变情况下的动态交通分配问题。     

基于交通流颗粒化结构的交通控制模型

城市交通系统是一个复杂的、非线性、非结构化、强相关的随机系统,在选择适当时空尺度的交通流颗粒结构且消除或减弱了颗粒间关联的基础上,多尺度分析是交通系统一个简单而又有足够精度的问题求解方法。基于交通流颗粒化结构建立了多智能体交通控制模型,采用基于案例推理的动态参数匹配和协调冲突检验,以寻求交叉口信号控制的优化方案。最后,以广州中心区交叉口为例说明颗粒化结构分布式求解方案的可行性。     

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。      

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

基于模糊逻辑的高速公路入口匝道控制方法

为提高高速公路入口匝道的控制能力,以达到增进车流平稳性的目的,对传统闭环控制器ALINEA进行了扩展,并结合模糊逻辑理论,给出一种新的入口匝道控制器。该模糊控制器加入了流量变化的因素,以交通流量为控制目标,实际流量与设定期望值的偏差及流量变化量作为输入,根据所设定的模糊规则给出匝道控制率的调节量。最后通过实例对控制器进行了评价。仿真试验表明:该模糊控制器能够快速地将交通流调整到期望状态,可以适应主干道交通流以及匝道需求的大幅变化,有效抑制波动的产生;同传统的ALINEA策略相比,模糊匝道控制器具有更加稳定的控制效果。     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

基于线性规划的干线模糊补偿控制

针对传统干线控制方法的不足,提出了新的控制策略,采用递阶结构将传统的控制方法与模糊控制结合在一起对交通干线进行实时协调控制。由上层的中央协调单元通过传统的线性规划对交通中的确定性因素进行建模,得到干线控制所需要的信号周期、各个路口之间的相位差和绿信比等参数作为初步配时方案;然后针对交通问题中较强的随机性和不确定性,以模糊控制对得到的初步方案进行补偿,主要通过模糊逻辑对相位差进行调整,并最终由路口信号机根据路口的实际情况对绿信比进行调节,使整个干线控制得到优化。仿真结果表明,该方法比传统的定时控制和感应控制能更有效地提高干线的通行能力。