基于Robertson 模型的异质交通流车队离散研究

为充分描述异质交通流条件下的车队离散规律,为信号协调控制提供理论基础,结 合异质交通流条件下的车流特征和Robertson 模型计算速度快的优点,对多股交通流分别建 模,并在此基础上构建异质交通流车队流量离散模型.通过实际调查数据,分析下游交叉口到 达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型和Robertson 模型与实际 数据进行比较分析.结果表明,与Robertson 模型相比,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,平均预测均方误差减少了8.29%.     

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%.      

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

车队离散模型研究

用“多点摄像法”对长春市的2个路段交通流进行了实地调查。通过数据处理,给出了车队离散过程中的多点流量图式以及多段的车速分布。用实际观测数据所得的流量图式与TRRI。的流量图式进行对比,分析异同。还对车辆行驶速度及行驶时间分布进行了拟合,分析了各离散模型的适用范围。最后对车队离散进行计算机仿真,得出了满意的结论。     

多信号交叉口干线行程时间特性分析

城市道路多信号交叉口影响下的行程时间分布及可靠性是交通流理论研究中的重要方向 之一。本文基于灰色关联理论建立信号协调控制下的多信号交叉口行程时间影响因素模型。首 先,对车牌识别数据进行预处理,得到路段和干线行程时间数据;然后,利用Burr分布和高斯混合 模型对数据进行分布拟合,并进行拟合优度检验;最后,利用灰色关联法分析交叉口数量、干线长 度和干线流量与行程时间特性之间的关联关系。结果表明,单路段行程时间分布具有明显的双 峰现象,高斯混合模型适用于单路段行程时间的拟合;而Burr分布可以较好地描述多信号交叉口 干线行程时间分布右偏和高峰值的特征。交叉口数量、干线长度和干线流量与行程时间特性之 间有较强的相关性,且干线长度的影响更为显著,随着干线长度的增加,行程时间趋于一个稳定 的单峰分布,波动性减小,可靠性增加。     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

一种基于检测流量的微观随机车流发生器研究

车流发生器是交通模拟系统的基本模型之一,用于解决交通流的输入问题.用于描述一定时间内交通流分布规律的离散随机函数包括泊松分布、二项分布、负二项分布等.利用分布函数和检测时段的流量数据,提出了一种建立检测时段内微观时间尺度上车流发生器的研究方法,并对北京市交通数据进行了应用分析,结果表明此方法可以产生与实际观测流量相符的模拟车流序列.     

基于vissim的车队离散特性研究

通过对线控系统上的四个交叉口交通量数据和信号配时数据进行调查,利用Vissim仿真软件对该线控系统进行仿真,对其中一个路段上的一个断面车辆到达情况进行分析,首先改变路段的长度,对比路段长度变化前后的车队离散数据,得到车队离散特性与路段长度之间的关系;其次改变路段上车流的分布函数,对比车流分布变化前后的车队离散数据,得到车流分布与车队离散特性之间的关系。通过对车队离散特性进行分析以及研究,为城市道路网交通流优化控制提供依据。     

交叉口交通流动态模型的建立与分析

本文针对我国交通条件比较混乱的特性，提出描述交通流控制系统中车队离散规律的实用动态模型。同时，对车队离散动态进行稳定性分析与实际运算。     

基于IQA方法的信号交叉口左转延误计算

为了更科学地计算复杂交通流条件下的左转延误,分析了车辆到达和离去规律,采用排队增量累计( IQA)方法,提出基于IQA方法的信号交叉口计算左转延误计算模型,通过使用不规则的多边形来计算队列累积面积作为均匀延误值.该方法突破了Webster延误模型的条件限制,更好的描述了实际交通状况.结合福州市信号交叉口调查数据,验证了IQA方法计算的延误比Webster模型更符合实际,特别是许可型左转相位的信号交叉口.     

�����źſ��ƽ����Ⱥ·��������ģ��

为对交叉口群范围内具有强关联性的路径实施信号协调控制,提出了交叉口群路径关联度计算方法.该方法以避免由强关联性导致的交叉口排队溢流和绿灯空放等负面效应为目标,考虑交叉口群拓扑结构、各交叉口渠化形式与信号配时方案、交通流量、行程车速及车流离散等诸多因素,建立由离散性关联指标和阻滞性关联指标组成的交叉口群路径关联度计算模型.以滁州市区某交叉口群为例,计算各路径关联度值,确定信号协调控制对象,通过Synchro仿真比较协调前后交叉口群交通运行效益指标.结果表明,路径关联度计算方法能有效描述路径的关联特征,可为交叉口群交通信号协调控制奠定基础.     

基于元胞自动机的高速公路货车结伴行为研究

为了研究高速公路货车结伴行为,本文建立了一种适应于结伴货车车队的双 车道元胞自动机模型.分析了高速公路货车结伴特性及其对道路交通流的整体影响.研究 表明,结伴车辆在时空上是一个紧密联系的整体,流量较大时,车头时距分布曲线呈双峰 分布形式.同一流量时,不同长度车队间的平均速度差异较小,车队能保持较理想的速度 平稳行驶.结伴车队的存在激增了普通车辆的换道频率,改变了交通流状态,使基本图出 现明显的中断现象,当车队长度较长时,限制了同步流的产生.所提出模型刻画了高速公 路上货车主动结伴出行行为,为特殊情况下的交通流特性研究提供了参考和借鉴.     

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

基于道路交通状态的随机用户平衡

运用随机用户平衡配流的基本思想和交通流理论，提出了道路交通状态的概念，以便讨论交通拥挤情况下的交通量分配问题．将道路交通状态定义为行程时间和道路拥挤度的线性加权和．假定在路网随机变化的情况下，出行者以行程时间和道路拥挤度最低为路径选择准则，建立了基于道路交通状态的随机用户平衡配流模型，并证明了模型的等价性和唯一性，给出了该模型的连续平均求解算法．一个小型网络的数值计算结果表明，该模型能反映出行者在随机路网中的路径选择行为．     

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。