基于卡尔曼滤波的城市快速路交通密度估计与拥堵识别

针对城市快速路网中只有部分路段检测器可用的情况,为准确地估计交通密度并基于此快速识别路网所有路段的交通拥堵情况,研究了基于宏观交通流模型的卡尔曼滤波器设计方法.结合动态图混杂自动机(DGHA)与元胞传输模型(CTM)对快速路网建模,在此基础上推导出分段仿射线性系统(PWALS)模型.基于所得到的模型设计出切换型卡尔曼滤波器进行交通密度估计,并通过将路段密度估计值与临界拥堵密度进行对比来对快速路网的拥堵进行识别.以京通快速路为例进行实验,结果表明,真实值与估计值的平均绝对误差为MAE=0.625 988,显示了所提方法的有效性.      

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计，提高估计精度，研究了基于时空特征序列匹配的交通流状态估计模型。通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态；分析影响城市道路运行条件的各项因素，引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征，提取3个维度8个特征1个附加维度组成交通流时空特征，构建城市道路交通流DNA特征序列对交通流状态进行描述；将各个特征的值归一化处理，利用WH-KNN匹配方法，得到全路网中与待估计路段最近的交通流状态。实验选取武汉市中环快速路编号为10468、10483以及8816的路段1周数据，假定路段数据缺失，通过所述方法进行交通流状态估计，将估计结果与原始数据结果进行对比。研究表明，模型不仅能够得到无检测数据路段的交通流状态，其状态估计结果的准确率保持在88%以上，且误判结果在1个运行指数等级之内。      

基于Vissim的3相交通流理论应用

交通流状态演变机理的研究是交通流理论中重要的一部分.以不同交通负荷下的城市快速路路段来研究城市快速路路段交通流状态演变的机理.由于无法进行大规模交通调查,所以利用Vissim仿真软件,仿真不同交通流量下路段交通流特性的变化情况.统计分析仿真数据,研究了不同交通状态下交通流的特性,并对各个交通状态转变的阈值作了界定,标定了每一种交通状态的密度取值范围.结果表明,在不同的交通负荷下交通流呈现不同的状态,路段上的交通流状态呈现为自由流相、同步流相和宽幅运动阻塞流相3种状态.      

基于SVM的危险交通流状态实时识别模型

交通事故风险与交通流状态存在显著关系,危险的交通流状态易诱发交通事故。为降低交通事故的发生率,保障交通系统的运营安全,通过实时监测道路交通流参数的变化情况,构建支持向量机模型(Support Vector Machine, SVM)对易引发交通事故的危险交通流状态进行识别,及时预判潜在的交通事故。首先选用实际交通事故发生前的交通流状态作为危险交通流状态的判别标准,分析交通流特性,提取24个交通事故前兆特征变量。为提高模型性能,降低其计算复杂度,设计相关性选择算法(Relevance Selection Algorithm, RSA)对24个特征变量进行降维,该算法充分考虑各前兆特征变量与交通流状态类别的相关性以及各前兆特征变量之间的相关性,最终保留4个交通事故前兆特征变量。接着采用改进的网格搜索算法优化支持向量机模型的惩罚参数C和核函数参数γ,参数寻优效率比传统的网格搜索算法提高了98.3%,极大地节省了搜索时间。最后根据所构建的危险交通流状态实时识别模型,以某城市快速路的事故数据为例进行数值计算。结果表明:该模型具有较快的危险交通流状态识别能力和潜在交通事故的预警能力,且识别正确率比经典的K近邻算法提高5%、比BP神经网络算法提高22.3%。该方法能有效地对危险交通流状态进行实时识别,可为交通管理部门制订城市快速路交通事故风险管控方案提供理论依据。     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段，其交通流数据难以获取，不利于开展精准路网管理，为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法。基于有检测器路段的海量交通流数据，分析局部路网空间结构特征与路段交通流量之间的相关性；根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重，并使用多元线性回归算法进一步挖掘局部路网空间结构特征对交通流分配权重的影响；结合空间特征影响度系数、无检测器路段所在的局部路网的空间结构特征及相邻路段的交通流，对无检测器路段进行交通流预测。实验结果表明，路段道路类型、相邻路段数量及相邻路段道路类型这3类局部路网空间结构特征与路段交通流量相关性显著，采用基于空间特征影响度系数对局部路网中只有单个相邻上游和具有多个相邻上游的无检测器路段进行预测，发现其平均误差分别在8%和22%左右。      

城市路网交通流元胞自动机模型研究

研究城市路网交通流的动态特性,揭示交通拥堵、环境污染和交通事故的产生原因和规律,能为城市交通问题的解决提供理论依据.元胞自动机模型是研究城市路网交通流动态特性的一个有效工具,能够再现许多重要的交通流特征.从路段模型、交叉口模型和路网模型3个方面总结和评述了国内外各种典型交通流元胞自动机模型.在现有模型的基础上,通过对车辆起讫点分布、路径选择行为、双向通行多车道路段车辆换道规则、不同控制交叉口的车辆更新规则以及网络拓扑结构等方面进行改进,可以提高元胞自动机模型在城市路网交通流仿真中的真实性.     

基于中观模型的福州快速路动态交通仿真研究

分析了经典交通流模型的特点与适用性;以福州市快速路及主干道为对象构建仿真路网模型,引入中观交通流模型,利用仿真软件DynuStudio对路网进行交通分区、OD交通量估计、交通流模型主要参数标定,对快速路进行动态交通分配仿真分析。结果表明,福州市三环快速路交通服务水平稳定且通畅,但二环快速路情况复杂,高峰时段拥堵严重,与现实情况基本一致。     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

基于GIS的高速公路交通事故时空分析系统

针对传统数理统计方法对交通事故的时空分析可视化效果差且多发路段识别等数据挖掘深度不足的问题,提出并建立基于地理信息系统(GIS)的高速公路交通事故时空分析系统。为准确掌握交通事故时空分布特征和识别事故时空多发路段,在传统数理统计方法的基础上,结合GIS与改进的时空密度聚类方法对高速公路交通事故进行时空可视化统计分析与事故多发路段识别;利用2016—2018年湖南省高速公路交通事故数据进行测试,结果表明该系统可直观展示2016—2018年湖南省高速公路交通事故时空分布特征和事故多发路段。     

基于ADAS联网时空数据的路段交通参数估算模型

交通参数实时获取是道路交通管控的重要基础。针对固定检测器观测范围受限和浮动车数量需求大的问题，研究了1种利用车载ADAS联网数据进行路段交通参数估算的方法。通过分析车载ADAS感知的前向目标参数与交通参数的关系，结合广义交通量定义，并考虑多车道条件下ADAS车辆及其邻近前车的相对运动变化特性，建立了1种非稳态交通条件下的交通参数估算模型。在仿真实验环境下获得定参数据集和验证数据集，完成对模型的参数标定和验证，并探讨时空分辨率和ADAS车辆渗透率对模型估算精度的影响规律。基于实验数据分析，结果表明，时间分辨率降低5 min，所提模型估算误差平均减小3.4%，降低时间分辨率可以提升所提模型的估算精度；空间分辨率降低500 m，流量和密度的估算误差平均减小1.68%，却可能导致速度估算误差平均增加5.19%；ADAS车辆渗透率的增长可以增强估算交通参数和观测交通参数在路段时空区域的契合程度。在ADAS逐渐装车应用的背景下，所提的交通参数估算模型可快速、精准获取路段连续时空范围内的交通量信息。      

基于交通流稳定性系数的高速公路交通事故实时风险预测

预测交通事故实时风险时，存在大量指标变量，导致数据难以采集，不仅不利于构建预测模型，且带来的过拟合问题会降低模型预测可靠性。为了减少预测指标数量，提升预测模型可用性，降低预测模型过拟合影响，构建具有可解释性的2种交通流稳定性系数以简化指标集，分别为纵向交通流稳定系数和横向交通流稳定系数。采集西安市G3001高速公路交通事故与交通流历史数据，选用支持向量机、随机森林、Logistic回归模型，分别构建高速公路交通事故实时风险预测模型。通过改进的GI指数评估交通流稳定性系数的显著性，以检验其有效性；通过指标集在训练与测试数据中的预测精度、AUC值差异评估交通流稳定性系数对降低预测模型过拟合的作用，并通过训练耗时评估模型的计算效率，以检验新方法的可靠性。研究结果表明:2种交通流稳定性系数对应的改进GI指数分别为0.952和0.922，显著大于其他受试指标，与交通事故实时风险显著相关。在3种预测模型中，包含2种交通流稳定性系数的简化指标集在训练和测试数据中的预测精度分别为91.1%和90.5%，与完整指标集相近。2种指标集在训练与测试数据中的平均预测精度差异分别为0.69%和4.87%；平均AUC值差异分别为1.61%和5.87%；平均训练时间下降了15.2%。交通流稳定性系数大幅提高了预测模型的可靠性，同时显著提升了模型的计算效率。      

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明:美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。      

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义。针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型。该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程度与影响因素将事故划分为财产损失、轻伤事故、重伤事故和死亡事故4类;然后将影响因素处理成图片的形式,进而将事故严重程度预测问题转化为图像的分类问题,随之构建基于反残差与注意力机制的山区高速公路事故严重程度预测模型,其中：基于深度可分离卷积的反残差结构可以以较少训练参数获取较高的准确率,基于软阈值的注意力机制作为一种非线性层可以忽略与事故严重程度无关的信息,Mish激活函数可以确保更好的信息流入神经网络。结果表明：在山区高速公路交通安全事故严重程度评估中,相比于传统的机器学习模型,所提出的模型识别准确率具有明显的提高,且测试准确率为85%左右,满足山区高速公路安全评估的实际预测需求。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

高速公路交通事故交通流辐射分析与仿真研究

针对目前我国高速公路2次事故多发的特点,从初次交通事故交通流辐射分析入手,阐述高速公路交通事故影响范围和影响时间的分析方法.建立基于TransModeler微观交通仿真平台的交通事故辐射分析模型,对其中一种紧急事件的交通流辐射范围进行实例分析.本模型可为交通事故或其他突发事件的信息发布、预警提供信息与决策支持,从而达到...     

面向常发拥堵点的主动交通诱导方法

基于动态用户均衡、系统最优分配的诱导方法,侧重路网需求的宏观预测和调节,难以准确辨识道路拥堵点的关联车流,制约了诱导效果。为精准调控致堵车流,有效缓解常发性拥堵,研究基于需求溯源的主动交通诱导方法。遵循靶向诱导的思路,分析车辆行驶轨迹和常发拥堵点的交通流关联性,运用卡尔曼滤波对关联车流进行短时预测,在此基础上,结合流量占比、路径饱和度等指标,对诱导目标车流进行优选。同时,从负荷均衡的角度出发,基于路段与路径交通流的时空关联更新路网交通状态,建立以饱和度均衡为目标的主动诱导优化模型。仿真结果表明:相比反应型诱导与基于路径偏好的主动型诱导,所提方法使常发拥堵点的车均延误、停车次数等下降30%~60%,路网车均延误、停车次数等下降10%~15%,模型收敛速度提高,交通效益提升,验证了该方法的有效性。