基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

基于样本容量的浮动车数据路网覆盖能力研究

以出租车作为浮动车数据采集探测车,针对探测车在路网上行驶的不确定性,提出浮动车数据路网覆盖能力的概念,研究覆盖能力与探测车样本量之间的关系.以覆盖强度和覆盖率为指标,采用简单随机抽样方法,研究了在10种样本条件下浮动车数据路网覆盖能力的变化情况,并进行回归分析.结果表明:在不同样本容量下,浮动车数据对各等级路网的覆盖强度和覆盖率均具有相似的时变特征;各等级路网的平均覆盖强度随样本容量线性增长,增长率随道路等级下降而迅速减小,高等级道路具有更高的覆盖强度;各等级路网的覆盖率随样本容量增大呈非线性增长,高等级道路能够更快达到稳定值;用浮动车数据判别高等级道路的交通状态,可适当降低样本容量.     

考虑信号交叉口延时的最优车辆路径规划算法

本文中提出了一种考虑信号交叉口等待时间的车辆最优路径规划算法。通过GPS采集的浮动车数据与电子地图进行匹配,实时计算出各路段的车辆平均行驶速度和通行时间。基于马尔科夫链构建信号交叉口红绿灯的概率模型,通过车路协同技术预先获取各路段交叉口信号灯的位置和相位配时信息,并在车辆接近交叉口时对车辆速度进行优化,将车辆加速通过交叉口视为绿灯时间的延长,并以此构建车辆快速通过交叉口的等待时间模型。在此基础上,结合A*算法,提出一种考虑快速通过信号交叉口的改进A*算法。最后选取长沙市区某路网为算例进行仿真分析,结果表明改进A*算法所得路径的通行时间明显短于传统A*算法。     

基于层次策略的路径规划算法对比研究

为比较路径规划中基于层次策略的分层算法的计算效率和规划结果的合理性,选取基于预计算的分层算法和基于道路等级的分层分区算法这2类典型的分层路径规划算法,通过对2类算法基本原理的分析,并引入新分区算法和＂虚拟边＂等方法改进现有基于道路等级的分层分区算法以适应实际路网下的路径规划。选取广东省路网数据进行大规模测试,通过寻找＂最短路＂和＂最快路＂进行算法效率和路径规划结果的比较分析。测试结果表明改进的基于道路等级的分层分区算法计算效率更高,规划结果更符合出行偏好。     

基于路径搜索的交通拥堵判别研究

由于出租车上多数使用GPS设备,从而产生了结构复杂、海量丰富的浮动车数据.本文基于实测GPS数据,在已有交通拥堵时空特性研究基础上,引进差异聚合系数,该系数由Pearson和Kendall相关系数组成,并搜索区域道路网络中的高相关路径.构造时空莫兰指数及莫兰象限,在时间-空间关联分析的基础上,用高相关路径搜索路网对拥堵区域进行判别.采用海口市长滨4路的实际浮动车数据进行案例分析,验证了该判别方法的可靠性.     

基于对偶图的城市交叉口延误分析

交叉口是城市路网的重要组成部分之一。交叉口延误对人们出行服务与交通网络规划有着非常重要的意义。借鉴了图论中的对偶图思想将传统城市路网结构转换为对偶网络,结合北京市浮动车数据,建立交叉口延误分析模型,生成随时间动态变化的城市对偶路网序列图。通过对交叉口不同转向的延误数据生成的趋势图进行可视化分析,探讨交叉口延误规律,为人们出行服务与动态路径规划提供依据。     

基于级差效益的驾驶员个性化路径选择

在公路成网的条件下,出行路径选择成为智能交通系统的研究重点。考虑到路径选择的多属性和不确定性,提出一种基于级差效益的、体现驾驶员个性化出行需求的路径选择模型,该模型通过计算可行路径的综合级差效益来量化公路综合属性值,可以克服公路综合属性值在量化过程中的强主观性,同时,根据驾驶员的出行需求为其规划出行路径,能够避免单一优化目标下最优路径的车辆过度聚集所造成路网交通流失衡。模型首先参考不确定型多属性决策模型,构建公路级差效益的综合评价指标体系,获取各个评价指标的级差效益定量化模型,以此得到规范化决策矩阵;然后针对驾驶员需求的主观性和不确定性,利用模糊分析法确定驾驶员个性化路径选择的指标权重,求得可行路径的综合级差效益;最后根据可行路径的综合级差效益,对可行路径方案进行排序,从而选出最优路径。以重庆市黔江区公路网为例,基于级差效益的驾驶员个性化路径选择模型为两个具有不同出行需求的驾驶员规划了不同的路径,为关心成本的驾驶员1规划了路径2,为关心安全的驾驶员2规划了路径1,克服公路属性值在量化过程中的强主观性,同时,避免单一优化目标下最优路径的车辆过度聚集,可为公路信息服务和驾驶员出行选择提供依据。     

浮动车数据路网时空分布特征研究

以出租车作为浮动车数据采集源,针对浮动车数据路网分布的不均衡性,提出覆盖强度和覆盖率2个指标,通过大量样本分析浮动车数据路网分布的时变特征,以及在不同区域、不同通道上的分布特征.结果表明:浮动车数据的路网覆盖强度和覆盖率在一天中具有持久而稳定的高峰时段,在一周的工作日内能够保持稳定;高等级道路在各个时段总是具有更高的覆盖强度和覆盖率,根据浮动车数据计算的路段行程车速与人工实测数据吻合较好;在非高峰时段、非中心区域,以及低等级道路上,浮动车数据的覆盖强度和覆盖率相对不足.     

高速公路路径标识站选址优化模型与算法研究

为了解决车辆多义性路径问题,高速公路路网中常设置标识站来精确获取车辆路径信息。在实际高速公路网中,要么在路网中所有环路段上布设标识站,造成资源浪费现象,或者布设的标识站不足,直接采用最短路的方式拆分通行费用,造成费用拆分不合理现象。因此对高速公路路网中多义性路径标识站的选址优化问题开展研究,在解决多义性路径基础上,实现标识站建设费用最小。为了研究高速公路标识站选址优化问题,以高速公路路网为基础,采用基于生成树-蚁群算法对标识站选址布局问题进行优化分析。首先,根据图论中生成树理论,确定出标识站的最少布设数量与多种选址布局方案。其次,建立了以高速公路标识站所在路段车流量最小且该路段里程最长的多目标多义性路径标识站选址优化模型,并设计了基于蚁群算法的大型高速公路路网多义性路径标识站选址优化算法的求解步骤。最后,通过算例分析,以3组不同权重值分析对比验证该模型的适用性。结果表明该模型可以用来解决高速公路标识站选址优化问题,并且能有效实现高速公路多义性路径标识站的最优选址布局。     

基于加速度噪声的浮动车路况计算方法

现阶段,基于浮动车数据的道路交通状况预测成为路况计算的主要方法之一。通常情况下,上述方法利用装设在出租车或其他小型车辆上的GPS接收设备计算被监测车辆的平均车速,从而获取车辆行驶路段的道路交通状况。使用该方法计算路况的前提是,浮动车的行驶速度近似等于道路自由交通流速度。在很少有出租车行驶的城际高速公路和郊区道路上,只能通过装有GPS设备的大型车辆,如大型客、货车作为浮动车计算路况,然而,上述车辆的行驶速度往往低于所在道路的自由交通流速度,使用传统浮动车路况算法会造成较大的误差。因此,需要引入一种新的算法,以实现基于大型低速浮动车的道路交通状况计算。本文针对这一问题,提出了基于加速度噪声的浮动车路况计算方法理论,并结合路况直报系统真值对计算结果准确性进行了验证,为通过大型低速浮动车GPS数据计算道路交通状况提供了一种可行的解决方案。     

高原山区绕城公路与城市道路结合选线研究

公路与城市道路技术指标有差别，选线方案需要综合考量。以某市绕城道路为研究对象，采取现场调查的方法对沿线主要工程地质问题进行梳理，提出了山区城市道路选线原则。调查发现:研究区工程地质问题突出，不良路段分布广泛。在路线比选过程中，遵循环境选线和安全选线的原则，通过对不良地质条件路段的方案对比和优化，总结高原地区公路选线的经验。成果对于西部高原山区城市道路选线设计具有参考意义。     

待扩建高速公路路改桥设计施工方案研究

随着社会经济的发展,城市路网的日驱完善,原有道路对局部地区发展的限制作用显现,新建道路工程下穿已有道路的问题愈加突出,所面临的工程技术问题也变得多样化.现以某新建公路下穿已有高速公路为例,对下穿待扩建高速公路的设计方案进行经济性、安全性,以及可行性研究,并给出一种较优的设计方案,为类似的工程项目提供借鉴.     

基于 AHP 和物元分析的愤怒驾驶状态辨识研究

驾驶人在愤怒情绪下的驾驶行为是影响车辆行驶安全性的重要因素之一,愤怒驾驶情绪的产生及其程度受到驾驶人自身和道路交通环境中多因素的影响。文中综合考虑驾驶人自身因素和行车环境对驾驶状态的影响,提出了愤怒驾驶状态的辨识方法。文中筛选了与愤怒驾驶行为相关的驾驶人因素和道路环境因素,构建了1个驾驶人愤怒状态辨识的层次分析模型,并根据相关因素之间对愤怒驾驶行为影响的重要程度构造判断矩阵,求出各相关因素对愤怒驾驶行为的影响权值。应用综合权重的物元多属性决策方法辨识驾驶人的愤怒驾驶状态及程度。应用所提出的方法对22组实车试验中出现的愤怒驾驶状态进行辨识,结果表明,72.7%的结果与实车实验所得的结果相符,因此,该方法可对愤怒驾驶行为进行识别。文中所提出的方法能够融合驾驶人因素和环境因素对愤怒驾驶行为的影响,有效的辨识出驾驶人的愤怒驾驶状况及程度。      

基于模糊神经网络的驾驶员弯道安全感受预测模型研究

论述了在人-车-路(环境)系统中驾驶员弯道安全感受的非线性特性。为了体现车辆、道路结构对驾驶员认知过程的作用和认知结果形成的影响,驾驶员弯道安全感受模型采用弯道平曲半径、车辆运行速度和驾驶员驾龄作为道路线形、车辆结构动力性、驾驶员经验的主要特征参数集,在增加积极和消极补偿运算的基础上,构建出模糊逻辑推理规则与神经网络优化逼近运算相互结合的5层推理预测模型,并结合实例数据,进行了对比分析验证,表明5层结构模型能够较好的满足特定弯道条件下驾驶员主观安全感受的认知推理预测要求,能够准确的、稳定的再现出驾驶员主观安全感受同驾龄、平曲半径和车辆运行速度间的相互作用关系。     

穿越建成区和水源保护区的快速路选线设计

城市快速路道路选线会遇到城市建成区和水源保护区等环境敏感点， 道路选线应尽可能从组团边缘或城区外围通过， 避免对用地造成分隔， 应采取措施力求将对环境造成的不利影响降到最低。以深圳市南坪快速路二期、 三期工程为例， 在对道路需求和功能、 建设条件、 控制因素进行分析的基础上， 阐述了工程设计中针对道路穿越城市建成区和一级水源保护区所采取的对策。     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

山区高速公路驾驶人加减速行为建模

山区地形地质条件复杂，各类复杂的组合线形设计更为常见，例如直线与平曲线间组合或不同平曲线间组合。驾驶人在相邻组合路段行驶时会感知到线形的变化，引起驾驶行为的改变，最终车辆的纵向加速度也会随之改变。频繁的加减速行为会引起驾驶人不适，甚至形成安全隐患。目前针对相邻组合路段驾驶行为的研究中，关于加速度的研究主要基于路段特殊点进行计算。随着驾驶模拟技术的发展，高仿真驾驶模拟器为高速公路的设计评估提供了更好的数据及试验条件支撑。在高仿真驾驶模拟器中，基于湖南省永吉高速公路道路设计参数及周边地形环境参数，构建山区高速公路的三维虚拟模型，以山区高速公路中的相邻组合路段为研究对象，获取山区高速公路组合线形路段的车辆纵向加速度数据，提取加减速事件后，基于驾驶人的加减速行为，采用混合Logit模型，分别判定道路线形层和驾驶人层的影响，研究组合线形对驾驶人纵向加减速选择的具体影响变量以及变量的影响范围。研究结果表明：下游路段最大曲率、上游路段圆曲线段比例、下游路段变坡点数量、下游路段曲线数量、上游路段平均曲率和当前位置曲率等对驾驶人加减速行为有显著影响；通过对比混合Logit模型和多元Logit模型，指出驾驶人层面对模型结果的影响显著。研究结果提供了一种山区高速公路连续纵向加减速行为的建模方案，并可为研究驾驶人在复杂线形条件下的纵向加速度选择行为提供基础。     

基于驾驶员心率增长率的穿村镇公路平面线形安全评价

为研究驾驶员心生理反应在穿村镇公路平面线形安全评价中的应用情况,以北京琉辛路密云县不老屯镇燕落村路段为例,采用心率增长率（growth rate of HR）作为衡量驾驶员心生理变化的指标,并通过驾驶模拟仓进行仿真实验,得出在实验路段中行驶的驾驶员心率增长率在1%~9%（绝对值）范围内,没有超出心率增长率的最大安全值10%。研究认为心率增长率的变化与穿村镇公路平面线形有直接关系,对驾驶员的驾驶行为有较大影响。     

交通网络中多路径优化选择算法的研究

指出了传统的多路径问题及其算法存在的缺陷,给出了多路径优化算法的几个定义,在此基础上,提出基于重叠惩罚的多路径选择算法,设计出了重叠惩罚函数数学模型结构以及路径相似性评价函数定义,对惩罚函数中的协调因数敏感性进行分析,给出了合适的协调因数。该算法能有效地解决候选路径重叠相似性问题,而平均总旅行时间比率基本不变,从而更适合驾驶人员的实际选路需求。与传统k最短路径算法进行了试验比较,结果表明该算法明显优于传统k最短路径算法。