基于交通流运行特征的城市干线关键交叉口判别方法

缓解城市干线交通拥堵最直接的方法是进行干线协调控制,协调控制需要划分交通控制子区,而关键交叉口的判别是交通控制子区划分的关键.立足于交通流运行特征分析,选取交叉口饱和度、延误(服务水平)和行程车速等交通流运行指标,以无锡市梁清路为例,采取定量的方法,对干线关键交叉口进行判别.与传统的交通工程师凭经验判断,该方法更为科学合理,而且判别结果更为准确.      

考虑上下游交叉口延误的干线公交优先模型

为克服干线绿波协调控制中上游交叉口公交优先控制策略对绿波协调方案和下游交叉口造成的影响,在单点公交优先控制策略的基础上提出了一种综合考虑上下游交叉口延误的干线公交优先模型。该模型以红灯早断、绿灯延长为基本策略,将相邻上下游交叉口车辆综合加权延误作为优化目标,保证上游交叉口公交优先通行的同时,尽量减少对干线绿波协调控制和下游交叉口的影响,并以干线协调控制下的上下游交叉口为例,利用Vissim进行仿真验证。结果表明:该模型与单点公交优先相比虽然上游交叉口车均延误增加2.6%,但下游交叉口车均延误降低10%,上下游交叉口综合车均延误降低3.7%,一定程度上缓解了公交优先控制策略与绿波协调控制策略互相冲突的问题。     

考虑次干道出入车辆和行人过街影响的单向绿波相位差优化方法

针对干线绿波控制效果受次干道出入车辆和行人过街影响的实际问题,首先在分析上游次干道左转车辆对下游交叉口排队影响的基础上,将两相位排队消散模型改进为4相位排队消散模型,并依据该模型对传统相位差进行优化;然后分析行人过街对干线车流的影响,采用加权平均法计算车辆因行人过街干扰而产生的时间延误,并据此进一步对相位差进行优化.最后利用Vissim进行仿真验证,结果表明:改进的绿波控制优化方法和传统绿波控制方法相比,车均延误减少了20.5%,车均停车时间减少了17.6%,车均停车次数减少了8.7%,平均行程时间减少了3.5 s,对于干线绿波协调具有更好的控制效果.      

考虑可变导向车道的干线交叉口协调控制方法

为降低包含可变导向车道的干线车均延误与排队长度,提出一种考虑可变导向车道的干线交通信号协调控制方法.以直行和左转方向交通流饱和度为判别标准,对可变导向车道行车方向是否切换进行判断;基于车道行车方向切换对干线交通流造成的影响,对HCM模型中的通行能力、均匀延误修正系数等参数进行修正,建立考虑可变导向车道的干线协调控制信号配时优化模型.以武汉市青年路3个交叉口为例,利用Vissim软件进行仿真实验,结果表明,相比于现状情况下的单点信号配时方案,模型能够有效降低干线车均延误与排队长度,可变导向车道所在的信号交叉口进口道优化效果最为明显,车均延误减少16.87%,直行和左转方向排队长度分别降低17.95% 和23.24%,证明模型对包含可变导向车道的干线协调控制交叉口运行具有积极影响.      

基于延误模型的城市相交干线协调控制研究

在研究城市交通干线相交情况下,通过对两条相交干线交通流运行特性进行分析,提出了基于最小延误的相交干线联动协调控制方法.该方法运用韦伯斯特配时法计算干线交叉口信号控制参数,以干线排队延误最小为指标建立相位差优化模型.以北京市某相交主干线为例,运用提出的协调控制方法,对相交的两条交通干线同时进行协调控制优化,设计应用于实例的协调控制方案.运用SYNCHRO仿真软件,对方案实施前后的交通运行情况进行对比分析,数据表明,与现状配时方案相比,采用联动协调控制方案后,两条干线的车辆停车延误减少了16.8%.仿真结果表明,联动协调控制方法适用于两条相交干线都需要实施协调控制的情况,能有效地协调相交干线上的交叉口配时,降低车辆在交叉口的延误,提高通行效率.     

协调路口划分对交通控制效果的影响分析

基于Synchro软件对干线协调的路口进行恰当地划分,Synchro软件中用协调因子来衡量相邻路口间是否需要实行协调控制,协调因子的计算主要考虑行程时间、距离、流量、车队形式、周期时长等因素;然后分析了干线协调优化逻辑,并用交通仿真的方法分析不同划分策略对控制效果的影响,并选取最佳的划分;对六一路全线11个交叉口进行案例分析,Synchro在协调路口划分中的有效性得到验证.结果表明协调路口划分会显著地影响整个网络中车辆的延误和停车次数,不恰当的划分会导致延误大幅增加.但不论哪种划分方式,都会显著减小主路和整个网络的停车次数.最佳的划分方式使整个网络延误降低10％,平均停车次数降低11％.     

临界饱和状态交通干线协调控制模型

为提升临界饱和状态下干线车流通行效率，提出了一种基于冲击波理论的干线双向信号协调控制方法。首先，建立了考虑车速变化、转向比例、车道变化等因素的干线交通流模型，分析了临界饱和交通干线交通流运行状态与各参数间的关系。第二，构建了以干线双向通过量最大化为优化目标的混合整数线性规划模型，通过优化干线公共周期和各交叉口绿信比以提高干线通行能力。第三，构建了以延误最小化为优化目标的二次规划模型，并提出了相应的求解算法，通过优化相位差和相位方案实现了干线交叉口的信号协调。临界饱和交通干线协调控制模型由通过量最大化模型和延误最小化模型构成，考虑各交叉口间的制约影响关系，有效避免了排队滞留、溢出、交叉口“死锁”等现象。采用两阶段优化方法，通过通过量最大化模型优化周期及绿信比，继而应用延误最小化模型优化交叉口相位方案及相位差，获得干线系统双向信号协调最优控制方案。最后，应用临界饱和交通状态干线协调控制模型对南京市中山东路10个交叉口进行了信号协调优化，并对优化结果进行了仿真分析。结果表明：临界饱和交通状态干线协调控制模型能对双向临界饱和干线的信号控制方案进行优化，与对照方案相比，优化方案的双向总交通量提升了21.9%，车均延误降低了63.1%，通行能力与服务水平提升显著。     

基于人均延误最小的干线交叉口协调配时优化

为了提高干线协调控制在国内混合交通流条件下的交通运行综合效率,以干线中小汽车、公交车和自行车为研究对象,提出了综合考虑上述3种车型通行效率的干线交通信号协调控制的配时优化模型与算法。模型的研究从出行者的角度分析干线协调的延误,以干线人均延误最小建立了目标函数,并设计启发式算法进行计算,从而获得目标函数的优化值。为了验证提出的干线协调配时优化方法的有效性,选取南京洪武北路上的干线协调交叉口为实例进行验证,通过在Vissim中建立实际干线协调控制路段的空间模型并采用提出的优化方法进行配时,发现在不同车型组成比例条件下,人均延误最多减少了11．4％。结果显示,该模型能够有效地提高混合交通流条件下的干线交通运行综合效率。     

交通干线相邻交叉口动态协调控制研究

建立了交叉口交通流的动态模型,基于该模型实现了交通信号相位的动态配时,提出了一种考虑双向绿波的干线相邻交叉口相位差优化控制方法,并采用改进的遗传算法(GA)进行求解,从而实现交通干线分级递阶协调控制,避免了交通拥挤和堵塞。以济南市经十路干线交叉口为对象,选择不同时段的车流量数据进行仿真研究,仿真结果表明,本文提出的控制方案能够有效地减小车辆排队长度,从而提高干线交通畅通,降低车辆平均延误时间,是进行城市交通干线控制有效且实用的方法。     

考虑动态车速的双周期干线信号协调控制多目标优化

干线协调控制通常以干线方向通行效率最大为目标，导致一些小型交叉口次路方向延误较大。针对该问题，基于车路协同环境，研究了车速引导下的双周期干线多目标优化方法。针对上游交叉口饱和交通流与非饱和交通流2种情况，提出了考虑排队消散和相位差的动态车速引导模型。以干线延误、通行能力、停车次数，双周期交叉口次路方向延误为优化目标，构建了车速引导下的双周期干线多目标优化模型，采用遗传算法对模型进行求解。基于COM接口，采用Python和Vissim搭建车路协同仿真环境，以北京市两广路的3个路口为例进行仿真验证。对比了本文模型与原配时方案、无车速引导下双周期干线多目标优化模型的效果，结果表明，本文模型相比于原配时方案和无车速引导下多目标优化模型，干线平均延误分别减少19.6%，8.3%，通行能力分别提升5.6%，8.4%，平均停车次数分别减少11.2%，24.2%，双周期交叉口次路方向平均延误分别减少33.9%，5.8%，表明本文模型将速度引导与多目标优化相结合，提高了双周期干线的通行效率，降低了双周期交叉口次路方向的延误，达到了干线和双周期交叉口共同优化的目的。      

交通流缺失数据处理方法比较分析

针对交通数据的缺失问题,采用基于时间相关性、空间相关性和时空相关性的多种数据修复方法对缺失数据进行处理.基于时间相关性的修复方法包括历史数据法、移动平均法、指数平滑法和线性回归法等.基于空间相关性的修复方法利用相邻车道和相邻检测器所采集的数据对缺失值进行处理.基于时空相关性的数据修复方法结合交通流的时间相关性与空间相关性对缺失数据进行修复.基于美国加州I-880高速公路交通流数据的实验结果表明,平滑系数α=0.1时的指数平滑法和利用相邻车道数据加权平均法得到的缺失值修复结果最优.      

基于元胞自动机模型的路侧停车行为对交通流的影响研究

针对路侧停车带来的进出停车位排队延误、低速巡游降低通行效率、过量停车加剧交通负荷等问题,研究了路侧停车对路段动态交通流的影响分析方法。基于视频识别算法,提取路侧停车车辆在驶入车位过程中的运行轨迹和速度波动数据,解析路侧停车过程中的驶入行为特性,并按照行为差异将停车车辆停车全过程细分为进入路段、寻找车位、找到车位、驶入车位、静止停放、驶离车位、汇入路段和错失车位8类状态;分别依据停车车辆和通行车辆的实际驾驶行为,从跟驰特征、速度矫正、换道规则和位置更新等方面对路侧停车元胞自动机模型进行了改进;在选择目标车位时综合考虑了步行至目的地时间和驶入车位耗时2个要素。与常规通行车辆相比,深入分析了停车车辆提前换道和停车完后汇入路段行为对后车的影响。基于实际交通流数据对仿真模型进行参数标定,经验证,模型拟合度为77.6%;仿真分析了在差异化的停车需求强度下,巡游速度对道路通行能力和延误时间的影响规律。结果表明:固定的巡游速度和停车需求强度下,道路延误时间随道路交通量先增加后减少;在低停车需求强度下,巡游速度对道路通行能力影响微弱,在高停车需求强度下,当巡游速度从30 km/h降低至20 km/h,外侧车道饱和流量降低500 veh/h,最高延误时间增加105 s。      

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

降低交通排放的干线协调信号控制优化方法

为降低干线道路系统的交通排放量,基于机动车比功率改进红绿灯期间排放因子的标定方法,进而以相位有效绿灯时间为决策变量,构建使机动车排放总量最小化的干线交叉口群时空资源优化模型.分析相邻交叉口间车队延误与相位差的关系,改进以车队延误最小为目标的相位差优化模型.为验证模型,设计一个案例,根据传统方法获得参考配时方案,借助Vissim软件标定红绿灯期间的排放因子,并使用所提方法获得优化配时方案.结果显示,每种污染物绿灯期间的排放因子均明显高于红灯期间;与参考配时方案相比,优化配时方案下各交叉口车辆延误和排放量均减少8~11%.所提模型能同时降低干线交叉口群的车辆延误和交通排放量,可用于优化干线协调信号控制方案,进而缓解交通拥堵.      

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

一种基于干线协调的公交信号优先方法及其验证分析

提出了一种在干线协调控制背景下的主动式公交信号优先方法,旨在达到公交车辆、社会车辆共同利益最大化的目标。首先需要明确干线协调与公交优先的优先级关系,确立双层优化方法,上层为干线协调,下层为公交优先。优先方法中采用主动式早启、晚断模式为核心模块,绿波带上下限作为约束条件调整公交信号优先的具体方案。然后,根据优化方法,构建了由公交请求生成系统、通信系统、交通信号控制系统组成的主动式公交信号优先系统。最后通过系统验证分析,从干线协调效果和公交车辆延误时间等方面评价了这种优先方法的具体效果,并给出了实际应用建议。     

城市交通控制与诱导系统协同的信息分析与组织研究

对城市交通控制系统与城市交通流诱导系统协同进行信息分析与信息组织研究。对城市交通控制与诱导系统协同的信息需求特点和信息特性进行分析,根据交通信息特性构建数据结构,根据城市交通控制与诱导两系统信息的特性和关联关系,提出城市交通控制与诱导系统协同的信息组织流程,重点研究信息组织中的关键技术——多源交通信息处理。为城市交通控制与诱导系统协同的具体研究与实际应用提供方法依据。     

基于关键本征模态函数的道路交通信号控制时段划分方法

交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明：(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车...     

区域交通流的时空预测与分析

论述了短时交通流预测模型的分类、特点和适用条件。通过历史交通流量记录运用最优抽样间隔数据分析发现,在城市道路网络中,路口自身和近邻路口的交通流数据之间存在紧密的时空关系。利用时空自回归移动平均模型来建立路口间交通流的时空关联关系,用于区域交通流的短时预测和时空分析,并详细介绍了该模型的数学描述和建模过程。采用长安街及其沿线路口的区域交通流量作为试验数据,验证了该模型在交通流的短时预测和时空分析中的可行性。该模型在考虑预测值所在位置时间序列的同时,也考虑到了空间上相邻位置的时间序列,大大提高了短时交通流预测的准确性。