信号交叉口专用多左转车道特性分析

针对北京市典型信号控制交叉口,调查高峰时段若干左转转角约为90°的专用多（双、三）左转及直行车道组的车头时距、周期流量、大型车比例等数据.通过对数据的分析处理,得出多左转车道和大型车车道使用特性及双、三左转车道不同车道位置饱和流率的差异性,具有一定的参考价值.     

车道宽度、转弯半径对左转饱和流量的影响研究

针对我国现有道路交通条件下典型的信号控制交叉口,通过实地调查,对不同车道宽度、转弯半径的左转车道的饱和车头时距进行现场测定.分析得知左转车道饱和车头时距服从对数正态分布或正态分布.考虑左转车道宽度、转弯半径的影响,给出了左转车道饱和流量的回归计算模型.将模型与HCM2000计算模型进行比较,结果表明,所给计算模型更符合国内的实际使用.     

信号交叉口直行车道饱和流率研究

为了提高城市信号交叉口车辆运行效率,本文分析了直行车道饱和流率的影响因素。基于长沙市典型信号控制交叉口直行车道在不同车道宽度、大车率和车道数情况下饱和车头时距的采集数据,分别建立了饱和流率与车道宽度、大车率、车道数的一元回归关系模型和饱和流率关于车道宽度、大车率和车道数的三元回归线性模型,最后并将拟合的模型放入南京典型信号控制交叉口的应用环境中。结果表明交叉口延误和饱和度值减少,进而说明所得到的模型具有一定的适用性。     

基于头车疏解车距的混合交通信号交叉口通行能力研究

头车疏解车距(The First Discharge Headway)是绿灯开始后到第一辆机动车启动并通过停车线的时间.本文分析了混合交通信号交叉口不同车道交通流的车型比例和干扰比例,结果表明,左转车道的小型车比例和受到的干扰次数高于直行车道.随后利用Logistic模型、Compertz模型、Logsitic模型分别...     

信号交叉口专用双左转车道通行能力

在北京市6个信号交叉口双左转车道交通流数据调查的基础上,应用数理统计学方法对信号交叉口双左转车道饱和车头时距和饱和流率以及影响因素进行了研究。通过比较算术平均值、截尾均值和中值计算结果,提出应用截尾均值法计算饱和车头时距与饱和流率。研究了饱和流率与车道宽度、转弯半径的关系,应用回归方法给出了饱和流率与转弯半径关系模型,并对内、外侧车道饱和流率与单一左转车道饱和流率进行了比较。研究结果表明:内侧车道饱和车头时距为2.14～2.60s,外侧车道饱和车头时距为2.08～2.37s,平均饱和流率为1600pcu.(h.lane)-1;双左转车道饱和流率为单一左转车道饱和流率的1.80～2.05倍。     

平面交叉左转车道设置对视距的影响分析

在整个路网系统中,交叉口是不同方向的交通流汇合、分流的地方,交通情况复杂.其中,交叉口左转车流是影响交叉口性能的最重要因素,左转车更需要足够的视距来穿越对向直行车道完成左转运行.文中分析了次路采用停车让行控制方式的交叉口左转车道的几何要素(对向左转车道偏移值和左转车道长度)对左转车视距的影响,对左转车视距进行了修正,保证左转车辆更加安全畅通的运行,提高交叉口的运营效率.     

ӵ��״̬���źŽ����ͨ���������㷽��

车头时距分布是研究交通流特性的重要方法。本文基于北京市若干交叉口的实测样本数据,研究分析了拥堵状态下信号交叉口的排队车辆越过停车线的车头时距分布及其变化特点,结果表明在第6个车辆之后达到饱和车头时距。在此基础上,针对中心城区拥堵区域次干道以上等级的信号交叉口,提出拥堵状态下的通行能力模型。进一步地,利用实测数据作了案例计算与对比分析,直行与左转车道通行能力的平均误差率分别为2.27%与4.28%,验证了模型的可行性与有效性。此外,该结果优于其它计算方法所得结果,表明在拥堵状态下,该方法的适用性更高。     

非严格优先权下许可相位左转车辆侵占时距分布模型

提出侵占时距的概念来描述非严格优先权下许可相位左转车流的微观特性,并根据左转车辆通过时,交叉口内对向直行车辆的不同存在形式,划分成了4种交通状态.基于大量的实测数据,利用7种不同的模型对侵占时距分布进行拟合.采用最大似然估计法进行参数估计,通过Kolmogorov-Smirnov检验对不同模型在不同状态下的拟合优度进行判定.最终得到Log-Logistic模型对不同交通状态下的拟合效果最优,并且其模型参数值的大小与对向直行车辆的不同存在状态有关.最后,选取了2个交叉口作为验证组,验证了Log-Logistic模型在不同交叉口不同交通状态下的适用性.     

车头时距混合分布模型

为描述车头时距分布特性,基于二分车头时距的基本思想,将行驶车辆状态分为跟驰状态和自由流状态,在分析其运行特征的基础上,建立了能同时描述这两类状态对应的车头时距分布特性的混合分布模型.应用实测数据,通过EM(expectation maximization)算法确定模型的相关参数,并结合参数取值分析了路段上、下游和不同车道内车辆行驶统计特征的差异性,最后,进行了实例验证.研究结果表明:混合分布模型在实验路段各处均可通过卡方检验;与负指数分布、爱尔朗分布和M3分布相比,混合分布模型对车头时距分布情况的拟合精度平均提高10%以上,且对快速路入口匝道通行能力的计算结果与实测值较为接近.     

大型车占比例较高的左转车道改进方案分析

以某交叉口为例,研究左转车道位置布局变化对交叉口交通流特性的影响。首先对现有交叉口的交通量、信控周期、驶入车速、线形等进行调查,然后分析左转车道位置改变后交叉口通行能力的影响情况[1]。采用校正流率在Vissim中模拟不同左转弯交通流比例、不同交通负荷及不同大型车比例情况下,交叉口的通行效率改变情况。最后,运用交通冲突法分析改变车道布局后交叉口的安全性。研究显示:改变左转车道的水平位置不会影响交叉口的通行能力和安全性,当改变左转车辆比例时对交叉口通行效率没有影响;当改变交叉口交通负荷或者左转大型车辆比例改变时,改变左转车道水平位置会对交叉口通行效率有所提高。本研究的主要目的是提高左转车道中大型车量相对较多的交叉口服务水平,通过简单的车道位置变换使交叉口可以更好地发挥集散交通流功能。     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性，本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先，经过对车辆运行轨迹数据的分析发现，不同道路类型和平均速度条件会显著影响驾驶行为的集计特征；其次，提出改进的驾驶员特征聚类方法，第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法，从而稳定提取典型交通条件下的驾驶行为特征参数，第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明， 在相同的道路类型和平均速度条件下，驾驶员类型越激进，其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明，改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好，能有效提升驾驶员聚类的适用性与可靠性。     

环形交叉口交织区车流运行特性的研究

由于环形交叉口入口车辆直行和左转的绕行而避免了流线冲突,交织区存在着大量的分流、合流行为,车流运行特性复杂. 通过对环形交叉口交织区的摄像调查,测算并分析在该区域的合流与分流运行行为的速度分布、换道位置分布,合流车与环道上前后车的车头时距分布,以及可插间隙的利用等规律,研究发现环形交叉口交织区运行行为具有以下特性：外环道车速比内环道的车速大,合流车的车速最低;分流行为发生于合流行为之后;当可插间隙增大时,合流车速有增大的趋势;对于较小的可插间隙,通常后车时距大于前车时距;多车道环形交叉口的当量车流的临界间隙小于单车道环形交叉口临界间隙.     

���ν���ڽ�֯�������������Ե��о�

由于环形交叉口入口车辆直行和左转的绕行而避免了流线冲突,交织区存在着大量的分流、合流行为,车流运行特性复杂. 通过对环形交叉口交织区的摄像调查,测算并分析在该区域的合流与分流运行行为的速度分布、换道位置分布,合流车与环道上前后车的车头时距分布,以及可插间隙的利用等规律,研究发现环形交叉口交织区运行行为具有以下特性：外环道车速比内环道的车速大,合流车的车速最低;分流行为发生于合流行为之后;当可插间隙增大时,合流车速有增大的趋势;对于较小的可插间隙,通常后车时距大于前车时距;多车道环形交叉口的当量车流的临界间隙小于单车道环形交叉口临界间隙.     

对角匝道设置的交通量条件

为了得到设置对角匝道时须满足的交通量条件,分析了合流区主路外车道的车头时距分布,利用间隙接受理论和分段积分法,建立了对角匝道驶入主路的适应交通量模型。然后考虑驶入对角匝道的右转交通量及其车头时距分布,利用间隙接受理论,建立了驶入对角匝道的左转车流的适应交通量模型,并得到了驶入对角匝道的左右转车流的约束条件。分析结果表明:对角匝道设置的交通量条件与主路交通量、匝道交通量、加速车道长度、合流区外侧车道车头时距的区间分布状况、汇合车辆的临界间隙和随车时距以及驶入对角匝道的左右转交通量有关。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一，将车载参数和车辆位置参数相结合，提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验，采集18 位驾驶员的9 个车载实时参数数据，以及前后车辆间的相对速度、相对距离、相对角度，提取412 个换道行为单元和824 个车道保持行为单元，共 88 992 条数据. 运用数理统计方法分析表明，方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异，在这3 个特征参数的基础上，建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型，用部分样本对模型效能评价. 结果表明，混合模型对换道行为的识别精度为93.6%，具有良好的识别效果，可以很好地应用到 ADAS.     

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型（GMM）与背景累加模型（BAM）的组合前景提取方法,该方法将GMM与BAM组合得到的2 种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行“与”操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny 边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV 和Matlab7.1 实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.     

逆向可变车道交叉口信号配时优化方法

为提升逆向可变车道交叉口通行效率，提出一种基于逆向可变车道交叉口信号配时优化方法.假设车辆到达服从泊松分布，基于逆向可变车道交叉口车流运行特征，构建了逆向可变车道交叉口通行能力和延误计算模型；以周期时长、主预信号控制、逆向可变车道长度及饱和度等为约束，交叉口通行能力最大和平均延误最小为目标，建立了交叉口信号配时双目标优化模型，采用模拟退火算法求解.选取南昌市某交叉口分析了其设置逆向可变车道后，在高、中、低流量及不同左转比例下的运行效果.结果表明，本文所提方法在不同流量下均能提高交叉口的通行能力并减少延误，且更适合高流量交叉口；当高流量交叉口左转比例大于 20%时，交叉口通行效率改善更加显著.     

考虑动态交通流的停车场车辆最优疏散模型

为有效地制定停车场车辆疏散方案,缩短车辆疏散时间,研究了考虑道路网动态交通流特征的停车场车辆最优疏散模型. 首先,根据排队论将停车场每个出口车道的车辆排队抽象成一个M/M/1/1排队系统,分析出口道路交通流车头时距对车辆离开率的影响,从而估算车辆在停车场内的排队时间. 其次,构建道路网节点交通流均衡模型和路段交通流均衡模型模拟车辆的疏散路径选择行为,并估算疏散车辆的行驶时间以及在交叉口的延误时间. 最后,选取一个具有4个出口的停车场进行车辆疏散仿真模拟. 研究结果表明:出口处道路交通流车头时距对停车场车辆排队时间、行驶时间和总疏散时间均有显著影响,并且车辆在道路网中最优路径的选择主要受非疏散交通流影响;该模型能模拟停车场车辆在疏散过程中的动态交通特征及时间消耗,根据出口处道路交通流车头时距动态调整车辆离开率,提升疏散效率.