城市道路交通流短时预测及可靠性分析

为了捕捉交通流随机波动导致的交通流短时预测的不确定性,利用反映预测波动的异方差对可靠性进行量化预测;基于时间序列及其异方差理论,构建了以单整自回归滑动平均ARIMA(0,1,1)模型为均值方程的城市道路交通流短时预测的广义自回归条件异方差GARCH(1,1)模型. 通过ARCH LM检验证实,GARCH(1,1)模型能够有效捕捉并消除ARIMA(0,1,1)模型的异方差性.结果表明:基于GARCH(1,1)模型的城市快速路流量预测的MAPE值不高于10%,城市快速路及主干道速度预测的MAPE值为7.86%~10.24%;与ARIMA(0,1,1)模型预测的固定置信区间相比,在自由流交通状况下,GARCH(1,1)模型在有效预测前提下的预测置信区间更窄;在交通拥挤状况下,GARCH(1,1)模型能够通过放大预测置信区间宽度减少无效预测.      

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

基于Monte Carlo的行程时间可靠性研究

从分析行程时间可靠性的概念及其重要性入手,提出了路段、路径、OD对以及系统行程时间可靠性的定量计算方法.在路段通行能力随机变化的条件下,基于Monte Carlo仿真建立了行程时间可靠性的求解算法.考虑到行程时间可靠性与出行者路径选择的相互作用,该方法将基于行程时间可靠性的交通分配纳入到行程时间可靠性的评价之中.用一个简单算例进行测试,结果表明该方法能够对行程时间可靠性进行合理评定.     

基于粒子群优化小波神经网络的行程时间预测

为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息，提高出行效率，需提升高速公路行程时间的预测精度。鉴于此，将生物学中粒子群优化算法（Particle Swarm Optimization Algorithm, PSO）引入小波神经网络（Wavelet Neural Network, WNN）中，构建基于粒子群优化小波神经网络（Particle Swarm Optimization Wavelet Neural Network, PSO-WNN）的高速公路行程时间预测模型。首先将高速公路原始收费数据规整化，截取其中有效字段，获取研究路段一个月的行程时间数据并对其进行数据处理。然后分别基于PSO-WNN模型和WNN模型，利用Matlab进行实验。实验结果显示，PSO-WNN模型预测结果的平均绝对误差、平均相对误差和均方误差较WNN模型分别降低了83.36%, 82.20%和98.15%。PSO-WNN行程时间预测模型不仅预测精度高，而且能较准确地预测出行程时间的走向及波动情况，在收敛速度方面也呈现出一定的优势，具有较好的适应能力。     

多种失效模式下高速公路复杂网络可靠性研究

提出以设计时速为基准的路网行程时间可靠性的计算方法,建立基于延迟系数的行程时间可靠性模型,探究在不同失效策略下,路网行程时间可靠性的变化规律.以高速公路网为例,利用对偶法对高速公路网进行拓扑结构建模,计算拓扑网络中的节点度,设置路网连通可靠性、行程时间可靠性和道路阻断及拥挤状态下的路网可靠性三种情景,分析不同情景下路网可靠性的变化规律.结果表明:与以往的模型相比,基于延迟系数的高速公路网行程时间可靠性模型可准确有效地反映其路网在不同失效模式下的运行特性.随着低速道路的条数增加,路网行程时间可靠性降低.行程时间系数和延迟系数均达到最小值时,此时的路网行程时间可靠性的值最大.     

路段容量随机下降路网的行程时间可靠性

基于均匀分布的路段容量,分析了退化路网中路段行程时间的随机变动,构建了概率用户均衡交通分配模型,证明了等价数学规划模型解的等价性,设计了模型求解算法.在此基础上,建立了路段、路径及OD对行程时间可靠性计算模型.最后,在一简单网络上进行了计算分析.     

网络行程时间可靠性评价方法与影响因素

采用区域划分方法研究了网络行程时间率的概率分布, 提出了基于OD对的网络行程时间可靠性指标以评价城市交通可靠性; 选取影响行程时间可靠性指标的相关因素, 建立了多元线性回归模型, 用逐步回归法求解模型, 并进行了模型参数显著性检验; 根据杭州市和北京市的网约车数据计算了网络行程时间可靠性指标, 并与高峰拥堵延迟指数进行对比, 分析了网络行程时间可靠性指标的时间和空间分布规律。研究结果表明: 在多元线性回归模型中, 规划行程时间率与等待时间、费用、距离、行程时间和OD对间行程次数这5个自变量拟合得到的决定系数为0.772, 平均行程时间率与5个自变量拟合得到的决定系数为0.857, 2个模型拟合程度均较好, 回归模型显著; 规划行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.386、0.399与-1.286, 平均行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.162、0.177与-0.676, 2个交通可靠性指标都与等待时间和行程时间呈正相关, 和实际行程距离呈负相关; 提出的网络行程时间可靠性指标与高峰拥堵延迟指数变化趋势一致, 较好地符合现实交通状况, 从多角度反映了交通可靠性特征, 可以为路网规划提供决策支持, 帮助居民更好地进行出行路径选择。      

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.     

基于行程时间可靠性的多类用户交通分配模型

分析了路网在随机因素作用下造成的出行者行程时间的不确定性.假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型.给出了模型的对角化算法.对一个小型测试网络的计算结果表明,该模型能够反映出行者在不确定环境下的路径选择行为.     

������Ϣ�Ե�·�������ʱ��ɿ��Ե�Ӱ��

为考察出行信息对道路网络出行时间可靠性的改善效果,将出行者划分为“有ATIS接收装置”和“无ATIS接收装置”两类,且均以随机方式选择路径,运用混合网络随机用户均衡建模理论构建了信息诱导下的出行路径选择模型.从路段容量的实际变化规律出发,假定其服从截尾正态分布,基于Monte Carlo仿真技术和网络均衡流求解算法,建立了信息影响下的道路网络出行时间可靠性评估方法.数值分析结果表明：道路网络出行时间可靠性随出行信息质量和信息系统的市场渗透率增加而递增,但其边际影响递减;对于交通需求水平高的道路网路,信息的提供对网络出行时间可靠性的改进更加明显.     

考虑自行车步行影响的交通平衡综合分析模型

步行和自行车等外界因素对机动车流的影响也具有随机性,但是这种影响更多地表现为可预见性和可控制性(尤其从交通管理的角度来看),可以说这种影响将导致可预见性的路段实际通过能力降级,并且可预见性特征使得这种影响不同于随机用户平衡中路段旅行时间的感知误差.笔者通过区分路段通过能力降级因素为内因(路段上车流量增加导致道路服务水平降级)和外因(由与路段上与车流量无关的外部因素,如随意过街人流、自行车流等外部因素,引起的道路通过能力降级),并且区分路段旅行时间为通行能力降级路段上行程时间和排解交通拥堵花费的滞留时间两个构成部分的基础上,建立了考虑自行车步行影响的交通平衡综合分析模型;通过对路段参数敏感性分析和实例对照,既展示了该综合分析模型-路径期望旅行时间平衡分析模型与确定性网络用户平衡分析模型的差异性,又展示了路径期望旅行时间平衡分析模型能较好地再现人们对道路路段通行能力降级情形下的车流路径选择行为.     

һ������ʵʱ��Ϣ��ͳ����Ϣ�Ŀɿ�·�������㷨

研究在具有过去的统计信息及实时信息条件下的交通网络上的路径生成问题 我们假定路段通行时间具有一定的概率分布，这一分布从过去的统计数据得到，而当旅行者到达某一节点时，以该节点为起点的路段的通行时间作为实时信息被告知。在以上条件下，我们给出一种自适应算法来实时地生成一条路经，使得在某一预定时刻以前到达目的地的概率最大这个概率是衡量路径的时间可靠性的尺度，因而我们称相应算法为reliable routing algorithm。与之对应，我们注意到在以往的研究中，衡量路径优劣的有平均通行时间长短等等尺度。     

基于实时数据的路网行程时间可靠度模型研究

道路行程时间可靠度是衡量城市道路交通服务质量的指标之一。本文分析和处理道路实时交通数据．统计其行程时间的分布,并拟合行程时间的分布曲线。以此为基础,构建行程时间可靠度模型,并进行案例分析。本文研究得出：路段的行程时间服从正态分布;出行者要求可靠度越高,需要预估的行程时间就越大;即使出行者期望的可靠度相等,对应不同的出发时刻预估行程时间也不同。     

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。     

短时事故扰动下的逐日路网流量演化模型

为研究事故扰动下日变交通路网流量在出发时刻和选择路径上的时空演变规律,以出行经验学习更新路网理解阻抗,基于准点到达概率最大和到达前景最大分别调整计划出发时刻和出行路径.并在出行当日根据出发前各时段的实时信息再次更新路网阻抗,重新调整出发时刻和路径获得实际出行选择.从而建立考虑出行日信息更新的逐日路网流量演化模型.采用算例验证模型,结果表明:在路网无事故情形下,考虑出行日内调整,路网流量变化震荡缓和,但达到稳定所需时间长;事故发生在稳定前,会影响最终平衡态流量分布,而事故发生在稳定后,则不影响;考虑出行日调整会加大路网在事故发生后几日的流量震荡.