基于车辆身份感知数据的路段轨迹重构方法研究

车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果.     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

基于分子动力学的车流运行动态特性及其模型

车辆跟驰行为受前导车和道路环境等的影响,将车辆抽象成相互作用的分子,基于分子动力学构建相互作用势函数,建立基于相互作用势函数的分子跟驰模型.采集试验路段不同点位的交通流样本,从视频中获得所需数据,并对加速度波动特性进行分析.将车辆运行状态分为常态行驶,起动加速和减速停车3种,根据实测交通数据对3种车辆运行状态进行模型参数标定,同时对分子跟驰模型进行稳定性分析验证,结果表明,相对于经典GM模型,分子跟驰模型稳定性更好,对实际交通状态拟合程度更高.     

基于自适应临界状态的交通流运营安全评价

考虑实际交通流中车辆驾驶员的主观能动性,改进交通冲突技术机械式假设的不足,提出交通流自适应临界状态概念.构建车速差、减速度差和行程时间差等3个模型,量化交通流运营状态的自适应能力.以安全车头时距和实际车头时距的差值,评价实时交通流运营安全性.通过实验分析,结果表明基于自适应临界状态的运营风险与历史事故数之间存在良好的相关性.     

交通扰动与交通流稳定性机理解析

道路条件及密集交通流随机波动是交通扰动的诱因,并可能引发交通流不稳定.提出3个影响交通流稳定性的重要因素——背景交通状况、驾驶员特性、车队均一性.讨论了基于跟车模型导出的交通流稳定性的充分和必要条件,辨析其中各参数的准确含义和各条件之间的相互关系.借助交通流基本图和车辆轨迹线图,分析在各影响因素作用下交通扰动在实际交通流中的演变.     

面向诱导的交通状态概率预报技术

为了获取准确客观的交通流运行状态信息,满足交通诱导的需求,综合考虑城市道路中交通流演变的随机性和复杂性,以及实时交通状态判别本身具有的不确定性,通过分析交通状态和影响因素之间的映射关系,提出了一种交通状态概率预报的Logistic回归模型. 该模型借助Logistic回归方法探讨交通状态和交通参数之间的函数关系,并对下一时段交通状态及其发生的概率进行预报. 最后结合实际数据,进行了不同预报时长的分级交通状态的概率预报实验,独立样本检验结果表明,该模型预报准确率高,稳定性好.     

不同交通流运行状态下的行程时间可靠性分析

行程时间可靠性可以直观反映道路交通流的运行状况,为管理者和出行者提供决策依据。本文以车牌识别系统数据为行程时间数据来源,每10 min作为一个出发时段,研究行程时间可靠性在全天的分布情况。提出了从运行效率和运行稳定性两个层面定义行程时间可靠性的内涵,并通过相关性分析,将现有常用行程时间可靠性指标分成了两类。提出了基于行程时间的交通拥挤判别方法,依照拥挤情况对交通流运行状态进行了分类,分析了行程时间可靠性随交通流运行状态的变化趋势:从效率层面讲,行程时间可靠性与交通拥挤情况的变化趋势完全一致;从稳定性层面讲,稳定交通拥挤时段行程时间可靠性较高,而交通流转变时段行程时间可靠性较差。     

基于蒙特卡罗模拟的交通状态辨识

提出了一种基于蒙特卡罗模拟的利用交通流参数实现交通状态辨识的方法.采 用 FANNY 算法实现了四种交通状态的聚类分析;利用蒙特卡罗模拟方法建立了 SVC 交 通状态辨识模型;分别构建了固定窗口模型和滑动窗口模型对交通状态进行辨识并综合 评价.分析结果表明：该方法能够对实时交通流参数进行准确辨识,尤其是构建的滑动窗 口模型,对交通状态辨识平均精度、召回率和 F 度量分别为 97.98%、94.64%和 96.21%.本方 法可为分析高速公路交通状态演化规律和发展趋势,建立预测预警、应急处置和信息发 布等应急运行机制提供科学方法和数据支撑.     

基于车辆轨迹的信号交叉口机非冲突判别

选取长沙市中心区4个典型信号交叉口,利用视频轨迹追踪软件,提取右转机动车与直行非机动车的冲突交通流轨迹数据。以减速、换道等避险行为与可能发生碰撞(距离碰撞点时间小于2 s)为依据,采集机非冲突样本;选择距离碰撞最大时间(MTTC)和冲突时间差(TDTC)作为评价指标,提出一种基于交通流运行轨迹的改进型TTC(Time to Collision)法的机非冲突判别方法。选择某实例交叉口,分别采用TTC法、改进型TTC法和后侵入时间(PET)法,评估得到右转机动车与直行非机动车的冲突数,分别为7,24,22次。结果表明,传统的TTC法低估了交叉口的机非冲突水平,改进型TTC法的判别准确率提高了2.14倍,证明了方法的可行性。     

基于机动车比功率的单点信号配时优化模型

为减少车辆延误和交通排放,基于机动车比功率提出信号交叉口红、绿灯期间污染物排放因子的标定方法.根据运筹学和交通流理论,以车辆延误和排放最小为目标建立单点交叉口信号配时优化模型.考虑小汽车尾气中的CO、HC和NOx三种污染物,利用 VISSIM 软件设计交通仿真实验,使用MATLAB软件编制参数标定和模型求解算法,根据车辆行驶状况数据标定每条车道组每种污染物的两类排放因子,并验证双目标信号配时优化模型.结果表明,与仅降低延误相比,双目标优化模型所获最优信号配时方案能使车均延误降低19%、交通排放减少11%.研究成果能有效减少交叉口延误和排放,为建立考虑交通排放的干道信号配时优化模型奠定理论基础.     

天津市交通指数及其在双限政策评估中的应用

利用出租汽车浮动车大数据研究科学合理且直观易懂的交通指数并动态跟踪城市道路交通运行规律,不仅是中国大城市关注的焦点,更是在天津市机动车限购、限行政策下非常重要的城市交通基础性研究。通过出租汽车车速精度分析、期望车速选取、指数标准化等关键技术研究,提出天津市可应用于宏观交通政策评估和交通规划研究的交通指数。同时,应用交通指数分析双限政策实施前后两年城市交通的运行特征,分别从年、月、日、小时及区域五个方面评估双限政策的实施效果。结果表明,天津市适度超前的机动车限制政策对缓解交通拥堵的效果显著并得到广泛支持。     

基于工况分布的轻型车速度排放修正因子的建立方法

速度排放修正因子(Speed Correction Factors,SCF)是评估速度变化对车辆排放影响的重要参数.然而,传统的SCF建立方法耗时长、成本较高,且获取的SCF分辨率较低.为了得到高分辨率的SCF,基于北京市大量的实测工况数据和排放率数据,提出了北京市轻型车SCF的建立方法.首先,对采集的工况数据进行60 s短行程划分及2 km/h行程速度的聚类;在此基础上,建立不同道路类型和速度区间下的比功率分布(Vehicle Specific Power,VSP);然后,结合排放率和建立的VSP分布,建立不同道路类型、排放标准的各污染物的SCF.经过分析,得出相比传统的SCF建立方法,本文提出的方法更能反映车辆的实际行驶特征、且获得的SCF的速度分辨率更高.     

数据驱动的电动汽车充电站选址方法

电动汽车在缓解能源压力和环境污染中起着重要的作用,充电不方便成为制约电动汽车发展的一个重要原因.为了合理布局电动汽车充电站位置,本文提出一种数据驱动的电动汽车充电站选址方法.利用海量的移动位置数据提取潜在的交通需求位置,包括出发点和目的地;将地图划分为等间隔的网格,将潜在的交通需求位置与网格关联,统计每个网格内的交通需求量,需求量大的网格作为电动汽车充电站选址的候选位置.实证研究表明,该方法能够精准定位潜在用户需求量大的位置,为电动汽车充电站选址提供数据支持和决策依据.     

基于视频的交叉口排队过程感知及预测

在研究交叉口排队过程中，全面、精细地感知及预测方法一直是难点. 传统的排队过程感知方法缺乏不同排队阶段的精细感知和关联，无法得到全面、精细的交通参数. 对此，提出一种基于视频、分阶段感知再关联的排队过程感知及预测方法. 该方法包括3 部分：第一，通过目标检测和边缘检测提取道路和车辆信息；第二，对道路和车辆边缘信息进行卷积融合，检测排队区域和排队长度；第三，利用车辆位置重构和KCF跟踪等方法感知并关联不同排队阶段，重构并预测交叉口车辆运行轨迹，得到精准到车辆个体的排队车辆数和停车延误等参数. 实验结果表明，所提方法在检测正确的情况下，平均95.7%的排队车辆轨迹重构结果是准确的；并且在实际应用场景测试中，在不同车流量和光照条件下均可取得满意的效果.     

车联网环境下CACC车辆通信概率分析模型

汽车协同式自适应巡航控制(CACC)系统成功应用的前提和关键,是要保证道路上的CACC车辆能与一定距离范围内的其他车辆进行互联通信.本文依据元胞自动机的基本思想,将道路离散成均匀一致的格子单元系统,并基于交通流理论和概率论,构建了车—车通信概率与CACC车辆市场占有率、交通流密度(或占有率)、速度、车头时距,以及DSRC有效作用距离之间的数学关系模型.通过大量的数值模拟实验和美国加州I880高速公路交通流数据对模型进行分析测试,表明该模型可分析不同交通流状态下道路上不同CACC车辆市场占有率,DSRC有效作用距离时的车—车通信概率.本文的研究成果对于未来促进CACC车辆的推广应用具有重要意义.     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。