基于出行决策的公路网多目标最优路径算法

为使公路网静态最优出行路径能综合表达道路环境影响因素与出行者的路径选择偏好,研究了GIS环境下的用户-系统最优出行路径决策模式.基于层次分析法,构建了综合考虑行程时间、舒适安全性与行程费用的公路网路段交通阻抗评价指标体系,提出了对定性与定量化参评指标进行综合一致性处理的方法.通过用户-系统共同决定的路段交通阻抗的综合评价过程,将最优路径问题转化为最短路径问题,采用各路段各出行目标的标准化值之和作为评价指标,采用Dijkstra算法实现最优路径的搜索.实例验证结果表明:最优路径比距离最短路径出行距离增加8%,出行时间减少7%,舒适安全性提高17%,出行费用增加13%,所得最优路径是针对特定用户的多目标路径,明显异于单目标最短路径,表明该方法可行.     

基于遗传算法的城市应急车辆调度优化

分析应急车辆到达事故地点行程时间的各种影响因素,结合实时路段交通量和交叉口控制状况,计算路段行程时间和交叉口延误时间,以总行程时间作为适应度函数,基于遗传算法优化城市道路应急车辆调度。遗传算法采用可变长度节点序列编码方式,并引入邻接矩阵概念,对应急车辆出行的合理路网进行路径集合估计,为初始路径个数的选择提供理论支撑。最后以西安市曲江区路网为例进行计算与检验,验证了优化方法的有效性与合理性。     

低频GPS数据和交叉口延误下的行程时间估计

为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.      

车路协同环境下公交车辆车速引导方法

综合考虑公交车辆"行驶-停靠站-通过交叉口"整个过程,基于行驶过程的信号灯状态,以交叉口公交车辆停车时间最小化为目标,构建基于车路协同环境的公交车辆车速引导方法策略及模型。将车速引导计算模型分为进站前阶段-进站前引导模型、靠站阶段-驻站控制判断模型、出站后阶段-出站后引导模型。基于VISSIM软件及其COM二次开发接口进行仿真实验。研究结果表明,本车速引导模型可有效降低公交车辆在交叉口的车均停车次数、停车延误,提高驾驶平稳安全性。     

车联网环境下信号交叉口车速控制策略

为了减轻城市道路上信号交叉口对交通流的阻断,针对车联网环境下个体车辆可 以与路侧设施及交叉口中心控制系统实时信息交互的特征,提出了信号交叉口车速控制策 略,在提高交叉口通行效率的基础上兼顾驾驶舒适性与环境友好性.为验证车速控制模型的有 效性,基于多智能体技术建立了车联网环境下信号交叉口车速控制仿真系统,以典型十字交 叉口为例,模拟对比分析了传统驾驶和车联网2 种环境下车辆通过交叉口的行程时间、燃料消 耗与污染物排放.结果表明,该速度控制策略下车辆通过交叉口的平均行程时间减少了约 60%,燃料消耗减少了约40%,污染物的排放也有显著减少.     

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BRT驻站控制的交叉口公交优先车速引导研究

在设置公交专用道的前提下,综合考虑了交叉口前公交站台以及信号灯配时的因素,提出了交叉口公交优先的车速引导方案,并采用该方案对常州BRT中B10线路的部分路段的日常运行车速进行了引导研究,结果表明:该车速引导系统的使用可有效提高公交车辆的运行效率。     

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.     

城市交通线控系统相位差优化方法

根据路段行程车速的随机分布特征,分析了已有线控系统相位差优化方法的局限性。以路段行程时间、车辆延误和排队长度为评价指标,利用信息熵理论和多属性综合决策方法设计了线控系统相位差优化算法,并进行了仿真计算。仿真结果表明:当路段行程车速的方差从5 km.h-1增大到10 km.h-1后,由西向东车流的行程时间、车辆延误和排队长度分别从98.4 s、13.5 s.pcu-1和9.1 pcu增大到115.5 s、15.9 s.pcu-1和12.3 pcu,由东向西车流的行程时间、车辆延误和排队长度分别从99.4 s、13.5 s.pcu-1和9.2 pcu增大到108.7 s、14.3 s.pcu-1和10.8 pcu。可见,路段行程车速的随机分布特性对相位差的设置有显著影响,利用本文建立的模型可得到最优相位差。     

行程时间服从混合高斯分布的车队离散模型

为充分描述异质交通流条件下的车队离散规律,为信号配时优化、公交优先控制提供理论基础.考虑异质交通流条件下车辆行程时间分布特点,采用混合高斯分布拟合车辆行程时间分布.基于此,从流量角度推导了异质交通流条件下车队流量离散模型.通过实际调查数据,分析了下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型与Robertson模型、实际数据进行比较分析.结果表明,本文模型能够更好地描述异质交通流条件下的车队离散规律,与Robertson模型相比,平均预测均方误差减少了27%.