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.     

I?880高速公路二次交通事件概率估计方法

基于美国I 880高速公路交通流数据,对由交通堵塞或事故诱发的二次交通事件的各项参数进行聚类分析并建立概率模型.运用这一模型可对I 880高速公路进行实时交通流监测,发现有安全隐患的路段并向控制中心发出警报,以减少交通事件的发生与相应的人员财产损失.     

数据挖掘的模糊统计法及其在交通流中的应用

交通流变化是复杂的,对其定量研究必须采用数据挖掘技术。注意到交通流既存在由于随机性带来的统计不确定性。也存在着由于人们对于交通状态描述时无法避免的概念含混性带来的模糊不确定性。因而必须用模糊概率描写交通状态。为此,给出交通流数据挖掘的模糊泊松分布和模糊二项分布模型。模糊概率用于交通流数据与建模分析,可用于对模糊交通状态之间的模糊转移概率计算、道路通行能力的模糊预测等。     

交通流信息挖掘的非参数概率变点模型研究

交通流状态辨识是智能运输系统(ITS),尤其是其先进的交通管理系统(ATMS)和先进的出行者信息系统(ATIS)研究的一个重要内容.以往算法主要集中在交通流预辨识(即交通流预测)和交通流实时辨识(即事件检测或交通流突变检测)的研究上,而忽略对交通流关键参数量变模式的辨认.依据交通流理论,结合非参数变点统计方法,以在淄博市人民路上采获的拥挤车流数据的研究为例,建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点(时间)位置的搜索算法作了研究.结合实地数据对本方法进行了标定和检验,验证了本方法的有效性和可行性.     

基于交通流生存函数的交叉口通行能力计算模型

针对基本通行能力不能全面反映道路交通状况的缺点, 提出了城市道路随机化通行能力概念; 依据评价体系定义交通中断与持续中断, 量化了城市道路交通拥堵程度; 研究了现有通行能力估计方法, 利用乘积限与寿命分布列构造并估计了交通流分布函数; 结合交叉口各入口交通流数据特性改进传统连续交通流参数模型, 提出了基于交通流生存函数的交叉口通行能力计算模型; 将该模型估计结果与道路通行能力手册HCM2010中的模型估计结果和交叉口实测流量进行误差对比。分析结果表明: 生存函数模型计算出的中断、持续中断交叉口通行能力与HCM2010中的模型计算结果误差均值分别为0.162 1与0.116 4, 方差分别为0.029 0与0.015 2, 两者误差波动均较小; 提出的计算模型结果与实测较大流量相对误差分别为9.720%、3.822%和4.936%、4.779%, 统计意义下提出的计算模型相对误差为5.871%, 估计效果稳健; 城市道路交通中断次数、可接受中断概率、交通流、速度与道路通行能力之间存在生存函数乘积限对应关系, 研究交叉口的通行能力为7 632 pcu·h-1, 提出的计算模型估计结果更具有可靠性。可见, 提出的计算模型适用性较好, 特别在不同拥堵程度的城市道路交通区域, 通过可接受中断概率估计通行能力, 可为城市道路交通组织与管理部门提供优化目标、科学决策和易于接受的理论依据。      

���ڵ����¼�ʶ���ӵ�´��������о�

城市突发性交通拥堵的空间传播规律,是制定有针对性的交通管理、控制和诱导措施的重要依据.本研究以实测的道路交通流数据为基础,在对交通流当期事件进行识别和分析的基础上,构建当期事件SDM模型,并据此提出一种交通流当期事件拥堵空间传播分析方法.通过北京市的案例研究发现,在去除长期趋势后,交通流的当期事件SDM模型能够更准确地描述事件发生情况下交通拥堵的传播结构.案例研究表明,当路网密度为22辆/km(14:00左右),局部路段交通事件严重程度加剧所传播的空间影响达到最大.因此,在制定拥堵缓解措施时,应对路网临界密度状态进行重点监控和疏导.     

基于VISSIM的高速公路交通事件仿真及数据处理

交通事件检测是智能运输系统的重要部分.本文简要归纳了交通事件检测的方法.利用VISSIM的incident模块模拟单向三车道高速公路直线路段因车抛锚引起的拥堵,由检测器记录交通事件发生前后的交通流数据.利用Matlab语言对原始数据进行处理,并提出利用小波技术对交通事件进行检测的新方法.     

基于线性模型的高速公路交通事件和干预作用影响下的车流波分析

交通事件的发生导致高速公路正常交通流发生改变,为了促进发生交通事件时车流拥挤或阻塞的消散,减少排队延误,应在事件发生点上游对车流采取一定干预措施.运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速-交通密度线性模型下的车流波波速模型,干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用下的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

高速公路交通事件线性模型及车流波分析

高速公路由于交通事件的发生导致正常交通流发生改变,为了消散车流拥挤或阻塞,减少排队延误,应采取一定干预措施。运用流体力学车流波理论,分析了交通事件和干预措施综作用下对车流状态的影响,建立了关于车速与交通密度线性模型下的车流波波速模型,这些模型为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据。     

基于小波分析和非参数回归的交通流组合预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,基于模式识别的思想,提出了一种小波分析和K近邻非参数回归相结合的交通流组合预测模型.模型首先应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用K近邻非参数同归模型对交通流进行预测;最后根据该模型,结合实测交通流数据...     

高速公路减速波事故的前兆特征与概率模型

为了研究高速公路减速波事故的前兆交通特征，选用了美国I880 高速公路的一条路段的交 通流数据和事故数据，从减速波事故的产生机理出发，通过跟驰行为的安全条件，推导出减速波事故前兆特征因子的交通状态表达方法。分析发现，高速公路上下游速度差和上游交通密度是减速波事故的两个前兆特征因子，上下游速度差和上游交通密度越大，高速公路减速波事故发生的 概率越高。基于此，描述了减速波事故发生概率与高速公路上下游速度差和上游交通密度的数学关系，并进一步建立了减速波事故概率模型，应用所采集的数据拟合了提出的事故概率模型。结 果显示，模型的拟合度为0.673，说明减速波事故发生概率与其前兆因子存在正相关关系，预测模型在一定程度上可以反映真实概率的大小。     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

考虑双向交通的城市路网交通流元胞自动机模型

允许车辆借反向车道超车的双向交通道路是城市路网的重要组成部分.本文考虑了双向交通道路的车辆行驶规则,研究了无信号控制交叉口的车辆优先通行权分配规则,构建了一个双向交通的城市路网交通流元胞自动机模型,研究了城市路网交通流的动态特性.研究结果表明,临界密度随着路网规模的增加而下降,路网交通密度的增加会加速拥堵闭环的形成,换道概率的增加会降低路网车速和缩短局部死锁现象形成的时间,单位时间换道车辆数与换道概率及交通密度之间存在着密切的关系.     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

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.     

基于Robertson 模型的异质交通流车队离散研究

为充分描述异质交通流条件下的车队离散规律,为信号协调控制提供理论基础,结 合异质交通流条件下的车流特征和Robertson 模型计算速度快的优点,对多股交通流分别建 模,并在此基础上构建异质交通流车队流量离散模型.通过实际调查数据,分析下游交叉口到 达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型和Robertson 模型与实际 数据进行比较分析.结果表明,与Robertson 模型相比,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,平均预测均方误差减少了8.29%.     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

考虑出行者不同理性程度的拥堵交通流分配方法

为研究出行者感知偏好对交通分配结果的影响,本文构建了微观路径选择模型,提出拥堵条件下受路段通行能力限制的交通分配算法。引入出行者决策过程中的后悔和无差别化阈值,考虑出行时间和排队时间的心理感知差异,构建不同理性程度下的路径选择概率模型。在集计水平上,考虑当前路段及其上下游路段通行能力限制、路段车辆空间排队和溢出,提出路段车流量流入、流出的修正方法。采用增量加载分配方法,研究路段车辆的消散特性,再现了从个体路径决策到宏观路网状态的演化过程。基于Nguyen-Dupuis仿真网络,比较不同算法下各路段的拥堵车辆和各路段车辆流入、流出情况。结果表明：出行者个人偏好感知会显著影响拥堵路段的成本函数,是出行者路径选择的关键因素,但是出行者个人偏好对非拥堵路段的车辆流入、流出影响较小;考虑个体偏好的交通分配方法能降低路网的平均饱和度。本文提出的考虑有限理性的拥堵交通分配方法可应用于拥堵路网的交通诱导,有利于促进道路资源的合理利用。     

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%.     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。