基于定数理论过饱和交叉口车辆能耗研究

针对过饱和信号交叉口车辆高能耗问题,以信号交叉口整个过饱和交通状态持续时间作为研究时段,利用定数理论分析车辆排队长度、停车次数和通行时间,确定车辆在信号交叉口的减速、怠速、加速和匀速行驶时间,进一步依据车辆在不同行驶状态下的能源消耗率,建立了过饱和交叉口所有车辆第1次停车至通过停车线的平均能耗模型.为了验证模型的准确性,以某个两相位过饱和交叉口为例,对不同交通流量下的车辆能耗进行计算,并将计算结果与VISSIM仿真结果对比分析,结果表明,本文模型对过饱和信号交叉口的车辆能耗分析具有一定的合理性.同时,依据此模型分析了信号配时对过饱和交叉口车辆能耗的影响,说明了优化配时参数对于过饱和交叉口车辆节能具有重要意义.     

轨迹数据驱动的单点信号交叉口运行效率评价方法

为解决信号交叉口运行效率评价方法偏理论化、实用性不强等问题,以出租车、公交车、驾图 (车联网)多源GPS轨迹数据为基础,充分利用车辆减速、停车、加速等连续速度变化特征及位置信息,提出交叉口个体车辆排队长度、通行时间、停车次数等交通参数提取技术。基于此,构建以信号交叉口运行指数为一级指标,车辆平均通行时间,第95%分位排队长度,两次停车率为第二级指标的评价指标体系,基于高斯混合聚类模型对综合运行指数进行分级量化,最终确定五级服务水平评价标准。实例表明：采用本文方法能够比较准确地反映不同时段交叉口各转向、进口道及交叉口整体运行水平,最大排队长度与实际相对误差约15%左右,优于仿真结果;除样本不足情形以外,服务水平评价结果比仿真更贴近实际运行情况,验证了本文方法的技术可行性及评价结果的客观真实性。     

基于行人影响的信号交叉口右转车辆跟驰模型

为探究在不同场景下行人对信号交叉口右转车辆跟驰行为的影响，采用无人机采集信号交叉口视频录像，通过视频分析技术提取信号交叉口右转车辆跟驰数据，提出考虑行人过街平均流率影响的右转车辆优化速度函数，构建不同场景下基于行人影响的信号交叉口右转车辆跟驰模型，并对模型进行参数标定和仿真验证.结果表明，保守驾驶员为避免人车冲突会先减速后停车，等待20 s可放行约27人；激进的驾驶员选择在过街行人间隙强行穿越人行横道，穿行前平均速度由13.8 m/s降至8.3 m/s，穿越完成后加速离开，速度波动较小，符合实际情形.     

考虑转向有轨电车线路的干线绿波优化

为弥补对包含有轨电车的干线绿波优化能力的不足, 提出了一种基于多路径绿波模型的干线绿波优化模型, 确保干线转向有轨电车与干线直行社会车辆的通行效率与独立运行; 确定了转向有轨电车线路的信号相位与干线社会车辆信号相位之间的协调关系, 构建了干线绿波模型的基本约束条件; 考虑有轨电车停车过程的加、减速特性, 以及通过交叉口时清空时间的要求, 建立了有轨电车补充约束条件; 设置了相位顺序控制变量, 增大解空间, 提高了干线绿波优化模型的建模能力; 设置旅行时间变量, 保证社会车辆行驶在路段规定的安全速度之内, 确保有轨电车上、下行总旅行时间一致, 保障调度运行的高效合理; 在满足有轨电车绿波带宽基本要求的条件下, 构建了社会车辆绿波带宽最大化的目标函数; 应用干线绿波优化模型对南京麒麟镇有轨电车干线路段沿线4处交叉口进行了交通信号协调优化。研究结果表明: 干线绿波优化模型能对各交叉口信号相序进行优化, 为有轨电车提供包含转弯相位的绿波; 优化后干线信号周期为142.4 s, 各交叉口相位差分别为0、116.8、52.0、5.7 s, 单方向社会车辆绿波带宽为26.6 s, 上、下行社会车辆绿信比达到37.4%, 有轨电车绿波带宽为10 s, 满足干线系统交通需求。      

信号控制交叉口自行车流运行特征模型

为科学合理地解决城市道路信号控制交叉口自行车交通流通行能力的计算问题,在分析大量实测数据的基础上,对信号控制交叉口自行车交通流的运行特征进行了分析,得出自行车停车排队密度随交叉口自行车道宽度增加而线性递减的关系。根据自行车在启动后匀加速到匀速行驶的特征,建立了自行车交通流启动时间-速度、时间-距离模型;根据实测数据,标定了自行车流排队膨胀模型;根据绿灯时间自行车流量与车道宽度之间明显存在的线性关系,建立了交叉口自行车饱和流量和通行能力计算模型,为形成交叉口自行车通行空间设计、混合交通流信号控制理论奠定了基础。     

公交车辆进出停靠站对城市主干路路段的交通影响

公交停靠站对城市道路交通运行具有重要影响，尤其是车辆运行速度较快的主干路路段.以直线式、左侧港湾式、右侧港湾式停靠站为对象，利用无人机采集数据，构建影响率计算模型，研究和对比分析公交车辆进出不同型式停靠站时对主干路路段的交通影响.结果表明：受影响的社会车辆行为表现为减速跟驰、减速通过、停车等待、变换车道、借道通过 5种，以减速跟驰和变换车道为主；直线式停靠站对交通运行总影响最大；公交车辆在直线式停靠站静止停靠时影响最大，在港湾式停靠站加速出站时影响最大，且其在左侧港湾式停靠站处的停车不规范，易导致社会车辆的借道通过行为；受影响的社会车辆行为发生位置的分布亦区别较大.     

基于GPS车辆定位信息的交叉口延误计算方法

为得到车辆在城市道路信号控制交叉口的瞬时延误,根据车辆在交叉口的运行特征,利用GPS车辆定位信息,提出了交叉口车辆延误3种指标的计算方法。为确定加速度临界点,探讨了两种车辆延误的计算方法：加速度临界值过滤法和非线性拟合～局部最优解法。这两种方法能够很好地描述车辆加速和减速等运动过程,并有效地寻找交通流特征曲线的拐点,从而计算车辆在信号控制交叉口的延误。最后,通过实际数据对两种算法进行了验证。通过比较分析,从算法的简便性、有效性和准确性层面分别得出结论,结果表明,非线性拟合一局部最优解法比加速度临界值过滤法平稳,精度相对较高。     

绿灯倒计时信号对驾驶员行为决策的影响

为探讨绿灯倒计时信号设置的必要性及其对交叉口通行效率和安全的影响,基于行为决策理论,构建绿灯倒计时信号对驾驶员驾驶决策的Logistics模型.分析绿灯倒计时信号对车辆通过停止线时的速度(地点车速)和平均车头时距等车流特性指标的影响,研究车队连续性、地点车速、倒计时显示时间和是否营运车辆4个因素与加速行驶、减速行驶、匀...     

信号交叉口绿色驾驶车速控制方法

信号交叉口是整个城市交通路网中的瓶颈区域.车流经常在路口停车等候造成怠速行驶,严重降低交叉口的通行效率,同时造成严重的汽车尾气排放污染.为了减轻交叉口对交通流的阻断,合理降低信号交叉口的车辆延误、燃油消耗和污染物排放,本文提出了一种基于多级可变速度限制的信号交叉口绿色驾驶控制方法.该方法以可变速度限制值为控制变量,并基于固定式检测器获取的交叉口附近道路交通状况信息对车辆进行速度限制值的实时发布,以实现在不增加旅行时间的基础上平滑车辆驶近交叉口过程中的时空轨迹.通过MATLAB对该方法进行仿真验证,结果表明,其能够有效地降低交叉口的车辆延误,并减少车辆的燃油消耗与污染物排放量.     

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.     

快速路系统反馈控制器设计及算法

为了提高快速路系统的利用效率,设计了一个反馈控制器,提出了反馈控制器的迭代求解算法,控制器能实时跟踪车辆的密度,并与所期望的密度进行比较,把误差反馈给车辆,通过给车辆发布恰当的速度命令来控制车辆运行,使实际车辆密度收敛于期望密度。仿真计算结果表明:算法取4次迭代时的车辆密度与运行速度最大相对误差为0.32%,平均耗时为0.32 s,因此,设计的控制器使交通流运行趋于平稳,减少了车辆延误,从而提高了系统利用效率。     

基于换道轨迹规划模型的车道级行程时间估计方法研究

在车联网环境下,为满足精细化的车辆诱导需求,提出基于换道轨迹规划模型的车道级行程时间估计方法。建立路网基础道路拓扑模型,对所构建的路网模型进行Link划分,并利用改进的5次多项式模型对车辆行驶轨迹进行描述,构建车辆在不同路段Link间行驶的换道轨迹规划模型;整合车辆在路段各个Link单元的行车轨迹与行程时间,实现车道级行程时间估计;选取单向4车道的城市道路为仿真算例,建立VISSIM仿真模型,验证本文模型性能。仿真结果表明,在不同的车辆行驶速度条件下,相比于传统行程时间估计方法,本文提出的改进5次多项式换道轨迹规划模型能够精确地得到车辆最短行程时间下的行车轨迹,实现车道级行程时间的准确估计。     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

施工区混行车流跟驰及换道模型研究

为研究施工区网联车与普通车混行状态下的车流跟驰及换道行为,分析网联车的区域内通讯及更小安全车距等特性,改进普通车元胞自动机模型的减速规则和随机慢化规则,构建网联车跟驰模型。建立普通车和网联车在施工区不同区段的换道意向规则,基于车距采集和空位排序算法建立网联车在通讯区域的预期换道和施工区域的强制换道模型,结合普通车换道模型模拟施工区混行车辆的换道规则及车流分布规律。采用算例验证模型,运用MATLAB仿真,多次实验消除随机因素影响,结果验证了网联车对扩大通行能力,提高平均车速及降低走行时间的有效性;不同比例下的换道点分布显示,网联车比例越高,预期换道区的换道点越靠近强制换道区,且强制换道点越靠前;而普通车换道点分布受混行车流比例的影响较小。     

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。      

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图，提高车辆行驶安全性，综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度，提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先，筛选和平滑处理车辆轨迹数据，将车辆轨迹数据分为向左换道、向右换道及直线行驶3类，构建换道意图样本集。其次，构建融合注意力机制的 CNN_GRU模型，识别换道意图样本集，考虑到行驶过程中车辆之间的交互性，将被预测车辆和周围车辆的位置和速度信息作为模型的输入，经过CNN层特征提取的特征作为GRU层的输入，经过注意力机制层对不同的特征增加不同的权重系数，利用 Softmax 层识别换道意图。最后，选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能， 同时，与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明，所提模型车辆换道意图识别整体准确率达到97.37%，迭代时间为6.66 s，相比于其他模型准确率最多提高9.89%，最少提高2.1%。分析不同预判时间下的意图识别，模型可在车辆换道前2 s 内均能识别换道意图，准确率在89%以上，表现出良好的识别性能。     

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

基于自动寻迹的港湾式公交站台停靠路径研究

由于现有的公交车多采用自由停靠方式，导致车辆出站延误，泊位利用率低及乘客安全等问题.本文依据现有的公交车到站“一键式”自动停靠系统，以优化自动停靠公交车的运行轨迹为目标，分别利用三次样条插值、Atan和 Sigmoid函数对港湾式站台公交车停靠轨迹进行仿真分析.非线性约束优化结果显示，利用这 3种方法生成的停靠轨迹，可以得到连续的曲率，满足公交车靠站碰撞约束及港湾式站台停靠要求，均可以实时生成公交车进站运行轨迹. 与港湾式站台泊位曲线相比，Atan 曲线的平均位差 1.01 远小于三次样条插值的平均位差 10.21和 Sigmoid曲线平均位差 5.96.因此，轨迹结果分析显示，公交车基于 Atan轨迹曲线的停靠更便于乘客乘车、具有实时性强、可靠性高的特点，减少了进出站延误.     

基于分层COX 模型的跟驰反应延迟时间生存分析

驾驶员的反应延迟时间是驾驶员跟驰行为的重要指标之一，也是跟驰模型中的重要参数之一. 为分析延迟时间与车辆运动状态、光照条件影响因素之间的关系及延迟时间的概率分布，通过实车实验得到跟驰行为延迟时间自然驾驶数据，采用Kaplan-Meier 方法进行延迟时间单因素分析并构建延迟时间分层COX模型. 结果表明：驾驶员跟驰反应延迟时间生存函数受前车加速度，前车加速度变化状态影响显著；前车加速度与延迟时间风险函数之间的关系随时间变化，需采用分层COX模型建模；前后车相对距离每增大10 m，延迟时间风险函数取值减小6.03%；前车由变速运动变为匀速运动时，延迟时间风险函数取值减小35.39%. 研究给出延迟时间风险函数与影响因素之间的定量关系，结果可应用于跟驰模型参数优化与微观驾驶行为仿真模型.