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.     

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.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.     

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

基于车牌照数据的城市快速路行程时间短时预测方法研究

为了深入研究基于路段与基于路径两种不同的建模方法在城市快速路行程时间短时预测中的预测效果,以车牌识别系统采集的行程时间数据为研究对象,分别采用历史平均法、神经网络模型、支持向量机回归模型、非参数回归模型4种典型的预测算法,对快速路的行程时间进行预测。研究结果表明,考虑交通特征的支持向量机模型会显著提高基于路段的行程时间预测效果,同时基于路径的非参数回归建模方法优于基于路段的组合建模方法,更适合城市快速路行程时间预测。     

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.     

������ٹ�·���г�ʱ��ɿ������۷���

降雨作为一种常见的气象条件,对高速公路网行程时间的稳定性有着直接的影响.本文针对雨天能见度降低、路面摩擦系数变小的特征,通过分析降雨的空间分布模式,建立了雨天路段单元自由流车速、通行能力以及公路网需求水平的修正模型,进而提出了雨天路段单元的广义行程时间函数.结合用户最优平衡分配模型,以及系统工程中的串并联理论,建立了雨天高速公路路段单元、路径、OD对和公路网的行程时间可靠度评价模型.应用Matlab工具箱模拟公路网上的降雨分布,设计了基于Monte Carlo方法的评价模型求解思路.最后以算例验证了该方法在行程时间可靠性评价中的应用.结果表明,能藉此有效地找出雨天公路网中行程时间敏感性最大的关键路段.     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

基于期望-超额出行时间的道路系统最优均衡模型

为研究随机事件扰动下出行者的择路行为对交通分配的影响,同时考虑供需条件的随机变化,以期望-超额出行时间为出行者择路依据,利用边际成本收费原理,推导了边际成本收费值计算公式,建立用等价变分不等式表示的系统最优交通分配模型,并利用自适应投影收缩算法进行求解.算例表明:当OD需求系数为1.0、路段能力退化系数为0.5时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算为择路依据时增加了11.27%和3.58%;当出行时间可靠度为0.9时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算作为择路依据时增加了20.22%和4.30%.      

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象，在考虑降雨数据的基础上，设计一个基于非最小路段的行程时间计算方法，建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后，以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明，加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析，发现在满足数据精度的前提下，本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

交通事件影响下路网逐日出行动态可靠性

为描述交通事件持续期间逐日出行过程中的路网服务性能,构建日变路网逐日出行选择模型及可靠性指标.首先,根据出行经验更新路网阻抗,以准点到达概率最大化调整逐日出行中各出发时刻的路径总流量,以路径累积前景最大为目标调整单条路径在各出发时刻的流量,从而建立考虑出发时刻的逐日出行流量推演模型;其次,以交通事件发生前路网流量稳态时的准点到达概率和路径走行时间为参照基数,定义出发时刻准点到达和路径走行时间动态可靠性,并给出计算方法.最后,用算例验证模型和算法,并比较在出行模型中考虑可靠度时对路网逐日流量分布和路网可靠性的影响.     

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ARCH 模型簇的路径行程时间可靠性分析

 行程时间可靠性是反映道路交通网络可靠性的重要指标.由于交通系统存在不 确定性,行程时间的波动具有异方差性,利用传统数理统计方法建立的行程时间预测模 型,无法对行程时间进行准确的预测.针对行程时间波动的尖峰厚尾、集群性等特点,引入 计量经济学中的ARCH 模型簇.通过实证分析,评价行程时间波动的时变性、持续性,描 述系统外部信息冲击的分布,分析行程时间波动对外部信息冲击的反应机制.结果表明, ARCH 模型簇能很好地适应行程时间序列数据的方差变化特点,与交通系统的自身特性 相吻合,能够对路径行程时间的可靠性进行有效的评价.     

基于四阶矩的路网总行程时间可靠性评价

为了评价供需服从任意分布时的路网总行程时间可靠性,提出一种基于四阶矩的计算方法.通过计算机模拟计算出路网出行总时间的四阶矩,然后推导总行程时间预算与四阶矩之间的关系,继而定义了路网总行程时间可靠性,并采用逆向求解方程得到该值.通过在大型算例路网上进行测试,得到该网络的不同预算下的总行程时间可靠性.分析结果表明,路网总行程时间可靠性随着总行程时间预算的增加而增加,当增加到一定程度时,可靠性趋于稳定值1.0,完全符合实际情况,从而说明计算机模拟加上逆向求解的基于四阶矩的可靠性算法是一个有效的算法,可以很好地应用在供需随机分布路网的行程时间可靠性研究中.     

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。