基于元胞自动机的竞争型换道模型

为研究车辆在换道过程中存在的互不相让、相互竞争的现象,运用元胞自动机理论,提出一种竞争型的换道模型。首先,将换道分为换道需求判断和换道实施过程两部分;然后,在需求判断中引入邻车道速度累积优势,在换道实施过程中引入竞争程度定义换道新规则;最后,在不同交通密度下对竞争换道模型进行仿真,并与自由换道和协作换道进行对比分析。结果表明：不同密度下协作换道模型得到的车流量和车辆平均速度均高于其他换道模型;在一定密度范围内,竞争换道得到的车流量和车辆速度比自由换道高;但当密度较高时,竞争换道对车辆的速度以及交通密度可能产生负面影响。这说明协作换道能提高车辆速度,有效缓解交通阻塞;而竞争换道对车辆速度的提升不明显,并且采用竞争换道对交通流有影响,有时可能会降低道路的通行能力。     

基于换道概率分布的多车道交织区元胞自动机模型

交织区是快速路系统的重要组成部分，由于车辆频繁换道、相互作用复杂，容易造成交通瓶颈。本文提取城市多车道交织区时间分辨率为0.1 s、空间分辨率为0.1 m·px-1 的高精度车辆轨迹，分析交织区及相邻路段的交通流和车辆行为特性，提出分区元胞自动机模型。在上游和下游换道模型中，建立基于速度差、车辆间距的换道动机规则、间距规则及Logistic换道概率规则。对于交织影响区，建立考虑速度、间距及路径转换需求的换道动机规则，根据安全风险构建换道时机的多步决策规则，提出基于换道频率Gaussian分布模型的换道概率规则，并对主要参数进行灵敏度仿真测试分析，模型具备评估交织区不同换道状态的实际应用潜力。仿真与实测显示，本文 模型流量、速度、密度及换道分布等特性与实际相符，能有效反映车辆在不同位置的换道需求与强度差异性，刻画多车道交织区复杂的换道行为。     

基于无监督聚类分析的激进换道行为识别方法

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明：SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^-3且方向盘转角大于0.83 (°)·s^-1,识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率...     

基于元胞自动机的高速公路临时瓶颈交通流仿真

为研究强制换道及冲突点分布对高速公路临时瓶颈交通流的影响,在NS(NaSch)模型和STCA(symmetric two-lane cellular automata)模型的基础上,引入强制换道规则,根据瓶颈口上游驾驶员心理状态的变化,建立高速公路瓶颈交通流模型.在开口边界条件下,针对不同的安全换道概率、强制换道概率、冲突点距离和冲突区间长度参数,模拟得到瓶颈交通流量和换道频率与车辆到达率的关系.仿真结果表明,安全换道行为对系统流量影响小;强制换道行为是降低瓶颈系统最大流量的主要因素,当安全换道概率为0.5时,强制换道概率从0.0增加至0.1,最大流量下降了17%;冲突点距离的增加缓解了交通拥堵程度,当冲突点距离从1 cell增加至4 cell时,临界车辆到达率上升了4%;冲突区间长度对交通事故风险的影响较大,最大强制换道频率随冲突区间长度的增加而增加.      

基于行驶轨迹的车辆换道行为预测方法研究

车辆换道行为是机动车在道路上行驶时的一种常见行为，对其进行预测能有效减少交通事故。基于NGSIM项目数据，对换道车辆换道时刻的行为特性进行分析，运用随机森林算法筛选出表征换道行为的参数指标：横纵向速度、加速度、偏角、车头间距以及相对时距，提出一种级联LSTM模型预测车辆在行驶过程中是否会发生换道行为，并与传统单层LSTM模型对比。结果表明：级联LSTM模型预测准确率可达93.6%,具有良好的换道预测效果且高于单层LSTM模型，可为自动驾驶和深度学习提供一定的理论参考。     

车路协同环境高速公路瓶颈车辆换道引导方法

高速公路由于交通事件的发生,常产生瓶颈区域致使车辆频繁换道.为提高高速公路瓶颈区车辆通行效率与安全性能,讨论车路协同环境的优越性,提出了车路协同环境下高速公路瓶颈车辆换道引导方法,通过建立离散选择模型的形式定义传统车辆与智能车辆的换道考虑因素,根据车辆所处位置定义自由换道与强制换道的效用函数,考虑宏观交通流不同渗透率下的速度密度关系,求解期望换道概率并将其引入考虑横向交通流的元胞传输模型以模拟宏观交通流换道行为,从而对瓶颈上游的智能车辆进行引导.利用车辆换道引导方法对宏观交通流进行数值仿真,并设置5组不同渗透率下的交通流.研究结果表明:车路协同环境下不同渗透率的交通流经过瓶颈区的总行程时间均有所减少,渗透率为1时对应的总行程时间最小,为296.21 s,渗透率为0.4变为0.6时总行程时间减小幅度最显著,为8.3％;渗透率为0.8变为1时总行程时间减小幅度最小,为2.7％,因此利用该引导方法对渗透率为0.6的交通流进行引导,其效果最显著.在使用引导方法后,各车道密度趋于均衡,能有效缓解瓶颈区向上游传播的堵塞波.     

基于随机效用理论的城市道路车辆自由换道行为研究

为深入分析城市道路驾驶员换道行为的影响因素，基于大连市西南路路段的车辆运行轨迹 数据，引入随机效用理论，建立了城市道路车辆自由换道模型，并对模型进行了标定和验证，且 应用弹性理论定量分析了换道概率对不同因素的敏感度。结果表明，所建模型可以较好地预测车 辆的自由换道行为；驾驶员换道决策对本车与当前车道前方车辆之间的车头间距最为敏感；相对 于当前车道前方空隙的刺激，相邻车道驾驶环境的诱惑对驾驶员换道决策的影响较小，说明在前 方无不利刺激（狭小的驾驶空间或加速空间） 的情况下，驾驶员在行驶过程中倾向于保持在当前 车道。该研究结果可进一步应用于城市道路换道行为的微观仿真研究中，以提高其仿真精度。     

考虑智能网联近邻车辆信息的交织区换道风险预警

面向车辆换道风险预测时特征差异大、样本不均衡、参数调优时间久的问题，将高精度微观车辆轨迹数据与超参数优化机器学习方法相结合，提出了一种可应用于智能网联车辆(ICV)的交织区换道风险识别与预警方法；基于无人机航拍视频，从广域视角提取了城市快速路交织区时间精度为0.1 s、空间精度为每像素0.1 m的换道轨迹，测算了车辆间距、矢量速度、加速度、接近率、速度角度等换道风险感知信息；引入考虑近邻车辆信息的换道TTC模型，以反映车辆汇入或汇出主线的迫切需求，描述其在不同位置的换道行为差异性；结合15分位数法和四分位差法，划分了换道风险预警等级；基于准确率、真阳性率、灵敏度等多项评价指标，遴选并对比了线性分类器、支持向量机、K近邻以及RUSBoost模型换道风险预测结果，得出交织区换道风险实时预警优选模型，针对优选模型进行了超参数优化与验证。研究结果表明：RUSBoost模型为优选模型；超参数优化机器学习方法迭代至第24次时，RUSBoost具有最小误差与最佳点超参数；RUSBoost、BRUSBoost优化模型预测准确率分别为91.40%、99.80%,AUC分别为0.96、0.99;BRUSB...     

临近交叉口的车辆跟驰换道行为研究

临近交叉口的车辆往往呈现出复杂多样的跟驰换道行为.基于二维最优速度(OV)交通流模型,本文构建了一个改进的双车道车辆跟驰换道模型,以刻画交叉口前路段上的车辆跟驰换道机制及车流宏观特征.借助模型分析了换道车辆比例、换道期望参数和跟驰安全距离等对交通流宏观特征的影响.结果表明:换道车辆比例对通过停车线的进口道流量有负面影响,换道行为越多,进口道流量越小.换道期望参数越大,换道成功率越大;当道路拥堵时,增大换道期望会减少进口道流量.增大安全距离,容易提升换道成功率但会减小进口道流量,同时促使拥堵发生.     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 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, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

���Ǽ�ʻԱ��Ϊ�仯������ѵ�ͨ������ģ��

考虑城市快速路入口匝道加速车道上驾驶员行为变化特征,以间隙接受理论为基础,建立了可变临界间隙条件下的入口匝道通行能力模型. 当驾驶员在加速车道上向前行驶寻找汇入机会时,距离加速车道末端越近,其试图汇入主线的意向越强烈,所选择的临界间隙也会越小. 因此,驾驶员所选择的可接受临界间隙随着其在加速车道上行驶距离的增加而减小,从而会导致在加速车道不同位置的理论通行能力发生变化. 最后,通过数值算例分析可变临界间隙下入口匝道通行能力与固定条件下的差异. 结果表明：在考虑驾驶员汇入行为变化导致临界间隙减小条件下,入口匝道理论通行能力大于以往固定临界间隙条件下的通行能力,并且,在主路流量较大时这种差异更加明显.     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题，提出基于环境车辆偏离车道程度识别运动模式的方法；构建动态环境车辆横纵向轨迹预测模型，并求解；构建保持、先行、避让在内的决策集，提出基于预测轨迹的单个车辆决策方法，并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11，0.29，0.80 m，预测精度较高；复杂动态环境下，本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

强制性换道的空间特征对分流区交通流的影响

为研究车辆在多车道分流区的跟驰换道行为，将强制性换道划分为激进型和保守型.在考虑驾驶员换道需求与空间位置关系的基础上，量化两种强制性换道行为的转换条件，并给出车辆强制性换道规则；对跟驰模型中的减速度参数进行优化，建立多车道下分流车辆的跟驰换道模型；采用实际数据标定模型中关键参数，并验证模型的可行性.仿真结果表明：分流车辆的横向空间分布对交通流的干扰具有显著性影响；当分流车辆集中在最左侧车道时，中间2车道的运行速度波动明显，折减量最大时达到51.4%，恢复稳定所需时间更多；通过 4组实验场景发现，分流车辆的合理空间分布对交通流运行速度有较大的改善作用.     

轨道列车时刻表问题研究综述

广泛的实践应用和复杂的计算挑战,使得轨道列车时刻表优化问题,多年来一直是交通运 输及运筹管理学界的热点研究问题。作为轨道交通运营规划的一个子阶段,列车时刻表向上与 线路规划(或开行方案)、向下与动车组调度融合,可以得到多个延伸的研究选题。在特定的时空 网络中,列车时刻表设计就是为每个列车确定一条无冲突的运行路径,使基于用户的度量指标如 乘客候车时间,或企业的度量指标如运营费用达到最优。对于没有列车越行和停站模式给定的 情况,通过整数变量可以完整地刻画列车时刻表模型,但如果考虑列车越行或列车停站决策,则 需要引入列车在车站出发顺序或停车决策的0-1变量。一般而言,列车时刻表问题的数学模型是 一类典型的大规模、多目标、强耦合的NP完全问题。算法设计是列车时刻表问题最为重要和困 难的部分。对于问题较简单或规模较小的情况,常用方法是对原有复杂问题进行适当简化和(或) 对难处理表达式进行合理修改,然后使用先进的计算架构和商用优化软件求解更新后模型。当 然,分支定界和动态规划这两类直接分解算法,是求解列车时刻表问题的重要方法。对于问题复 杂和规模庞大的情况,以拉格朗日和列生成为代表的对偶分解算法,则是求解列车时刻表问题的 最佳选择。未来,探讨列车时刻表与各种现实需要(如设施维修),以及时变票价和客票分配等因 素之间的深度融合,是一个有价值的研究方向;其次,研究网络环境下列车时刻表问题,将是一个 非常有意义的研究选题;最后,应进一步设计集成了问题特点与现代优化技术的各类求解算法, 开发能够完全应用于实际运营的商用软件。     

车辆长度和速度对双车道交通流的影响

为研究大型车辆转道及敏感驾驶行为对公路交通的影响,在SDNS(Sensitive Driving Nash)交通流模型基础上,引入长短车辆转道规则,假定双车道上同时存在长度和最大速度均不同的车辆,建立混合交通流模型.在周期性边界条件下,模拟得到当转道概率、混合比例、减速概率、车辆长度、速度等参数改变时,混合交通流的速度、流量与密度的基本图.仿真结果表明,系统临界密度、最大平均速度、流量随减速概率增加而减小;当慢速长车占总车辆比例大于50%时,更容易产生阻塞,此时车辆转道成功率小于5%;当系统中长车比例为50%时,流量峰值仅为0.42,比全小车的情况减少了20%;长车是造成转道困难的主要因素,当转道概率均为50%时,系统长车比例从25%增加至75%,转道成功率最大值由6.32%减少至2.78%.      

多车道高速公路出口开口段安全特性分析

为研究不同断面形式下的多车道高速公路出口影响区开口长度及流量与交通安全的关系，针对2种断面形式的高速公路出口，分别设计了3种不同的开口长度，结合3种不同流量条件设计了18个不同的驾驶模拟场景。实验招募30名被试者开展模拟驾驶实验，提取不同开口长度及流量条件下各断面形式高速公路出口的车辆行驶轨迹、换道间隙的选择、减速度、最小 TTC (Time to Collision)等驾驶行为特性参数，综合分析基于驾驶行为数据对不同开口长度的行车风险。结果表明：两种断面形式下，开口长度对于车辆在开口段上的换道点选择存在显著影响；两种断面形式下，1500 m的开口长度能够满足绝大多数驾驶人的换道需求；在换道间隙选择中，大都集中在5~6 s，分离式断面下的开口长度对于低于临界间隙的换道间隙出现的频次具有显著影响；流量及开口长度对于最大减速度及TTC最小值和分布位置均不存在显著性影响，但分离式断面下的最大减速度和最小TTC相较于整体式断面更小；此外，整体式断面中内侧3车道的行车风险低于分离式断面，分离式断面中外侧车道的行车风险低于整体式断面。     

���ν���ڽ�֯�������������Ե��о�

由于环形交叉口入口车辆直行和左转的绕行而避免了流线冲突,交织区存在着大量的分流、合流行为,车流运行特性复杂. 通过对环形交叉口交织区的摄像调查,测算并分析在该区域的合流与分流运行行为的速度分布、换道位置分布,合流车与环道上前后车的车头时距分布,以及可插间隙的利用等规律,研究发现环形交叉口交织区运行行为具有以下特性：外环道车速比内环道的车速大,合流车的车速最低;分流行为发生于合流行为之后;当可插间隙增大时,合流车速有增大的趋势;对于较小的可插间隙,通常后车时距大于前车时距;多车道环形交叉口的当量车流的临界间隙小于单车道环形交叉口临界间隙.     

环形交叉口交织区车流运行特性的研究

由于环形交叉口入口车辆直行和左转的绕行而避免了流线冲突,交织区存在着大量的分流、合流行为,车流运行特性复杂. 通过对环形交叉口交织区的摄像调查,测算并分析在该区域的合流与分流运行行为的速度分布、换道位置分布,合流车与环道上前后车的车头时距分布,以及可插间隙的利用等规律,研究发现环形交叉口交织区运行行为具有以下特性：外环道车速比内环道的车速大,合流车的车速最低;分流行为发生于合流行为之后;当可插间隙增大时,合流车速有增大的趋势;对于较小的可插间隙,通常后车时距大于前车时距;多车道环形交叉口的当量车流的临界间隙小于单车道环形交叉口临界间隙.     

基于混合车流的公路无控交叉口行车延误模型

为了预测公路无信号控制交叉口次要车流的平均延误时间,建立了由多种车型构成的混合交通流的行车延误模型．在对无信号控制交叉口车辆延误的形成过程进行系统分析的基础上,以可接受间隙理论为基础,采用概率分析方法,对由多种车型组成的混合车流特性进行了分析,在无控交叉口主路车流车头时距服从二阶Erlang分布条件下,建立了支路多车型混合车流的行车延误模型．通过与实际观测的支路行车延误对比分析,模型计算结果与观测的延误值接近,表明该模型较为符合公路无信号控制交叉口的实际情况．