区域路网交通信息提取方法

为提取区域路网交通信息,基于物元分析理论提出了道路交通状态的判别方法．将交通状态的判别结果作为决策属性,综合考虑道路等级、时间及交通参数,构造区域路网的交通流特征信息表．用粗糙集方法提取交通流特征．用区域路网交通流特征提取示例验证了提出的方法的有效性．该方法可实际应用于在线交通状态判别和历史数据库的交通信息提取．     

MFD子区交通状态转移风险决策边界控制模型

根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基础,考虑诱导与控制条件下驾驶人的路径决策对子区交通状态的影响,以路网最大完成率和最短总行程时间为约束,通过模糊风险管理,建立平衡MFD子区交通状态与成本的风险决策模型,并采用ALRS算法对模型进行求解.仿真结果表明,建立的交通状态风险决策模型可有效提高控制和诱导的效率,同时保证突发情况下交通控制的实时性和有效性.     

一种路网交通流参数的融合预测方法

提出了数据驱动与中观交通仿真融合的交通流预测框架.该框架将数据驱动 方法在路网局部断面和路段的高精度预测能力与中观交通仿真的路网范围预测能力结 合起来,通过可信度高的路网局部断面和路段预测值,在线修正中观交通仿真模型的参 数,使得中观交通仿真模型能够逼近、反映交通流运动趋势,提高路网范围交通状态预测 精度.通过结合路段旅行时间预测与中观交通仿真的实例分析证明,断面和路段预测和中 观交通仿真结合发挥了两者各自的优势,预测结果优于单一的中观交通仿真方法.     

中心城区单向交通组织方法研究

单向交通是通过对交通流的优化组织,尽可能地利用现有道路资源、挖掘道路交通潜力、均衡路网流量,以对局部的限制来保障全局的畅通,并最终实现交通流安全运行而采取的一种交通管理措施。以我国典型的组群特色城市淄博为例,利用宏、微观结合的一体化分析方法对其中心城区旧城区路网组织及交通流特点进行深入的研究,提出并模拟验证单向交通组织方案,可为决策提供依据。     

中心城区单向交通组织方法研究

单向交通是通过对交通流的优化组织,尽可能地利用现有道路资源、挖掘道路交通潜力、均衡路网流量,以对局部的限制来保障全局的畅通,并最终实现交通流安全运行而采取的一种交通管理措施.以我国典型的组群特色城市淄博为例,利用宏、微观结合的一体化分析方法对其中心城区旧城区路网组织及交通流特点进行深入的研究,提出并模拟验证单向交通组织方案,可为决策提供依据.     

过饱和状态交通信号控制方法综述

为向拥堵状态城市路网的交通控制优化提供依据,综述并评价了过饱和状态的交通信号控制策略;分析了过饱和状态交通流的特征,提出了过饱和状态交通信号控制的对应优化原理;从单点交叉口、协同控制交叉口及路网3个层次对过饱和状态交通控制方法进行了总结与评价,应用VISSIM仿真环境评价了已有控制策略的适用性;总结了具备处理过饱和状态能力的自适应交通信号控制系统的控制策略.仿真结果表明:过饱和状态的交通信号控制应优先优化道路空间的分配矛盾;排队管理策略对过饱和交通流具有较好的优化效果;建议在进行过饱和交通信号控制优化时,结合实时交通信息,采用排队管理、关键路径通行能力最大等控制策略,在交叉口群或路网层面对交通信号控制方案进行优化.     

城市混合交通控制设计理念与方法

针对我国城市特有的混合交通特性,在分析城市路网特征和交通流运行特征的基础上,确立了混合交通控制系统设计的基本理念。基于混合交通流理论,建立了城市交通控制的方法体系,包括匝道控制、单点控制、干线协调控制、区域协调控制以及公交优先控制。运用此设计理念与方法开发出的混合交通控制系统（HiCON）,在北京、青岛、福州三地的应用表明：车辆平均延误减少10％～20％,平均行程时间降低5%-10％。     

突发灾害下交通控制与VMS协同技术

估计了可变信息板(VMS)的影响范围,构建了交通控制与VMS的协同一体化模型。通过VMS影响驾驶人的出行路径选择行为,引导路网交通流向最优交通流分布模式发展。通过交通控制调整交叉口信号参数,实现路网交通流的截流与分流,最终形成路网交通流最优交通分布模式。采用Frank-Wolfe均衡分配和遗传算法相结合对模型进行优化求解,利用Paramics API开发模型和算法。以Paramics软件为仿真平台,以山东省淄博市淄博新区为模拟路网,在路网突发灾害下对模型和算法进行了验证。验证结果表明:路网饱和度越大,构建的模型相对于Synchro模型,提高路网交通流运行性能指标的效果越明显,促进路网交通流稳定性的能力越强,越能均衡分配路网负载。当受灾交通流疏散完成80%,路网连线饱和度分别为不大于0.8,大于0.8且不大于1.0,大于1.0时,相比Synchro模型,构建模型的受灾交通流疏散时间分别减少11.55、21.84、25.64min,疏散速度分别提高25.98%、31.83%、20.16%。     

基于主观感受的区域路网服务水平实验

区域路网服务水平可以理解为出行者在区域路网中所感受到的道路交通条件和交通状态的质量水平,可以描述为出行者或交通管理人员对于区域路网交通状态的一种主观感受.基于这一点,本文提出一种新型的基于主观感知的实验方法.通过各种不同的区域路网图像来描述各种交通状态,并通过不同类型的评价人员对这些图片进行主观评价,根据其交通状态确定该图片属于哪一级服务水平.最终的评价结果可以作为区域服务水平的评价标准.     

城市交通状态的空间依赖性和异质性分析

有关城市交通状态空间特征的研究相对匮乏。从空间角度分析城市宏观交通特征,首先,针对城市路网几何形态和交通数据的关系提出适合于城市交通数据分析的空间模型。然后,以从长期的浮动车数据中提取的路段行程速度作为描述交通状态的实验数据,分别采用空间自相关和核密度估计法定量分析路网行程速度的空间依赖性和空间异质性,并分析其在典型时段的空间分布特征。结果显示:城市交通状态的关联性在空间上随着路段间距的增长而衰减;城市交通状态的空间分布特征随时间变化,受路网结构和区域功能的影响在空间中呈现集聚特征。     

基于道路交通状态的随机用户平衡

运用随机用户平衡配流的基本思想和交通流理论，提出了道路交通状态的概念，以便讨论交通拥挤情况下的交通量分配问题．将道路交通状态定义为行程时间和道路拥挤度的线性加权和．假定在路网随机变化的情况下，出行者以行程时间和道路拥挤度最低为路径选择准则，建立了基于道路交通状态的随机用户平衡配流模型，并证明了模型的等价性和唯一性，给出了该模型的连续平均求解算法．一个小型网络的数值计算结果表明，该模型能反映出行者在随机路网中的路径选择行为．     

基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力，提出以改进元胞传输模型模拟路网流量分布状态，以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足，明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动，构建出行决策行为与元胞流量传输的强耦合机制，提出一种新的动态分流元胞传输模型；基于动态分流元胞传输模型获得的路网性能参数，以路网效率为路网基础性能指标，构建反映扰动事件影响期内路网效率累积动态变化的韧性指标；并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型，提出的动态分流元胞传输模型通过设置交叉口动态分流参数，建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制，可准确描述路网实际流量分布状态；提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能，直观展示路网抵御扰动并从扰动中恢复的能力，契合韧性内涵；韧性评估中若忽视出行决策行为潜在影响，将获得次优甚至明显偏离实际的方案或结果。     

基于卡口车牌识别数据的车辆出行分析

车辆出行是城市道路交通的基本组成单元,掌握城市道路网车辆的出行信息,深入挖掘车辆出行特征与规律,能为城市交通管理提供决策信息.本文基于卡口车牌识别数据,提出了一套车辆出行分析框架.首先对全路网运行的所有车辆的个体出行进行辨识,提取所有车辆出行的路径和行程信息,并从个体和集计层面获取车辆出行的规律特征;利用车辆的多日出行信息和统计特征,提出了车辆职住地识别方法;基于外地车的出行特征,利用 K-means++ 算法对外地车进行分类.在实例分析中,以广州市道路网运行车辆作为研究对象,开展了车辆出行分析,实验结果验证了本文方法的有效性.通过本文方法挖掘的信息对城市道路交通管理具有重要意义.     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

基于组合深度学习的快速路车道级 速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

基于组合深度学习的快速路车道级速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

基于路网二次分层模型的出行路径诱导优化方法

为了提高出行诱导路径搜索的效率和优度,提出了一种基于道路功能以及交通状态划分的路网二次分层模型,模型从道路的功能角度进行路网的初分层,从道路交通状态角度,通过设定的交通状态阂值进行路网的次分层,建立的路网二次分层模型从宏观方面反映路网的结构,从微观方面反映路网运行的交通参数;利用路网二次分层模型所划分的各层路网之间的协同,借助限制区域的A‘算法进行最优路径的“三段巡径”过程。实例表明该算法实用、高效,有助于搜索得到最优出行路径。     

多用户多方式混合交通均衡变分模型及求解算法

在城市混合交通路网中,出行者通常根据自己的出行偏好选择自己的交通方式和出行路径. 考虑城市道路中不同交通方式之间的相互影响,把出行者按照时间价值划分为多个用户类型,每类出行者可选择自驾车、出租车或公交车方式出行. 为解决这个多交通模式相互影响的混合交通均衡分配问题,从交通需求的角度出发,基于BPR公式构造了城市混合交通网络的路段旅行时间函数,建立了多用户多方式混合交通均衡变分不等式模型,并设计了基于对角化技术与MSA方法的混合求解算法. 算例结果表明,高时间价值类出行者倾向于选择自驾车或出租车出行,低时间价值类出行者倾向于选择公交车出行.