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。     

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。     

城市快速路网行程时间计算与最优路径选择算法

为提高城市快速路网的整体功能和运行效益,利用实时动态交通数据,根据动态交通因素对路段通行时间的影响,将城市快速路网划分为非拥塞和拥塞两种情况,基于安全停车距离和剩余通行能力,分别计算了两种情况的路段通行时间,提出了以行程时间最短为目标的城市快速路网行程时间计算与最优路径选择算法.将该算法应用于西安城市快速路网进行案例分析,结果表明:该算法的最优路径计算结果与实际相符,误差在15%以内;最优路径的距离约为最短路径的1.84倍.      

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.     

基于出行决策的公路网多目标最优路径算法

为使公路网静态最优出行路径能综合表达道路环境影响因素与出行者的路径选择偏好,研究了GIS环境下的用户-系统最优出行路径决策模式.基于层次分析法,构建了综合考虑行程时间、舒适安全性与行程费用的公路网路段交通阻抗评价指标体系,提出了对定性与定量化参评指标进行综合一致性处理的方法.通过用户-系统共同决定的路段交通阻抗的综合评价过程,将最优路径问题转化为最短路径问题,采用各路段各出行目标的标准化值之和作为评价指标,采用Dijkstra算法实现最优路径的搜索.实例验证结果表明:最优路径比距离最短路径出行距离增加8%,出行时间减少7%,舒适安全性提高17%,出行费用增加13%,所得最优路径是针对特定用户的多目标路径,明显异于单目标最短路径,表明该方法可行.     

路段平均行程时间估计方法

为了有效利用线圈检测数据,精确估计路段平均行程时间,提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点,通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程,用Markov排队模型描述车辆排队过程,用生灭过程描述排队车辆数,得到车辆排队模型,计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长,计算了平均通过路口时间。计算结果表明:平均行程时间估计值与实测值的误差小于12%,说明路段平均行程时间估计方法可行。     

随机时变特征下基于行程时间的路径选择算法

基于南京市实测数据分析了道路交通流实际随机、时变特征,证实现有行程时间最短路径算法相关研究中对道路交通流的随机、时变特征的假设与实际不符.以反例论证道路交通流实际随机、时变特征下,自适应算法(Adaptive Routing Policy)在求解行程时间最短路径方面的无效性.针对交通模式时段内道路交通流随机、时间无关的特征,以及路段行程过程中行程时间的确切概率分布难以知晓的实际情况,提出基于历史概率分布的历史期望行程时间最短k路径基础上的考虑风险衡量及当前道路实际交通流状况的路径选择算法.     

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GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

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。     

基于改进蚁群算法的高速公路疏散路径研究

根据高速公路应急疏散的特点,在交通分配中应用改进蚁群算法模型。首先引入路段交通量和通行时间函数作为算法转移规则的一部分,从而在进行搜索时优先考虑容量大和通行时间较短的路径。其次通过实验分析蚁群算法参数对计算结果和收敛速度的影响,给出了最优的参数组合。最后将最优参数组合应用于改进蚁群算法中,并通过仿真实验将改进蚁群算法与基础蚁群算法的路径搜索结果进行对比。结果表明:采用最优参数组合的蚁群算法不但加快了搜索速度,而且优化了全局最优解,通过基于GIS的高速公路应急疏散系统进行路径分析,得到系统最优的可视化疏散路径。     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

最短路径子图

在大型网络中两节点之间的最短路径常常不止一条，而且在带限制条件的路径选择等应用上，常常需要找出多条最优或近优的路径．一些经典的单源最短路径算法，如Dijkstra算法，能找出一条从起始点到目的点的最短路径，但并不能求解两点之间的所有最短路径．本文给出了最短路径子图的概念，用于存储图中两节点之间所有最短路径信息，能够节约存储空间．并给出了最短路径子图构造算法SPSG，其时间复杂度为O(n e)，比同类算法时间复杂度更低．随机网络模型的仿真结果表明：SPSG算法效率更高，     

基于Mapinfo的路径选择系统开发研究

武警部队处突时,如何选择最优路径,在最短的时间内安全到达指定地点一直是值得研究的问题。在分析道路权重的基础上,建立最优路径选择的路段效用函数及算法,基于Mapinfo平台,利用VB编程实现最优路径选择。     

随机时变路网环境下稳健路径选择及实证研究

交通拥挤、天气、突发事故等不确定性因素影响着城市区域之间的路网提供的 连通服务水平.本文对城市片区间道路连通路径选择进行研究.根据随机时变网络描述和 稳健路径选取原则,建立了最优化模型,并采用改进的Dijkstra 算法.通过深圳实例计算, 分析了出发时刻与最短路径行程时间和路段构成之间关系,并与确定性时变路网环境下 进行计算结果对比.结果表明,随机时变路网环境下鲁棒性最优算法选择稳健路径具有合 理性和可行性,可以很好地应用到区域动态连通情况的研究.     

考虑交叉口转向延误的最短路径拍卖算法

为了改进传统算法求解最短路径时运算量大且无法计算交叉口转向延误的不足,提出可直接求解受限路网中两点之间最短路径的改进拍卖算法.将价格矢量扩展至二维,解决了价值量被不同转向行为共用的问题.设计了节省存储空间的数据存储结构,可准确描述交叉口转向行为,且便于检索.针对不同规模和密度的随机路网,比较了改进算法和Dijkstra算法求解单一起、终点之间的最短路径问题.结果表明,在含5 000个结点、20 000条路段的高密度路网中,改进拍卖算法的搜索时间约为Dijkstra算法的30%,能准确求解受限路网中的最短路径,并保留了原Auction算法可并行计算的基本性质.     

基于浮动车数据的城市道路行程时间估计

为提高城市道路行程时间估计模型的准确度和有效性,本文利用浮动车数据,依据对传统模型思路的总结分别建立了基于路段长度比例和点速度调和平均值的两种行程时间初阶估计模型,并利用统计学中的同分布融合思想建立了行程时间融合模型,以修正初阶模型结果的精度,弥补传统估计模型中准确度低、效率不高的缺陷。最后选取成都市具有代表性的路网区域为算例,验证了初阶模型假设分布的正确性,同时计算出融合模型路径总时间的平均偏差仅为12%,说明了融合模型的准确度和有效性。     

基于Monte Carlo的行程时间可靠性研究

从分析行程时间可靠性的概念及其重要性入手,提出了路段、路径、OD对以及系统行程时间可靠性的定量计算方法.在路段通行能力随机变化的条件下,基于Monte Carlo仿真建立了行程时间可靠性的求解算法.考虑到行程时间可靠性与出行者路径选择的相互作用,该方法将基于行程时间可靠性的交通分配纳入到行程时间可靠性的评价之中.用一个简单算例进行测试,结果表明该方法能够对行程时间可靠性进行合理评定.     

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.