基于速度的城市快速路交通拥堵预测研究

交通拥堵预测是解决交通拥堵问题的重要步骤之一.为缓解交通拥堵,选取速度这一参数建立交通拥堵预测模型.在对速度时间相关性和空间相关性分析的基础上,提出了基于时空特性和径向基神经网络的速度预测多点模型.将预测结果与决策阈值相比较,粗略地判定拥堵等级,并运用模糊算法对速度和拥堵程度进行量化,建立相应的模糊规则体系,并应用模糊逻辑推理得到定量的拥堵度指标.结合实例进行仿真和分析,与基于单一时间序列的预测方法相比较,基于时空特性的预测方法的平均绝对相对误差由7.45%下降到了3.61%,有效地提高了速度预测精度,基于速度的拥堵预测模型的识别准确率较高.利用模糊算法评判拥堵程度,可得到量化的拥堵度指标,使拥堵程度一目了然.      

基于多维灰色理论的交通拥堵预测

分析了城市交通拥堵的特征及交通拥堵预测所需的交通流参数；针对交通拥堵形成原因的多元性和不确定性,运用多维灰色系统理论,建立了城市交通拥堵GM(I,N)预测模型,并对该预测模型的实用性进行了分析.     

城市快速路交通拥堵判定方法研究

为弥补单点检测器判定交通拥堵方法研究的不足,在对实测数据分析的基础上,利用临界占有率将交通流状态划分为拥堵状态与非拥堵状态,提出了以速度-占有率比、速度差双指标判定交通拥堵状态发生、结束时刻的方法。并以北京城市快速路实测数据为例,对各判定指标阈值进行标定,判定结果表明:基于单点检测器设计的拥堵判定方法能够有效判定检测器断面拥堵发生时间、持续时间、结束时间。      

基于拥堵工况辨识的车辆自动变速器换挡控制

针对拥堵工况下车辆自动变速器频繁换挡的问题,选取车辆平均车速、平均节气门开度和采样时间内制动踏板作动次数为评价因子,建立T-S模糊神经网络进行拥堵工况辨识,提出基于拥堵工况辨识的车辆自动变速器分层修正控制策略;将车辆自动变速控制分为上层辨识决策层与下层换挡执行层,上层采用T-S模糊神经网络进行拥堵工况辨识与换挡修正决策;下层接收上层修正控制指令执行换挡修正。仿真与实车试验结果表明:采用TS模糊神经网络可准确识别拥堵工况,基于拥堵工况辨识的车辆自动变速分层修正控制策略可有效避免拥堵工况时频繁换挡,减少换挡执行部件和制动系统的磨损。     

基于速度特性的城市快速路常发性交通拥堵研究

基于城市快速路浮动车技术,获取北京市快速路瓶颈路段全天交通流运行速度时间序列数据,对快速路常发性交通拥堵形成及消散进行精细化定量分析。首先应用小波分析技术对数据进行降噪处理,依据速度变化特性将快速路瓶颈处交通流运行状态划分为稳定运行态、拥堵形成态、拥堵态及拥堵消散态4种状态,并分析不同状态下的速度表现特征。研究表明,应用速度变化量可以判别交通流所处状态,而后利用统计学方法给出不同状态之间变化的判断阈值,并归纳出快速路常发性交通拥堵形成时刻、消散时刻及持续时间的判别方法。该方法对拥堵特性判别精度可达80%以上,对交通拥堵预测及交通管理具有明显实际应用价值。      

道路拥堵程度对公交行程时间可靠性的影响研究

为了解决日趋严重的城市交通拥堵问题,进一步提高公交车辆的服务水平,本文结合国内外的研究经验从路段平均行程速度、交叉口饱和度、路段饱和度以及交叉口平均排队时间4个道路拥堵程度评价指标出发,构造了一个系统的多因素综合评价模型,建立了道路拥堵程度评价体系.在分析道路拥堵的基础上,建立了基于道路拥堵程度的公交行程时间可靠性的预测模型.通过采集实际的交通流数据以及公交车站点间的行程时间,讨论不同道路拥堵程度下的公交行程时间可靠性,验证了该模型.研究结果表明:道路拥堵程度对公交行程时间可靠性有较大的影响.     

交通拥堵收费政策原理分析和设计方案研究

以拥堵收费政策为代表的城市交通需求管理政策逐渐进入城市交通决策者的视线,成为国内一线城市缓解交通拥堵、改善空气质量问题的有效途径.本文主要介绍了拥堵收费政策的原理,分析了政策决策相关的影响因素,提出了决策的模型,基于模型提出了北京实施拥堵收费政策的主要障碍.     

基于DEA的城市道路交通拥堵评价

为了更好地分析和解决城市道路交通拥堵问题,以主干道为研究对象,将城市道路拥堵状态分为堵塞、拥堵、较拥堵、较畅通、畅通5个等级,从交叉口拥堵和路段拥堵2个方面筛选了衡量道路交通拥堵的评价指标,利用数据包络分析（DEA）建立了城市交通拥挤评价模型。以济南市北园大街主干道为例进行交通拥堵评价,得到该道路的拥堵状态以及产生拥堵的主要原因。结果表明数据包络分析方法在进行多指标评价综合评价中具有很强的抗干扰性,评价结果更客观。     

智能车载交通信息系统及其动态传播效果分析

为解决集中式道路交通信息系统存在的系统建设资金投入大、建设周期长、数据处理过于集中、应对严重突发灾害能力不足等相关问题,论文对基于车车通信方式的分布式交通信息系统进行了深入研究,改善和构建了基于VANET实现路网交通拥堵信息自主采集与动态传播功能的新型交通信息系统(IVTIS)模式及相关模型,进而通过交通仿真软件Vissim的二次开发,对交通拥堵信息自主采集、融合、传播及路网拥堵信息自动生成与动态更新模型等,进行了不同车流量及信息发布间隔情形下交通拥堵信息传播效果的综合仿真.通过对路网交通拥堵信息的车辆接收率、最短传播时间及最大传播速率等评价指标的综合分析与比较评价,结果显示IVTIS系统模式及相关模型基本合理,其在路网拥堵信息的自主采集、动态传播及其路网覆盖效果方面显示出较好的整体效果.      

交通流预测控制的机制与方法

应用预测控制的机理,提出基于可校正交通流预测模型和两级遗传算法以实现交通分配和交通控制相结合的交通流系统计算机控制方法。基于伪给定、预测模型、滚动优化和反馈调节的交通流预测控制系统能够实现有性能保障的交通流系统控制,为交通拥堵预防和拥堵恢复畅通提供全局性的分析和决策支持。该系统通过综合集成应用现代信息处理技术、优化技术、专家系统、交通流及交通控制理论,为交通分配和交通控制的结合提供了工程实现途径。     

基于系统最优的路段拥堵收费研究

拥堵收费是交通需求管理的有效措施之一,通过对拥堵路段收费引导和调节交通流量在路网中均衡分配,以缓解交通拥堵。本文以Sioux Falls网络为研究对象,基于系统最优模型,将收费额度转化为时间成本计入路段阻抗中,以系统出行总成本最小为目标函数建立路段拥堵收费下的均衡模型,数值计算结果表明,在无法将交通量转移出境的拥堵区内实施小额收费可以减小出行总成本,随着收费范围的扩大和收费额度的增加,出行总成本将快速升高。     

面向常发拥堵点的交通信号协调控制方法

针对高峰期间常发拥堵点交通需求过大、周边关联交叉口交通负荷分布不均的问题, 研究了面向常发拥堵点的交通信号协调控制方法。通过对常发拥堵点的车流进行追踪与溯源, 根据交通量关联度确定信号协调控制范围, 然后基于路径的流量分担率与路段平均饱和度识别信号协调控制范围内的关键路径。基于宏观基本图理论, 考虑关键路径对路网运行状态的影响, 构建边界交叉口主动限流控制模型。同时, 利用元胞传输模型描述交叉口与路段的运行状态, 以关键路径通行能力最大化和进口道饱和度均衡化为信号控制优化目标, 建立均衡路网交通负荷的信号控制优化模型。以武汉市发展大道青年路交叉口以及关联交叉口为对象开展仿真实验, 结果表明: 虽然本文方法下的边界交叉口车均延误增加了6.8 s, 但常发拥堵点的车均延误降低了15.7 s; 关键路径的车均延误减少72.6 s, 平均排队长度减少26.1 m。并且, 路网整体的车均延误降低14.7%, 驶出车辆数增加26.6%, 验证了提出方法缓解常发拥堵点交通拥堵的有效性。      

基于拥堵传播规律的交通事件信息发布方法

为了解决交通事件信息发布中基于用户位置的扇形搜索方法和路径搜索方法的大量无效搜索问题,提出一种基于拥堵传播规律的交通事件信息发布方法。该方法考虑路网拓扑结构,以交通事件为起点,沿着拥堵传播方向计算交通事件信息的发布范围,包括交通事件路段检测,交通事件实际影响范围检测,信息发布扩展范围计算。交通事件路段利用路段上下游的交通流时空变化规律进行检测;交通事件实际影响范围根据路段的拥堵状态确定;交通事件信息发布的扩展范围根据交通事件的累计持续时间设定,且扩展范围中至少有两个出口,保证出行者有足够的时间和出口选择绕行路径。分析结果表明,基于拥堵传播规律的交通事件信息发布方法能够有效地检测交通事件路段;交通事件信息发布范围的演化过程符合交通拥堵的传播与消散的规律;基于用户位置的扇形搜索方法和路径搜索方法的最大搜索次数是车辆数,而基于拥堵传播规律的信息发布方法最大搜索次数是交通事件个数,由于车辆数远大于交通事件个数,因此基于拥堵传播规律的信息发布方法能够大幅减少无效搜索次数,节省计算资源,提高信息发布的效率。基于拥堵传播规律的交通事件信息发布方法能够有效地引导出行者合理选择行驶路径,及时避开事件影响区域,防止二次事故的发生,缓解交通拥堵。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

宏观交通网络拥堵区边界最优控制

为了缓解交通拥堵,解决拥堵状态下区域交通控制问题,提出了宏观交通网络拥堵区边界最优控制方法。首先,基于同质性路网宏观基本图特性固定划分控制子区,通过分析子区之间的车辆流入、流出关系,建立了宏观网络车流平衡方程;其次,以路网旅行车辆完成率最高,同时子区边界处受阻车辆数最低为优化目标建立了拥堵区边界最优控制模型,根据最优控制确定子区边界输入、输出最佳交通流量,进而以饱和度高的边界交叉口饱和度快速降低为优化目标,提出了子区边界交叉口流量分配及信号配时参数优化方法;最后,以合肥市一环路以内的路网为测试对象,通过微观仿真分析,比较了无区域边界控制、拥堵区入口Bang-Bang边界控制、拥堵区出口与入口BangBang边界控制和最优控制4种控制方案。结果表明:最优控制条件下宏观路网运行效益比前3种方法分别提高49.17%、30.19%、71.99%,车辆行程延误分别降低21.65%、3.74%、1.94%;最优控制可有效改善拥堵区内外交通密度的均衡性;宏观路网拥堵区的边界控制可有效降低高峰期间拥堵区的拥塞程度,提高整个路网的疏散能力。     

基于卡尔曼滤波的城市快速路交通密度估计与拥堵识别

针对城市快速路网中只有部分路段检测器可用的情况,为准确地估计交通密度并基于此快速识别路网所有路段的交通拥堵情况,研究了基于宏观交通流模型的卡尔曼滤波器设计方法.结合动态图混杂自动机(DGHA)与元胞传输模型(CTM)对快速路网建模,在此基础上推导出分段仿射线性系统(PWALS)模型.基于所得到的模型设计出切换型卡尔曼滤波器进行交通密度估计,并通过将路段密度估计值与临界拥堵密度进行对比来对快速路网的拥堵进行识别.以京通快速路为例进行实验,结果表明,真实值与估计值的平均绝对误差为MAE=0.625 988,显示了所提方法的有效性.      

基于道路交通拥堵问题的综合治理方法研究——以包头市青山区为例

随着交通拥堵在全国范围内的快速扩展,引起交通拥堵的因素错综复杂,涉及规划与管理层面。本文基于复杂的交通拥堵问题,以包头市青山区为例,从完善道路基础设施、增强科技管理手段、优化交通方式组织、提升信号控制手段四个方面提出缓解城市交通拥堵的治理方法。     

交通拥堵与道路服务水平

道路的拥堵界定：从交通拥堵与道路服务水平，回答了群众关心的“城市道路交通拥堵”热点话题，给群众科学地理解交通拥堵的含义；提出了对应“拥堵”措施和道路规划设计的建议。     

城市中心区交通拥堵定价模型及其仿真算法

为改善城市中心区的交通拥堵,以国内城市中心区区域路网为研究对象,以路网车辆整体延误时间最短为优化目标,拥堵收费价格为决策变量,路网饱和度和信号配时为约束条件,建立了拥堵定价优化模型,并给出了基于VISSIM软件的仿真求解方法和步骤.实例仿真结果表明:在城市中心区区域路网采用该定价模型可以找到最优定价及合理的信号配时方案;计算机仿真方法可大幅度降低模型求解难度,并可直观地为交通管理部门制订拥堵定价方案提供理论依据.     

基于探测车技术和多级模糊模式识别的道路交通状态评价方法

提出了一种新的多因素道路交通状态评价方法,利用探测技术获取的探测车平均速度、拥堵系数、停车时间比例、加速度噪声和平均速度梯度作为交通拥堵表征量,采用VISSIM仿真方法确定出交通拥堵表征量的阈值,并应用多级模糊模式识别方法实现道路交通状态的评价过程。仿真结果表明:利用探测车技术和多级模糊模式识别方法可以准确方便地实现道路交通拥堵状态的评价,并且能够反映出评估时段内道路交通状态的变化。