高速公路隧道口车头时距分布研究

高速公路隧道洞口处交通环境复杂,与基本路段的车头时距存在差异。文中以京珠（北京-珠海）高速公路韶关段大宝山隧道为研究对象,在隧道口进行交通量、车头时距、地点车速实地调查,并借助微观仿真软件Vissim得出单一车型车头时距,应用爱尔朗分布l值分析高速公路隧道进出口车头时距分布规律。结果表明,在相同交通量情况下,高速公路隧道进口车头时距不小于隧道出口车头时距,隧道口车头时距大于基本路段车头时距,混合车流车头时距介于小型车和大型车之间。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

双向八车道高速公路合流区交通特性与交通冲突特性研究

车辆合流行为是干扰高速公路主线交通运行的主要原因。文中以交通流参数调查为基础,应用统计分析方法,对高速公路合流区的交通量及组成、车速和车头时距进行分析,提出了基于后侵入时间(PET)的冲突严重性判别方法,建立了基于负二项分布的交通冲突预测模型,并结合交通冲突数和冲突率对合流区的安全性进行分析。结果表明,合流区各车道的车头时距与爱尔朗分布拟合较好,外侧2条车道的车速服从正态分布;严重冲突、一般冲突和轻微冲突对应的PET阈值分别为1.23、2.50和4.44s;合流区交通冲突的发生与交通量、大型车比例、速度差及车道位置等显著相关;根据安全水平可将合流区划分为安全、危险及两者之间3组。     

自由流状态的判别标准研究

基于运行速度的定义,首先通过现场试验采集了试验车的实时行驶速度,分析了试验车的行驶状态变化情况,基于不同的行驶状态确定了车头时距的变化阈值,然后通过研究典型断面的速度波动规律,分析了不同车头时距下的速度变化特征与分布特征,确定出车头时距为自由流状态的度量指标,并通过统计分析方法,提出了车辆自由行驶状态的判别标准。结果表明:自由流交通状态的车头时距应大于9 s;研究结论为公路运行速度体系的建立奠定了理论基础。     

基于平均车头时距的城市道路PCE算法

为得到一种反映交通流运行情况,适用于各种交通流状态的车辆换算系数(PCE)计算方法,结合车头时距特性分析结论,基于等效车头时距原理,对车头时距法进行改进.通过分析车头时距数据发现,小型车与大型车跟车状态数量差距较大,路段总流量平均车头时距不能体现路段中与大型车有关车辆的平均车头时距,应分跟车状态统计平均车头时距;同一路段不同交通流状态下,同一跟车状态数量相差较大,应分交通流状态分析路段PC E值.因此,用跟车状态平均车头时距代替路段总流量平均车头时距,对车头时距法进行改进.与经典的容量法对比,所提方法在各交通流状态下计算得出的PC E值与容量法计算得出的PC E值差距最大为6.40%,最小为1.57%,证明所提方法适用于各种交通状态.分析PC E影响因素发现,PC E值与大型车比例呈U型曲线关系;公交专用道路段的PC E值在各个时段均高于未设置公交专用道路段相应时段的PC E值.      

快速路交织区车头时距分布特征

针对快速路交织区中车流的频繁交织行为引发车头时距重分布现象,系统研究了快速路交织区车头时距分布的内在规律,得出了城市快速路交织区内车头时距分布随断面流率动态变化的结论。选择北京、上海、广州等7个典型城市的城市快速路系统为研究对象,利用数理统计方法对采集的代表性快速路中A类交织区中车头时距数据进行分车道分断面统计分析,拟合分析及x~2检验的结果表明断面流率小于250 veh/h时,车头时距服从负指数分布;当断面流率位于250～750 veh/h时,车头时距服从移位负指数分布,而当断面流率位于750～1500 veh/h时,车头时距则服从Cowan M3分布,为城市快速路交织区的通行能力分析、规划管理等方面的深入研究提供了理论依据。     

混合交通状态下交叉口排队机动车流启动车头时距研究和应用

研究的主要内容包括:信号灯控制道路交叉口红灯周期形成的排队车辆,在放行后不同车型的启动时间和不同车型组成的混合机动车流车头时距的分布研究;混合交通状态下机动车启动通过交叉口时受到干扰后的延误时间研究;利用上述研究成果对混合交通状态下交叉口排队车辆的放行绿灯时间进行估算。课题以现实交通数据为基础,通过统计分析结果最终建立放行绿灯时间估算表,对混合交通状态下道路交叉口信号灯的配时起到指导意义。     

高速公路半幅封闭施工区交通特性与交通冲突特性研究

对双向四车道高速公路半幅封闭施工区的交通特性和交通冲突特性开展研究.以交通流参数调查和交通冲突调查为基础,应用统计分析方法,研究了施工区上游过渡段车辆的排队特征,标定了描述车头时距分布的爱尔朗模型;分析了施工区各组成区段的速度分布特征,确定了基于统计分布原理的各区段限速范围;总结了施工区交通冲突的种类,给出了基于距离碰撞时间的追尾冲突严重程度判别方法,建立了基于负二项分布的追尾冲突预测模型.最后,应用VISSIM软件开展了施工区交通仿真试验.结果表明:基于车辆排队特征所确定的施工区上游过渡段合理长度应在45～70m之间;施工区各区段的限速值应根据交通量设定;在相同交通量水平下当限速值高于50km·h-1时,交通冲突数量会随着限速值提高而显著增加.     

神经网络方法在车头时距特性分析中的应用

信号交叉口的车头时距是道路及交叉口通行能力分析和信号配时设计中最重要的交通特性之一.由于影响车头时距的因素很多,在进行交叉口交通流模拟时,如何获得准确的车头时距一直以来是较难解决的问题.将神经网络方法用于车头时距特性分析,以便在一定的交通、道路条件下,获得某种车型的车头时距,为进一步分析城市信号交叉口的饱和交通流量、延误与损失时间,以及小汽车当量等特性奠定了基础,从而可以有效地解决城市和公路交通问题.     

不同道路环境下车头时距的三参数Burr分布研究

车头时距是交通流与随机过程中的重要参数。为了清晰地描述城市不同类型道路的交通流特性,采集了广州市内南沙港环形交叉口、官洲隧道进口和中山大道十字交叉口三种不同类型道路的车头时距数据。通过数据分析发现车头时距的随机过程与三参数Burr分布具有相似性,并通过理论推导建立了模型。运用最大似然法和牛顿法对三参数Burr分布进行了参数估计,最后通过卡方检验对各组实测数据进行了拟合优度检验。结果表明:实测的车头时距分布曲线呈现递增后递减的性质,利用三参数Burr分布能较好刻画不同道路环境下的车头时距的变化特性。本文的研究结论,可为今后在交通流车头时距分布的统计规律的研究过程中提供一种新的可行性模型。     

基于因子分析和最小最大概率机的交通事件检测算法

为了进一步提高交通事件检测的精度与效率,在多角度构建事件检测初始交通变量的基础上,设计了1种基于因子分析和最小最大概率机的交通事件检测算法。通过分析交通事件上下游交通流参数的变化规律,构建了11种初始交通事件检测变量,利用因子分析方法对初始交通变量进行特征提取,实现初始交通变量的有效降维,并分别采用核函数最小最大概率机算法和线性最小最大概率机算法进行交通事件检测。最后,采用美国I‐880数据库的实测数据进行实验验证和对比分析,实验结果表明,FA‐M PM算法较M PM算法事件检测率提高3.5%,误报率降低0.17%,平均检测事件减少了27.5s,且最小最大概率机算法的交通事件检测效果明显优于支持向量机算法和BP神经网络算法。      

数据融合技术在交通事件检测中的应用综述

为了进一步提高交通事件检测系统的性能,在对基于单源信息的交通事件检测方法进行分析的基础上,从基于多信息源的交通事件自动检测数据级融合和基于多信息源的交通事件检测方法决策级融合2个方面,分析、总结了数据融合技术在交通事件检测中的应用现状,并指出了目前研究存在的主要问题及后续研究的发展趋势。     

基于时间卷积自编码网络的实时交通事件自动检测方法

为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。     

移动视频监控技术及其在道路交通安全领域中的应用

移动视频监控主要是指视频源或接收端设备具有移动能力。它由前端影像取样装置、影像传输接收装置、后端影像资料库及处理系统等3部分组成。作为一种新概念和新技术,移动视频监控技术应用于道路交通安全领域将发挥巨大作用,特别是在智能交通、交通资讯、公安交警现场指挥处置、交管路管快速反应以及道路交通工程施工等方面会大显身手。移动视频监控技术已在发达国家道路交通安全领域迅速发展,并在全球呈现出广阔的市场前景。     

城市快速路三维集成交通事件自动检测算法

为了及时、准确地检测交通事件并采取有效的管理手段,提高城市快速路交通管理水平,在总结现有交通事件自动检测算法优缺点的基础上,提出了一种基于二维空间和一维时间的交通流异常变化的三维集成交通事件自动检测算法(集成AID算法),并利用北京市二环快速路上现有的交通流数据及相应的交通事件信息,对提出的集成AID算法进行验证,对其有效性和实用性进行分析。结果表明:该算法能够对快速路交通事件进行有效检测,与各个维度的子算法相比,能有效提高检测率,降低误报率,能够满足实际工程应用的需求。     

自动化公路货物运输量统计方法

为了提高中国公路货运统计的真实性和统计效率，利用自动化交调、轴载检测、高速公路计费、联网联控货车以及国家道路货运量专项调查等数据，提出2种自动化公路货运量统计方法。2种方法均采用浮动检测数据与固定检测数据融合的原理，使用浮动车数据获得运输特征，分别使用高速计费数据及自动化交调数据获得运输规模。通过设备检测数据与人工调查数据的嵌套计算，解决分层统计中行业浮动车代表性不足的问题。通过数据的一致性分析，解决不同类型数据车型划分标准不同给数据融合带来的口径不一致问题。与传统方法相比，统计方式由人工统计转变为自动化统计；统计对象由营运性货车扩展为全社会货车；统计口径由按车籍地统计转变为按运输发生地统计；统计周期由月缩短为日。此外，实现了可按车辆类型、道路类型、运输成分及公路线路的精细化统计。以辽宁省路网和G102国道为例，给出区域公路网和公路线路的货运量统计结果。最后，以高速公路为统计对象，与计费数据获得的货运量对比，验证基于交调数据统计方法的准确性。结果显示，交调融合法的货运量统计误差为11.5%。对比2种方法，交调融合法具有更广泛的适用性和更高的灵活性，为中国公路运输统计现代化发展提供了技术方法，同时探索了利用设备检测数据和人工调查数据嵌套分析解决工程问题的方法。     

道路交通状态识别技术研究

交通拥堵和突发事件已成为困扰当前城市交通的2大难题,重点讲述了如何识别交通状态,提出了1种基于模糊推理的交通拥堵等级评判算法和1种基于双变量模型的交通事件识别算法。经过验证,这2种算法可达到较好的交通状态识别效果。     

交通状态检测方法的评价研究

交通状态是一个感觉量，在确定交通状态时存在模糊性，这给交通状态检测方法的评价增加了困难，至今理论上缺乏相关的研究。文中在评价交通状态的准确性时建立了基于用户的评价方法，解决了交通状态的模糊性带给评价上的问题。通过评价检测的准确性可以修正检测模型中的相关参数，从而提高检测的准确度，达到改进检测方法的目的。在综合评价中还考虑了检测方法的时间效率和经济性，可对多种检测方法进行综合评价。     

基于GSOM神经网络模型的交通行为模式学习方法研究

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法。首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列。其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练。在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习。对比试验结果表明改进的GSOM算法能有效提取行为模式。GSOM相比SOM用于行为模式学习更为有效和准确。