基于智能优化算法的动态路径诱导方法研究进展

采用综述的方法对当前动态路径诱导方法中一些有代表性的智能优化算法进行了深刻的探讨与总结,为未来进行深入而广泛的智能交通系统研究及应用奠定基础.主要从算法特性、改进效果、性能评价等方面详细讨论了智能优化算法在动态路径诱导系统中的常见改进机制及其效果,给出了这些优化算法的基本思想、优缺点及其应用局限性;并对智能优化算法性能评价方法的研究现状进行了详细的分析与总结,为建模人员和研究人员对智能交通系统中动态路径诱导方法的选择和研究提供支持;最后结合算法应用分析成果,展望了智能优化算法在动态路径诱导系统中的应用发展前景和智能交通系统中进一步研究未来动态路径诱导算法的重要研究方向.     

关联交叉口延误计算模型研究

为了弥补传统延误模型仅研究单个交叉口的不足,搭建了关联交叉口"相位差-延误"模型,用以定量分析关联交叉口运行情况.模型基于交通稳态理论(Webster延误模型),考虑关联交叉口交通流量、配时方案、相位差、路段长度等影响因素,可以动态反映关联交叉口相位差与延误之间的关系.用具体的算例说明了公式的使用方法,对提出的关联交叉口延误模型进行验证.结果表明:与VISSIM仿真结果比较,"相位差-延误"模型较为可靠.     

基于多源数据融合的公路货物运输量统计方法研究

<正>公路运输指标可反映交通运输业的发展状况;由于涉及面广、对象主体多,我国现行的依靠人工抽样方式的公路货物运输量统计方法准确性、可靠性均存在一定的不足。为了充分利用现有数据资源、提高运输量统计精度,该研究基于高速公路收费数据、车辆GPS数据、普通公路轴载数据等信息资源,同时结合抽样实验的结果,构建了抽样方法体系和波动系数推算模型,提出了基于多源数据融合的公路货物运输量统计方法。研究结果表明:利用该统计方法,获取基础数据更加方便快捷,可大大减少人财物的投入,提高统计效率和经济效益;同时,所获得的公路货物运输量统计数据准确性高、客观性强,能为相关交通运输部门进行公路货物运输量调查、制定公路路网发展规划和优化运输服务综合体系等提供切实可靠的参考依据。     

感应线圈信号曲线的处理方法及其在车型识别中的应用

为提高车型识别的准确率,提出信号处理的方法：首先采用快速小波变换抽取原始曲线的近似轮廓,从而削弱了噪声等细节信息的干扰,并实现2^n倍的数据压缩;其次利用五点三次滤波器对上一步获得的近似曲线进行平滑,使得离散信号更接近于真实的连续信号;在此基础上提出基于峰值时间差的强鲁棒性车长检测方法;最后,根据形态匹配的要求,采用Akima插值法进行信号尺度的归一化处理。车型识别试验采用观测点的实测数据,并将结果与其他文献进行比较,说明所提出的方法的有效性。     

新冠疫情防控对大湾区高速公路运输的影响分析

在新冠疫情常态化防控背景下，我国区域性疫情频发，如何量化疫情防控措施对经济运行和客货运输的影响成为社会亟待研究的问题。为此，本文设计了高速公路运输指标计算方法，提出疫情防控措施的等级与阶段划分流程，建立双重差分模型分析疫情防控措施对高速公路运输指标的影响。本文以粤港澳大湾区主要城市为对象，基于2020年5月—2022年4月高速公路收费数据和疫情防控信息开展案例研究。研究结果表明：I级(加强)防控措施下，客车流量显著下跌，各案例降幅在8%~27%之间，货运指标变化不明显。深圳和东莞在II级(严格)防控阶段，客货运指标均剧烈下跌，两市客车流量分别再下降 46.3%和 33.7%，货车流量分别再下降 42.7%和 27.6%，货运量和货物周转量降幅与货车流量相当。高速公路客车市际平均运距在I级防控措施下存在下降趋势，但在II级阶段下，客车和货车市际平均运距均显著提升。本文为城市与城市群疫情防控措施的制定与实施提供一定的参考价值。     

交通拥挤负外部成本量化模型及应用研究

交通拥挤负外部成本游离于经济杠杆调控政策的价格体系之外，未能在市场价格中体现是导致交通资源配置失衡的关键。为科学量化交通拥挤负外部成本，支撑经济杠杆需求调控政策实现外部成本内部化，从交通拥挤造成的时间延误、交通事故、环境污染这3个维度解析交通拥挤负面经济成本，构建小汽车交通拥挤负外部成本量化数学模型。以深圳市为例，计算典型城市交通拥挤负外部成本。研究表明：深圳市每辆小汽车全年出行平均产生的交通拥挤负外部成本高达24460元，行驶约产生2.1元·km-1 的交通拥挤负外部成本，且当前交通需求调控政策未能实现小汽车外部成本内部化是导致小汽车竞争力强劲的关键因素。按照“用者自付”原则，经济杠杆调控政策收费费率应覆盖小汽车交通拥挤负外部成本，建议参照每辆小汽车2.1元·km-1 设定。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

一种考虑交叉口因素的改进元胞传输模型

为使元胞传输模型(Cell Transmission Model,CTM)适用于城市道路环境下的交通流仿真,以流量守恒定律和宏观基本图为基础,推导出使用交通流密度描述元胞动态特征的迭代公式,克服了基本CTM中所有元胞长度必须相等的局限性.同时提出了基于车道功能和信号相位的进出口路段和交叉口内部的元胞划分方法,并根据停车线处的放行流率动态调整受信号控制元胞的发送流率,由此提出了考虑信号控制的改进CTM.最后,分别使用该CTM和VISSIM软件对一个包含2个交叉口的城市道路进行仿真,并对比分析输出结果.实验表明,两者输出的交通流密度曲线吻合度高,对信号控制交叉口交通流的排队和消散特征的描述十分接近,与此同时,改进CTM显著地减小了计算开销和用时.     

基于多影响因素RDMA*算法的无人驾驶动态路径规划

无人驾驶汽车的路径规划面临着复杂多变的交通环境,为了更全面的评价路径选择指标以规划更合理的路径,以及更好的解决路段环境动态变化对规划结果造成的影响,研究了一种考虑多影响因素的动态路径规划算法——RDMA*(Real-time Dynamics of Multiple influencing factors AStar)算法.以A*(AStar)算法为核心,通过加入多影响因素的交通评价因子对其代价函数进行改进,综合考虑距离,交通拥堵程度,道路平整度和其他影响因素,应用层次分析法确定各影响因素的相对权重,以综合代价值为评价指标进行路径规划.通过GPS,雷达和摄像头等设备,利用融合感知技术获取相关道路环境信息,根据获取的全局和局部交通环境数据信息,利用实时动态更新策略解决动态环境下的路径规划问题,实时规划最优路径.通过对实际案例进行模拟,结果表明,应用RDMA*方法规划的路径相比基础A*方法规划的路径出行总体耗时减少了15.75%.并且在遇到特殊事件的状况下,通过RDMA*动态规划可为无人驾驶车辆即时提供一条综合代价值最小,耗时最少的可行路径,与改进的A*动态路径规划方法相比减少了10.63%的二次规划综合代价值的损耗,提高了7.83%的时间效率.该方法能更好的适应复杂的道路和交通系统,即时应对动态变化的交通状况,具备更强的实用性.      

基于车头灯光斑特征稳定性与轨迹相似度的夜间交通流量检测

为了解决计算机视觉在夜间低亮度、多干扰的光环境下交通流检测精度低、稳定性差等问题,研究了一种基于车头灯光斑特征稳定性与轨迹相似度的夜间交通流量检测方法.针对静态检测方法难以在多干扰的条件下高精度地识别车灯的问题,提出了在跟踪过程中根据目标跟踪窗口的亮度与几何特征稳定性动态消除干扰光斑的车灯识别方法;针对静态配对方法稳定性较差、计算开销较大的问题,提出基于车灯跟踪轨迹相似度与位置关系的配对规则、辅以配对逻辑来实现车灯配对的方法.实验结果表明,该算法在常见检测环境下的正检率约为90%,漏检率可低于10%.算法在应对路面反射特性较强的环境时的漏检率有待优化.