城市快速路入口匝道放行策略研究

针对如何把计算得到的匝道调节率值转化成实际的放行车辆问题,总结了国内外常用匝道放行策略,分析各自的优缺点。结合我国城市快速路的特性,提出适宜的匝道放行策略,并初步探讨了相应的匝道调节周期及信号灯配时,以此提高匝道控制的实施效果。     

公共交通枢纽内出行信息发布效用评价方法研究

在枢纽运行过程中,如何通过合理、有效的信息诱导手段提升旅客的集散效率和枢纽的安全性已成为枢纽建设的重要内容。现有研究表明,提升交通枢纽的服务水平需要进一步掌握枢纽内部不同信息的发布效用。本文以SP调查数据为基础,将旅客对不同公共交通出行信息的重要性评价值与旅客对信息的关注度相联系,提出了基于主成分分析的不同类型旅客对信息关注度的分析方法。并从旅客对信息的关注度出发,对交通枢纽内部不同发布信息的效用进行了分析。该方法应用于上海市静安寺轨道交通换乘枢纽的调查数据,对比了不同年龄层次的旅客对各类信息的关注度,并分析了该枢纽内部不同信息的发布效用。     

上海市城市桥梁管理系统研究

上海市城市桥梁管理系统采用地理信息系统作为开发环境，具有桥梁档案管理，评价、维修对策确定、重车过桥咨询等功能。系统设计以构件为基础，考虑桥梁的不同结构型式和受力特点，具有自动分析功能。     

运用连续平衡分配模型分析竞争性公共交通枢纽设施的市场份额

在分析城市交通体系特征的基础上,运用连续函数的处理方法,建立了连续型的城市交通体系模型;同时讨论了相关因素对出行者选择行为的影响,提出了确定型的出行选择模型。结合交通分配理论,建立了多类型出行者的确定型连续平衡分配模型来分析竞争性公共交通枢纽设施的市场份额问题。模型被证明满足用户平衡条件和相关约束条件,并可利用以有限元算法为基础的迭代解法求得模型的数值解,从而计算出竞争性公共交通枢纽设施的市场份额。模拟城市算例的结果说明了提出的模型和算法的有效性和可靠性。     

路面平整度对小汽车噪声的影响研究

噪声作为交通环境污染的主要类型之一,正呈现出越来越严重的趋势。国内外大量研究表明,车辆在城市道路上行驶时产生的噪声主要有动力噪声和轮胎噪声两部分。而平整度对这两部分噪声的噪声源都有重要的影响。本文主要研究的是城市道路中路面的平整度对小汽车的噪声产生的综合影响。结果表明,在正常行驶时(不固定排档),平整度与噪声间有明显的线性关系。这一结果使得交通噪声的预测精度得到了一定的提高。     

高速公路全寿命管理系统研究

针对高速公路这一特定对象,以地理信息系统和数据仓库等IT技术为手段,探讨了满足高速公路全寿命管理需求的信息系统结构体系和建立方法.应用理论研究成果,开发了"广韶高速公路施工、运营管理系统".     

城市道路拥挤收费实施时机确定方法研究

道路拥挤收费问题涉及交通工程、运输经济、决策博弈等多个研究领域,是广受关注的综合性课题。在弹性需求的多类型用户双层规划次优收费模型的基础上,通过研究不同OD下社会净效益的变化情况,提出了确定拥挤收费实施的OD区间范围和最优点的方法,为找到拥挤收费的合理实施时机提供了理论分析手段。结合上海市中心区道路状况数据,进行了实例分析,验证了方法的有效性。     

美国联邦公路局路阻函数探讨

路阻函数在交通分配过程中左右着路径的选择，目前广泛采用的路阻函数是美国公路局提出的BPB函数．但在交通分配的实践过程中使用美国公路局推荐BPB参数得到的结果并不理想。论文对国内外关于BPB函数的修正模型研究进行了介绍；分析了现存BPB模型的优点与缺陷；提出了BPB函数适用情况的思考。     

上海世博会可变车道技术研究

世博会的召开对上海城市交通组织提出了更高的要求,适宜的交通措施成为保障世博通行的必要选择.文章简要介绍了可交车道技术的特点及应用条件,分析了世博交通流的特征及世博通道状况,结合国内外实践经验论证了实施可变车道技术的必要性及可行性,并对世博会可变车道技术实施方案进行了初步探讨,建议在上南路和西藏南路上把世博专用车道设为世博专用可变车道,根据世博交通需求变更可变车道方向,以此达到提高世博通道通行效率的目的.     

基于多智能体深度强化学习的停车系统智能延时匹配方法

“互联网＋”模式下区域停车“用户-资源”优化匹配是解决找车位难问题的有效途径，传统研究主要关注动态匹配机制设计，缺乏对用户匹配时机的考虑。在随机动态环境下，用户到达目的地附近后进行适当的延时等待，往往可以获得更优质的泊位资源，但取决于当前的停车供需模式。据此首次提出智能延时匹配策略，将每个停车用户抽象为智能体，构建多智能体深度Q学习模型(M-DQN)。结合系统的停车供需状态学习，用户自主决策延时等待时间，进入分配池后，系统利用匈牙利算法进行泊位匹配。在智能体总数量可变的环境下，利用集中式训练与分布式执行的框架，实现多智能体协同优化。为对比智能延时策略的效果，设计等待零时长策略(Greedy)和等待最大时长策略(Max Delay)。在算例中，结合同济大学四平路校区实测停车数据，设计3种不同的停车供需模式场景。在工作日早高峰时段，Greedy是最优的匹配策略，M-DQN和Max Delay的平均停车过程总用时会增加，匹配成功率下降；在工作日非高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少23.8%和22.4%，效果提升明显；在工作日晚高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少了12.8%和14.5%，M-DQN可以结合供需状态学习到最优的匹配策略。研究结果表明：在停车供需相对平衡的环境下，所提出的延时匹配策略和多智能体深度强化学习方法可以有效减少用户停车的平均行驶时间和步行距离，且停车周转率越高效果越好；但延时策略在应用方面仍有一定的局限性，不适用于停车供给紧张，停车周转率较低的场景。