高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中60％～70％的延误是由交通事件引起的,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自20世纪60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个AID系统,但是居高不下的误警率(FAR)和令人失望的检测效果,让一些交通管理者不得不放弃它的使用。为了提高AID系统的可靠性和实用性,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架,并以人工神经网络技术为依托,设计了基于单个检测设施的AID算法。模拟计算表明,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率(DR)、误警率(FAR)和平均检测时间(MTTD)方面都优于目标方法,而且由于每个检测器站只需安装一个检测器,也降低了高速公路事件管理系统的建设成本。     

交通转向对替换路线服务水平的影响

先进的出行者信息系统通过为驾驶员提供实时道路交通信息，引导加强员的路线选择行为，从而缓解了城市交通拥挤状况。然而，由于驾驶员的交通转向而引起的附加交通量，却对替换路线的服务水平产生了重要影响。本文根据上海市的实际交通状况建立了一个简单的模拟网络，对在道路发生突发性事件的情况下，驾驶员的拥挤转向行为与可替换路线服务水平之间的相互关系进行了定量和定性研究。研究表明不同比例的转向交通量对替换路线的服务水平产生不同的影响，同时也表明要想维持替换路线的期望服务水平，必须提供合理的转向交通量和对拥挤转向的交通量进行控制。     

城市交通疏散救援的元胞自动机模型

分析了城市内部各向车流冲突造成的车辆延误对疏散与救援决策的影响,将交叉口控制参数引入到现有的基于元胞传输模型的应急疏散救援仿真模型中,建立灾时交叉口紧急控制下的应急疏散救援仿真模型.改进后的模型以规划周期内疏散与救援加权行程时间最小为目标,并引入反流策略.仿真结果表明:由于低优先级的车流G1和G2让行高优先级车流G3和...     

有限阶段马尔可夫决策的可变限速控制模型

分析了高速公路主线可变限速控制的作用,研究了现有的限速方法,将高速公路主线可变限速控制过程看作是离散时间的马尔可夫决策过程,提出基于强化学习与有限阶段马尔可夫决策的可变限速控制模型,通过与交通环境的交互学习进行模型的动态调整。采用有限阶段向后递归迭代的算法对模型进行求解,运用Paramics仿真软件对长吉高速公路全程进...     

城市交通控制与诱导系统协同研究

从子系统功能整合的角度研究城市交通控制与诱导系统协同问题,指出两系统协同的内容主要包括:信息协同,策略协同和协同实施。描述了系统协同的数据结构,提出信息协同组织流程,对交通控制系统与诱导系统的策略协同进行研究,给出两系统的策略协同模型,以multi-agent技术为依托,建立了城市交通控制与诱导系统协同实施的体系框架,并通过仿真分析说明算法的有效性。为城市交通控制与诱导系统协同的最终实现提供理论指导和方法依据。     

基于预测型路线行程时间的信号控制相位差优化技术研究

相位差是区域信号协调控制的重要参数,其动态优化直接影响通行能力和路网延误。论文考虑交通流诱导与交通信号控制的协同运作,通过研究车队在停车线车头受阻和车尾受阻的不同等待状态,建立了相位差与诱导参数路段行程时间的相关关系,基于诱导控制协同的动态性考虑,提出基于预测型诱导用行程时间的信号控制相位差优化技术,阐述其优化算法流程。论文利用长春市长春大街含3个交叉口的路线进行算例试验,结果表明利用预测型行程时间优化相位差之后干线总行程时间最高节约12.9%左右,延误减少高达51.3%,达到诱导控制信息共享、协同运作提高路网运行效率的目的。     

基于城市交通流自组织性的UTCS与UTFGS协同理论分析

以协同学理论框架分析城市交通流系统的自组织演化,对UTCS与UTFGS役使城市交通流系统自组织有序化进行分析。在分析城市交通流、UTCS与UTFGS的时空特性及两者关联关系的基础上,从子系统功能整合与功能互补的角度,提出UTCS与UTFGS协同研究体系结构和3项主要内容:信息协同、策略协同和协同实施,为UTCS与UTFGS协同的具体研究与实际应用提供理论指导。     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

城市交通流诱导系统中的路段行程时间间接预测方法研究

在阐述综合路段行程时间间接预测模型思想的基础上，提出了基于排队论及基于交通模拟的行程时间间接预测模型，并按照人工调查数据验证模型的精度，给出了相对误差图，以说明模型算法的有效性。     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。