基于车辆个体行为的交通流跟驰模型研究

用改变参数取值的方法来将个体差异这一重要思想引入跟驰模型,实现对FVD(全速度差)模型的优化,对模拟交通情况和优化交通管理有积极意义.研究实现了驾驶员行为的个性化描述,采用敏感程度的概念并用一个标准正态分布中的取值表示,分析了个性化行为和模型参数的联系,实现了模型的优化和优化后模型对启动车流和稠密交通流扰动传播的数值模拟.     

结合概率搜索定界的入度统计最短路径算法

Dijkstra 经典最短路径算法包括大量的排序运算,且需要对图中所有顶点进行计算,效率较低.本文针对有向网络,提出了与概率搜索定界结合的入度统计最短路径算法.该算法通过按概率搜索得到一条较短路径,依据路径长度和有向网络结构特征确定和顶点序号相关的节点阻抗最大值;采用入度统计算法代替经典的标号算法,在计算过程中根据节点阻抗最大值,采取一定方式剔除无效顶点(不在最短路径内的顶点),简化网络结构.本文提出的算法不需要进行排序运算,简化了运算过程,并且可以剔除大量的无效顶点,降低了网络复杂度.算例分析表明,相对于Dijkstra算法,结合概率搜索定界的入度统计算法大幅度提高了运算效率,具有实用性.     

基于车辆个体特征的IDM模型研究

现有的跟驰模型大多基于标准驾驶行为建立,未能真实体现车辆的个体差异.文中将反应时间和车型作为车辆的个体特征加入IDM跟驰模型中.假设反应时间在驾驶员人群和单个驾驶员的反应过程中都存在离散,采用车辆尺寸,加减速性能和车头时距等要素描述不同车型的差异,建立了考虑反应时间和车型的跟驰模型.对信号灯放行状态和稠密交通流中扰动传播的仿真表明,考虑反应时间和车型的跟驰模型能较好体现交通系统的随机性和异质流特征,仿真效果与实际更加契合.