基于改进BP神经网络的城市交通拥塞环境下车辆运行风险识别研究

交通拥塞在形成和消散过程中车辆运行风险均处于较高的水平,而拥塞环境下影响车辆运行风险的因素较多,分析复杂。如何准确识别城市交通拥塞环境下车辆运行风险的关键因素并对其进行评估,在缓解城市交通拥塞以及降低行车风险方面具有重要的意义。首先,将城市道路交通拥塞环境下车辆运行风险解析为拥塞形成过程和拥塞消散过程中的车辆运行风险。根据交通系统四要素"人、车、路、环境",初步选取换道频次、车型比例、拥塞时长等11个风险因子。其次,通过专家打分法将车辆运行风险等级划分为低风险、中等风险、高风险、极高风险。结合主成分分析法对标准的BP神经网络进行改进,并对模型进行训练。将改进前后的模型进行对比分析,改进后的模型拟合优度判定系数达97.13%,较改进前高出5.67%。最后,进行实例应用。采用改进的BP神经网络,建立了5+8+1模式的拥塞环境下车辆运行风险识别模型。研究表明换道频次、车型比例、平均密度、拥塞时长、拥塞等级、天气情况等6个因子对车辆运行风险影响较大,其中换道频次权重最高,其次为拥塞时长。11个影响因子中车头时距主成分系数平均值最小为0.109,其影响最小。建立的风险识别模型能够为规避城市道路拥塞环境下的车辆运行风险以及拥塞治理提供参考。     

城市交通拥塞辐射模型及其对路网服务能力损伤研究

为预防和治理城市路网系统中交通拥塞的辐射扩散以及由此造成的路网系统服务能力损伤，从新的视角对交通拥塞辐射扩散规律进行研究。将毒气在有限空间内的泄漏扩散抽象为交通拥塞的辐射蔓延，首先运用Python软件对高德地图API的WEB服务进行实时路况数据爬取，并对爬取的数据、浮动车数据、SCATS监测的流量数据以及其他交通信息数据进行预处理。在此基础上建立基于高斯烟雨模型的城市道路拥塞辐射时空模型并且充分考虑邻居节点和路段的交通运行状态以及不同道路等级对拥塞传播范围的影响。对模型调节参数U进行标定，得出快速路、主干路U值均为1，次干路U值为0.7。然后通过实例进行验证，结合实际值将模型计算结果与高德地图预测值进行比较，所建立模型的拥塞最大辐射边界、拥塞辐射时间预测精度要更准确，整个拥塞过程模型拟合度较高，模型适用性强。最后在城市道路拥塞辐射时空模型的基础上利用材料力学中切应力对材料的损伤原理，以拥塞某传播方向为研究对象，计算出拥塞辐射传播给路网中的某路段造成的通行能力失效值。分析路网中路段通行能力下降对路网服务能力的损伤影响，进而给出路段重要性识别方法。研究成果可为交通管理部门加强关键路段治理以及制定缓堵政策提供参考。     

基于双层规划的城市交通拥塞疏导优化研究

为研究城市路网区域信号控制下的交通子区划分及交通拥塞疏导优化问题,明确交通拥 塞控制子区划分影响因素并建立相邻交叉口关联度模型,将拥塞控制区域划分为“疏散区”“平衡 区”。考虑“疏散区”“平衡区”不同的优化目标构建城市路网交通拥塞疏导优化双层规划模型,并 以昆明市部分城市路网作为实验对象,通过仿真将实际控制方案与本文模型计算方案的控制效 果进行对比,以此验证模型的适用性和有效性。仿真结果表明：除两个方案的平均停车次数优化 效果一般以外,其他控制效果指标均具有很大的优化提升,其中车辆平均延误时间降低了7.7 s, 重度拥塞里程比例下降了10.1%,路网车辆占有率下降了14.1%。综上可知,本文的疏导优化模 型控制可快速疏导和有效缓解交通拥塞,模型具有良好的有效性,可为路网交通拥塞分区治理及 疏导控制提供参考。