基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营，本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程，采用状态参数集反映车站拥挤程度的多样化差异，定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例，仿真设置不同量值的突发客流，研究线网客流状态的演化规律.结果表明，随着突发客流量增加，客流状态从区域拥堵演化至线拥堵的速度减缓，从线拥堵演化至点拥堵的速度保持不变或略有加快.此外，大量突发客流会引起拥堵消散速度的减缓，造成更大时空范围的区域性拥堵.     

基于动态规划的信号配时滚动优化算法

随着智能交通技术的发展,交通信息获取的时间颗粒度将越来越小,这为城市动态交通信号配时优化模型和方法提出了新的挑战。为解决经典信号相位控制优化(COP)算法中未考虑交叉口预测区间内交通流量动态变化对信号配时方案控制效果的影响。文中提出了基于动态规划的单交叉口信号配时滚动优化算法。首先,在分析交叉口信号配时关键问题的基础上,构建了以交叉口车辆平均延误和平均排队最小为优化目标,交叉口各相位绿灯时间长度为约束条件的信号配时非线性整数优化模型;并设计了动态规划算法求解该模型。其次,为反映交叉口车流在预测区间内动态变化的特性,在动态规划算法的基础上提出了滚动优化策略,根据实时更新的预测数据滚动优化信号配时方案,并将信号配时方案实时传输到交叉口信号控制器中。最后,通过实际调查数据构建微观仿真环境,采用VISSIM COM二次编程开发技术结合MATLAB编程软件实现了文中模型和算法,并对比分析文中算法和经典的COP算法。通过改变交叉口的输入流量,测试不同流量条件下控制算法的控制效果。结果表明,与经典的COP算法相比,文中算法不仅能够使车辆在交叉口的平均延误减少20%,而且能够保证交叉口各个相位的车辆平均延误的均衡。     

智能网联混合交通流稳定性解析方法综述

交通流稳定性分析是研究交通拥堵形成机理、车队队列控制的基础,面向智能网联环境下的混合交通流队列线性稳定性分析已成为近年来的研究热点. 根据受到的扰动大小和范围,介绍了线性稳定性、非线性稳定性、局部稳定性和队列稳定性的相关概念,并指出了交通流队列稳定性的基本判别准则. 基于控制理论,回顾了交通流车队队列线性稳定性条件的经典解析方法,其中,特征方程法评估了交通流内部扰动的增长速度,传递函数法依托于拉普拉斯变换构建了扰动的传递关系. 从经典跟驰模型、考虑时延的跟驰模型和考虑多前车驾驶信息反馈的跟驰模型出发,系统分析并总结了国内外学者对于混合交通流稳定性问题的研究现状,同时回顾了交通流稳定性理论研究在车队队列控制等方面的实验和工程应用. 最后,展望了混合交通流稳定性分析领域的研究前景,指出了在后车跟驰行为、智能网联汽车的交互协同、复杂混合交通流等几个方面是今后需要重点研究的领域.      

基于虚拟车队的自动交叉路口车辆时序优化模型

智能网联汽车可通过彼此交互协同安全地通过交叉路口,自动交叉路口控制已成为未来发展趋势。为解决现有基于预约的自动交叉路口控制模型未全局优化车辆通过顺序及模型非线性导致求解效率低等问题,提出一种基于虚拟车队的自动交叉路口车辆时序优化模型,实现车辆通过时序的高效全局优化。首先,为构建到达安全时间间隔约束,基于车辆冲突分析计算交叉口进口道停车线到各相互作用点的距离。其次,为便于建模和求解,基于时间维度构建虚拟车队并形成车辆索引序列。然后,以交叉口车辆总延误最小为优化目标,车辆通过控制区段的最小行程时间和到达冲突区域边界的安全间隔为约束条件,构建自动交叉路口车辆通过时序非线性优化模型。在此基础上,引入0-1变量将该模型转化为混合整数线性规划模型,并基于开源求解器CBC对模型进行求解。最后,设计数值仿真试验验证模型的有效性并进行了模型的参数敏感性分析。研究结果表明:所构建模型在不同交通需求下优化效果均优于基于"先到先服务"规则的模型,车均延误和最大单车延误能够减少61.50%和39.73%;当安全间距和优化周期较大时,构建模型的延误控制效果更为显著;模型和算法为未来智能网联环境下自动交叉路口控制提供了一种可选的方法。     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

基于Robertson 模型的异质交通流车队离散研究

为充分描述异质交通流条件下的车队离散规律,为信号协调控制提供理论基础,结 合异质交通流条件下的车流特征和Robertson 模型计算速度快的优点,对多股交通流分别建 模,并在此基础上构建异质交通流车队流量离散模型.通过实际调查数据,分析下游交叉口到 达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型和Robertson 模型与实际 数据进行比较分析.结果表明,与Robertson 模型相比,本文模型能够更好地描述异质交通流条 件下的车队离散规律,平均预测均方误差减少了8.29%.     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营，本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程，采用状态参数集反映车站拥挤程度的多样化差异，定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例，仿真设置不同量值的突发客流，研究线网客流状态的演化规律.结果表明，随着突发客流量增加，客流状态从区域拥堵演化至线拥堵的速度减缓，从线拥堵演化至点拥堵的速度保持不变或略有加快.此外，大量突发客流会引起拥堵消散速度的减缓，造成更大时空范围的区域性拥堵.     

基于卡尔曼滤波的交叉口排队长度实时估计模型

为解决现有排队长度估计方法不能对排队长度进行实时秒级估计的问题，本文采用车联网实时数据，构建基于卡尔曼滤波的实时排队长度估计模型。首先，以当前时刻加入和离开排队队列的车辆数为输入变量构建状态转移方程，以当前排队网联车的数量和渗透率构建观测方程；其次，采用回归模型估计状态转移方程和观测方程的噪声协方差矩阵；然后，提出基于卡尔曼滤波方法估计排队长度的流程算法和模型性能评价指标；最后，基于实际数据构建仿真环境验证模型的有效性。结果表明：当网联车渗透率为30％时，平均绝对误差(MAE)，平均绝对百分比误差 (MAPE)和均方根误差(RMSE)的平均值分别为1.6辆，20.9％和2.5辆；当渗透率大于20%时，与基准方法相比，本文模型估计效果更优。     

考虑自动驾驶的混合交通流路段阻抗函数

为解决未来自动驾驶专用车道的规划设计问题,本文提出了一种自动驾驶车与人工驾驶车混合交通流路段阻抗函数模型.首先,分析了自动驾驶专用车道的设置对混合交通流中车辆跟驰模式的影响;其次,在此基础上,引入微观跟驰驾驶模型,推导了不同自动驾驶车辆渗透率条件下的路段通行能力函数,分析了自动驾驶车辆对路段通行能力的影响;然后,将混合交通流通行能力引入经典的BPR函数,推导了考虑自动驾驶的混合交通流路段阻抗函数模型;最后,设计了数值实验讨论了自由流速度(自由流行程时间)、自动驾驶车辆的渗透率和安全车头时距对路段阻抗的影响.结果 表明:(1)当路段流量较小时,自动驾驶车辆的引入对路段阻抗行程时间的影响较小;(2)当自动驾驶车的渗透率为30％时,设置自动驾驶专用车道对行程时间的改善最为明显;(3)当流量较小时,自动驾驶车辆渗透率对路段阻抗行程时间的影响较小,而随着路段流量的增大,自由流速度和自动驾驶车辆渗透率将共同决定路段的行程时间.相关成果可为未来自动驾驶专用车道的规划与设计提供理论支撑.