排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
信号交叉口右转机动车与行人和非机动车冲突研究 总被引:1,自引:1,他引:0
研究的主要内容为:未设置右转专用相位的信号灯控制道路交叉口右转机动车流与行人和非机动车的冲突行为,包括冲突数据的采集和提取、右转车流受到干扰前后速度与过街时间对比分析以及机非冲突速度-距离模型。以现实交通数据为基础,通过软件提取右转机动车与行人和非机动车冲突数据,建立标准统一的冲突数据库,以此为基础对比分析右转车流正常行驶状态和受到干扰情况下通过道路交叉口时的车速和过街时间,并建立右转车辆距离机非冲突点不同位置时所对应不同速度的统计模型。研究结果对右转专用相位设立标准的建立和相应信号配时方案的设计具有一定的工程指导意义。 相似文献
2.
3.
4.
5.
6.
基于单双号限行措施的北京市交通需求管理策略分析 总被引:1,自引:0,他引:1
北京市交通管理局于2007年8月17号至20号在全市行政区域道路内实施了一项特殊的交通需求管理策略:机动车“单双号”交通保障措施。根据规定,在测试期间实行机动车单日单号行驶(8月17和19)、双日双号行驶(8月18和20)。为了研究该策略的有效性,对限行期间交通流变化数据进行了分析,通过对比限行前后交通流参数统计规律的变化特点得到如下结论:①作为一种强有力的交通需求管理手段,单双号限行期间每天停驶的机动车接近50%,因此城市交通拥堵得到缓解;②即使采取严格的限行措施,在数据采集点某些特殊时段的交通压力依然接近或超过阻塞密度,其他交通需求管理策略需同步配合实施才能够为2008年奥林匹克运动会提供高质量的交通服务。 相似文献
7.
8.
外部环境因素对城市交通预测有较大影响,尤其在交通事件发生时,由于交通流的随机性和非线性特征,交通异常情况下的预测精度往往较低。为此,基于深度学习理论,提出一种以序列到序列模型(Sequence-to-sequence,Seq2Seq)为主体,融合外部因素特征的城市道路行程时间预测方法。利用时间序列分解算法(Seasonal and Trend Decomposition Using Loess,STL)挖掘交通历史数据的时序周期规律,结合交通事件数据深入分析交通异常产生的原因,并建立堆叠降噪自编码器模型(Stacked Denoising Autoencoder,SDAE)提取时间属性和交通事件数据的潜在特征。以北京市北四环中路和G6京藏高速路段为例,对预测模型的准确性和可行性进行验证,通过重复性交通事件和非重复性交通事件下的案例试验,对SDAE组件的有效性进行分析。研究结果表明:模型的单步和多步预测性能均优于基线模型,预测精度最高达到了87.71%;与其他输入了交通事件数据的模型相比,以SDAE作为外部组件的模型具有较好的预测性能和鲁棒性,能够适应复杂多变的交通流,在智能交通系统的短期预测上有显著的优越性,可以增强管理系统的调控能力,降低城市交通的拥堵成本。 相似文献
1