信号交叉口右转机动车与行人和非机动车冲突研究

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。     

混合交通状态下交叉口排队机动车流启动车头时距研究和应用

研究的主要内容包括:信号灯控制道路交叉口红灯周期形成的排队车辆,在放行后不同车型的启动时间和不同车型组成的混合机动车流车头时距的分布研究;混合交通状态下机动车启动通过交叉口时受到干扰后的延误时间研究;利用上述研究成果对混合交通状态下交叉口排队车辆的放行绿灯时间进行估算。课题以现实交通数据为基础,通过统计分析结果最终建立放行绿灯时间估算表,对混合交通状态下道路交叉口信号灯的配时起到指导意义。     

经典交通流模型在城市车路不均衡发展评价中的应用

提出了一种基于经典交通流模型的城市车路不平衡发展所产生影响的分析和评价方法,并以北京市为例,通过Param ics交通流仿真软件计算得出了城市车路发展的不均衡性对于交通状态所产生的影响。所得到的研究结果可作为相关修正系数应用于城市智能交通系统社会综合效益评价中,能够使得评价结果更加客观与准确。     

无信号控制路口通行能力仿真分析

在无信号灯控制路口处,按照可接受间隙理论,分析主路不同流量下对次路通行能力的影响,并对不同主路车流进行比较,找到对次路造成阻碍作用的主路车流之间的定量关系,分析当次路对向车流量变化时,这种定量关系变化趋势,从而为设置信号灯提供依据.     

非机动车摩擦干扰对机动车流速度分布的影响研究

机动车流的速度分布是度量路段交通状况的重要指标.在提取和分析大量机非混行路段交通数据的基础上,给出了非机动车摩擦干扰对路段机动车流速度分布的影响结果.结果表明:机动车在交通流量较低(密度不大),非机动车在交通流量较高(密度较大)时,无干扰和有干扰情况下机动车流速度分布可以分别用对数logistic分布和logistic分布在来描述.这一结果将用于机非混行路段的车辆通行能力分析和相关控制策略设计之中.     

基于单双号限行措施的北京市交通需求管理策略分析

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。     

基于机动车行人冲突分析的右转专用相位设置仿真

为缓解右转机动车和行人冲交,提出一种解决方案是在信号灯控制道路交叉口引入右转专用相位.为了评估设置右转专用相位的有效性,首先通过视频数据深入分析了右转机动车在交叉口与行人和非机动车的交通冲突;结合所分析出的冲突特征设计仿真模型后基于仿真结果比较和研究不同右转专用相位配时方案的有效性.研究结果表明右转专用相位的设置是否能够提高通行效率与多方面因素有关,例如机非冲突概率、右转机动车到达率和右转车辆过街时间,同时给出了设置右转专用相位的关键技术参数.     

考虑交通事件影响的城市道路行程时间预测

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。