车辆协同巡航控制系统设计改进与试验评价

为提高交通流运行的机动性、稳定性，对车辆协同巡航控制(CACC)系统进行了改进设计. 基于经典Newell 模型提出了考虑CACC的改进跟驰模型，分析了所提出的CACC改进跟驰模型的动力学特性，给出了CACC改进跟驰模型的线性稳定性条件，并对由CACC车辆和非CACC车辆组成的非均匀车队的不同无线通讯拓扑结构进行了比较研究. 通过数值试验进一步研究了在起步、刹车和意外事件的情况下，CACC车辆的存在对交通流动力学的影响. 研究结果表明，通过合理设计CACC跟驰系统的模型参数取值后，CACC车辆的存在一方面可以提高交通流运行的机动性与稳定性，另一方面可以使交通出行更加的安全和舒适. 此外，由于不同车队中CACC车辆的无线通讯拓扑结构会影响交通流的机动性与稳定性，对于 CACC车辆的无线通讯拓扑结构应慎重的设计与优化.     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率，优化客运资源配置，依托人口迁徙大数据，建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离，分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型；利用人口迁徙大数据，绘制基于出行距离的客运方式分担率曲线，对优势出行距离模型进行求解. 结果表明，我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km，相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于网络交通分配方法族谱的交通分配 一体化技术与工程应用

为满足交通规划、建设与管理等应用场景对交通分配多样化的需求，结合目前交通分配方 法族谱中的众多模型与方法，本文构建能够满足族谱中所有交通分配特征的一体化交通分配技 术框架，提出交通网络交通分配一体化技术体系，并将该体系嵌入交通分析平台软件“交运之星- TranStar”中。该技术体系包括：“模型关键参数”“交通阻抗函数”“交通网络交通分配基础模型与 快速算法”3部分模块组合的分析模型一体化；面向步行、自行车、机动车及公共交通等多模式交 通网络的分析对象一体化；针对城市土地开发，交通网络建设，交通管理控制，公共交通系统，以 及交通政策制定等应用场景一体化。选取南京市道路网络和公交网络进行实证分析。结果表 明，本文提出的交通分配一体化技术具有处理超万节点多模式交通网络的能力，对各类交通模 式、典型业务场景的分析结果可为城市交通系统规划、建设与管理提供决策支持。     

综合交通系统“多网合一”交通分析模型与算法

为解决综合交通体系中不同交通方式各自为政、条块分割的问题，研究了综合交通体系融合发展中缺乏一体化交通分析技术的瓶颈，提出了以交通枢纽为关键，覆盖铁路、公路、水运、航空、管道以及城市道路的“多网合一”的物理网络与虚拟网络拓扑结构模型; 构建了服务各交通运输方式、结果量化可比的交通阻抗函数模型与优势运输距离模型; 研发了异质交通网络环境下的一体化交通分配模型与算法，提出了综合交通系统客运组合出行与货运多式联运的交通量分析方法，形成了服务于综合交通系统一体化融合发展的交通分析模型与技术体系; 通过完全自主的“交运之星——TranStar”综合交通版交通仿真分析软件，搭建了综合交通系统虚拟仿真平台，实现了对大规模综合交通网络规划建设与运行管理的快速响应，并验证了分析模型与算法的可行性。研究结果表明:相比传统分析方法，提出的交通分析模型与算法可满足“多网合一”条件下综合交通系统的各类分析需求; 利用提出的交通分析模型与算法对综合交通网络的交通流量进行分析，相对误差不超过3%，平均误差不超过2%，分析结果精度高，满足工程实践要求。      

基于数据融合的公交到站时间组合预测模型

为优化公交系统运营时间管理,提升公交系统信息化服务水平,针对多公交线路共线的情况开展研究,提出了一种基于多公交线路数据融合的公交到站时间组合预测模型。该模型由公交行驶时间预测子模型和公交站点停靠时间预测子模型组成,旨在最大限度地提取公交运行相关信息用于公交到站时间预测,进而减少预测的误差。为了混合和充分利用多公交路线的时间数据,提出了3个加权平均时间作为模型的输入变量,并引入了遗忘因子函数(FFF)体现数据对加权平均时间计算的不同贡献。根据支持向量机(SVM)在预测到站时间时的良好表现,采用了SVM预测公交停靠与行驶时间。为验证并评价文中提出的模型,采集了江西省宜春市的公交运行数据,数据覆盖11个路段、12个公交站、16条公交线路。预测的结果表明,引入多线路数据融合的组合预测模型可以显著提高公交到站时间的预测精度,最优的行驶时间预测子模型和停靠时间预测子模型分别为R1和D7,而最佳的公交到站时间预测模型则为R1+D1。相比以往研究的结果,基于多公交线路数据融合的公交到站时间组合预测模型R1+D1在到站时间预测精度方面的提升为13. 92%(MAPE)和14. 48%(RMSE)。此外,FFF的变化及其参数取值会影响时间预测模型的预测结果。     

车辆协同巡航控制系统设计改进与试验评价

为提高交通流运行的机动性、稳定性,对车辆协同巡航控制(CACC)系统进行了改进设计. 基于经典Newell 模型提出了考虑CACC的改进跟驰模型,分析了所提出的CACC改进跟驰模型的动力学特性,给出了CACC改进跟驰模型的线性稳定性条件,并对由CACC车辆和非CACC车辆组成的非均匀车队的不同无线通讯拓扑结构进行了比较研究. 通过数值试验进一步研究了在起步、刹车和意外事件的情况下,CACC车辆的存在对交通流动力学的影响. 研究结果表明,通过合理设计CACC跟驰系统的模型参数取值后,CACC车辆的存在一方面可以提高交通流运行的机动性与稳定性,另一方面可以使交通出行更加的安全和舒适. 此外,由于不同车队中CACC车辆的无线通讯拓扑结构会影响交通流的机动性与稳定性,对于 CACC车辆的无线通讯拓扑结构应慎重的设计与优化.     

基于广义出行费用的城市综合交通方式优势出行距离研究

为研究城市综合交通网络结构,帮助决策者合理配置城市交通资源,本文研究了城市综合交通网络中基于广义出行费用的各交通方式优势出行距离概率密度曲线.分析居民出行的广义出行费用(即交通方式的服务水平,包括出行时间和票价等)可以确定城市中常见交通方式出行所需的平均花费水平,从而构建出同一出行网络中不同交通方式优势出行距离的概率密度曲线,对概率密度曲线进行分析和拟合可以得到固定形式的基于广义出行费用的城市综合交通方式优势出行距离概率密度模型.最后,以南京市为例进行实证分析.     

出行者环保意识对低碳交通政策支持度的影响

为减少汽车尾气污染,政府部门应制定交通政策推动出行者采用低碳出行方式。有效的交通政策需要深入了解影响出行者低碳出行的心理因素。通过实证分析,研究出行者环保态度、环保行为、公交偏好等潜在变量对低碳交通政策支持度的影响。基于结构方程模型（SEM模型）的基本原理,建立模型假设,并通过Mplus进行数据分析。研究发现,环保态度会直接影响环保行为、公交偏好,环保行为直接会影响公交偏好,公交偏好会直接影响低碳交通政策支持度;但环保态度和环保行为对低碳交通政策支持度没有直接效应。在95%的置信水平下,性别、婚姻状况、私家车拥有情况、房产拥有情况、是否开车上班对结构方程模型均无显著影响;但在90%的置信水平下,性别、教育程度对结构方程模型的影响显著。      

家庭收入差异对出行方式选择的影响分析

出行者时间价值是影响出行决策的最重要因素之一,研究时间价值有利于准确构建方式划分离散选择模型.在分析居民出行调查数据的基础上,应用聚类树分析对家庭收入分组的合理性进行了探讨,分别对每种出行方式的出行者家庭收入统计分析,说明家庭收入对家庭成员出行方式选择的影响.在说明家庭收入与出行时间价值之间关系的前提下,提出家庭共享时间价值的概念,数据拟合的结果发现家庭共享时间价值服从对数正态分布.分别基于MNL模型和ML模型构建出行方式选择模型以家庭共享时间价值为主要变量的对比模型,研究了设置家庭收入变量与不设置家庭收入变量、设置家庭收入分段变量与设置家庭收入常量、设置服从对数正态分布的费用项随机系数与不设置费用项随机系数3类情况下模型的精度和准确程度.当设置家庭收入变量且费用项系数服从对数正态分布时,拟合效果最优,居民对交通出行的主观支付意愿期望值约为家庭共享小时收入的2倍.      

基于递归框架的高速公路交通流量实时预测方法

实时与准确的断面交通流量预测是实现高速公路智能化管理与控制的基础。高速公路交通流量预测要求对数据噪声进行有效处理，且需要满足实时性需求。然而，少有研究从实时性的角度对高速公路交通流量预测的准确性进行改善。研究了结合自适应卡尔曼滤波与长短时记忆神经网络（long short-term memory，LSTM）自编码器的高速公路交通流量递归预测框架，可以满足智能交通系统的实时性与准确性需求。收集高速公路的交通流量和速度等历史数据，应用卡尔曼滤波方法进行数据平滑，以提高原始数据的可预测性能；引入无监督机器学习算法LSTM自编码器对交通流量的时变特征进行建模，以提高模型的运算效率；考虑到高速公路交通流量预测的实时性需要，进一步提出递归预测框架，用LSTM自编码器的预测值代替卡尔曼滤波值；根据获取的实时数据，执行自适应卡尔曼滤波算法以修正当前的最佳状态值，并将该修正值输入LSTM自编码器进行迭代预测。选取美国明苏尼达双子城高速公路的实测交通数据进行案例分析，结果表明:所提出的高速公路实时交通流量递归预测框架在计算成本与预测精度2个方面具有相对竞争优势，模型预测的平均绝对百分比误差为5.0%，优于卡尔曼滤波和LSTM自编码器组合模型的7.4%；模型训练时间为85 s，低于标准LSTM模型的101 s。