基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

基于机动车比功率的单点信号配时优化模型

为减少车辆延误和交通排放,基于机动车比功率提出信号交叉口红、绿灯期间污染物排放因子的标定方法.根据运筹学和交通流理论,以车辆延误和排放最小为目标建立单点交叉口信号配时优化模型.考虑小汽车尾气中的CO、HC和NOx三种污染物,利用 VISSIM 软件设计交通仿真实验,使用MATLAB软件编制参数标定和模型求解算法,根据车辆行驶状况数据标定每条车道组每种污染物的两类排放因子,并验证双目标信号配时优化模型.结果表明,与仅降低延误相比,双目标优化模型所获最优信号配时方案能使车均延误降低19%、交通排放减少11%.研究成果能有效减少交叉口延误和排放,为建立考虑交通排放的干道信号配时优化模型奠定理论基础.     

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务.为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据.为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所...     

˽�ҳ�������ͨ�ڳ���ʱ���ֵ

私家车出行者的通勤出行时间价值是实施和评价道路拥挤收费项目的重要参数之一。本文利用大连市私家车出行者意向调查数据,分别使用Logit模型和时间系数为常数、费用系数服从对数正态分布的Mixed Logit模型来标定私家车出行者通勤出行时间价值。标定的结果显示：两个模型标定结果中的各参数的t值都非常显著;Mixed Logit模型标定结果中的最大似然值和优度比都优于Logit模型;使用Logit模型标定的私家车出行者通勤出行时间价值为24.58元/小时;使用Mixed Logit模型标定的私家车出行者通勤出行时间价值服从参数为2.73和1.09的对数正态分布。在实施和评价道路拥挤收费项目时,推荐使用Mixed Logit模型的标定结果。     

降低交通排放的干线协调信号控制优化方法

为降低干线道路系统的交通排放量,基于机动车比功率改进红绿灯期间排放因子的标定方法,进而以相位有效绿灯时间为决策变量,构建使机动车排放总量最小化的干线交叉口群时空资源优化模型.分析相邻交叉口间车队延误与相位差的关系,改进以车队延误最小为目标的相位差优化模型.为验证模型,设计一个案例,根据传统方法获得参考配时方案,借助Vissim软件标定红绿灯期间的排放因子,并使用所提方法获得优化配时方案.结果显示,每种污染物绿灯期间的排放因子均明显高于红灯期间;与参考配时方案相比,优化配时方案下各交叉口车辆延误和排放量均减少8~11%.所提模型能同时降低干线交叉口群的车辆延误和交通排放量,可用于优化干线协调信号控制方案,进而缓解交通拥堵.      

���зֲ�����Ϣ��ģ��

熵最大化方法被广泛应用于交通规划，为交通需求预测模型提供了理论依据.本文使用信息论中的熵概念描述居民出行分布，并根据最大信息熵理论提出了基于原点矩典型特征量约束条件下的出行分布模型，详细阐述了模型中各个参数的实际含义，该模型是一个普适性模型，其具体形式决定于最高阶原点矩阶数的取值，此值对模型精度及参数标定难易程度有重要影响.为确定模型参数，提出了实用的参数标定方法.由于模型中原点矩的最高阶数对模型精度有较大影响，为找到两者之间的关系，利用长春市出行调查数据研究了四种出行方式分别时应于五种原点矩最高阶数的模型拟合情况.因文中所建立的模型是一系列模型，为比较其描述问题的优劣差异，按照最大信息熵原理给出了确定系统分布的熵方法，并运用该方法对前述模型进行了比较.调查数据的验证结果表明，出行分布的信息熵模型可以正确地描述出行分布规律，熵方法可以简单有效地评价不同模型对同一问题描述的优劣差异.本文提出的熵模型和熵方法对城市交通规划具有指导意义.     

考虑潜变量的自动驾驶汽车租赁行为

将自动驾驶汽车（autonomous vehicle，AV）与分时租赁、点对点（peer-to-peer，P2P）租赁模式相结合，为出行者提供新型的出行方式. 为探究出行者租赁自动驾驶汽车的行为特征，分析出行者对AV分时租赁、AV P2P租赁、私家车、公共交通的选择意愿及其影响因素. 基于出行方式选择意愿的调查数据，将结构方程模型（structural equation model，SEM）与多项Logit （multinomial Logit，MNL）模型相结合，建立同时标定显变量与潜变量参数的结构方程-多项Logit （structural equation-multinomial Logit，SE-MNL）模型，对比分析了MNL与SE-MNL模型的参数标定结果. 研究结果表明:在95%的置信水平下，显变量中的出行费用、车内时间、驾照情况、出行目的、婚姻状况以及潜变量中的便捷性、安全性、乘车体验、舒适性对出行者选择AV分时租赁或P2P租赁的影响都是显著的；SE-MNL模型的拟合度较MNL模型高出2%～3%.      

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明:驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。      

基于出行目的停车行为差异性分析

根据驾车者出行目的的不同,将其停车行为划分为通勤出行停车、非通勤出行停车和居民区停车。在对大连市中心城区的大型企事业单位、商业中心以及居住区进行停车行为调研的基础上,总结出各种停车行为的停车需求特点及相互之间的差异,并据此提出了3种出行目的的停车行为的需求管理措施。     

左转短车道长度与配时参数的协同优化模型

针对进口道渠化左转短车道的信号交叉口,研究交叉口时空资源的最优配置。基于短车道对进口道饱和流率的影响,建立联合优化配时模型。以大连市典型交叉口为例,运用MATLAB对优化模型进行求解,并通过VISSIM软件进行仿真试验。研究结果表明,交通组织与信号控制的协同设计可以实现交叉口时空资源的最优配置,从而充分发挥交叉口的能效。