信号交叉口车路环境对电动自行车释放膨胀特性的影响分析

电动自行车数量的急剧增长导致其在绿灯释放阶段膨胀特性明显，进而加重了交叉口的机非冲突、降低了车流的通行效率。利用视频轨迹提取技术，通过光流法的表现形式描述直行电动自行车在绿灯期间的膨胀特征，并根据其密度变化、膨胀差异和电动自行车对机动车的影响程度，确定出释放初期为主要研究时段；同时，提出了一种反映电动自行车膨胀变化的新型指标膨胀度，分别通过线性相关分析、秩相关性分析和偏相关分析，确定了车路环境中影响膨胀度的动态因素和静态因素；最后基于6个信号交叉口的实测数据，建立各因素与膨胀度的数学关系模型，并结合实际交通条件，给出不同车路环境下电动自行车的管控措施与渠化方法。研究结果表明：车路环境中的电动自行车流量、机动车流量、电动自行车过街距离、非机动车进/出口道宽度、机非分隔带设置情况这5种因素对膨胀度的影响能力各异，右转机动车流量与膨胀度相关性最高。此外，动态因素与膨胀度之间具有确定的函数关系，存在电动自行车与机动车流量均衡效益最大的优势区域；静态因素的差异会导致电动自行车膨胀形式的变化；膨胀度可与动态、静态因素构建复合函数模型。研究成果可为混合交通流的渠化设计和信号配时提供理论依据和技术支持。     

公交与右转混合型专用道仿真分析及效益评价

为解决设置公交专用道所带来的道路资源利用率低，相邻车道交通压力增大，专用道分时段开启致使社会车辆行驶混乱等问题，基于车种分离思想，提出一种公交车辆与右转车辆混合专用道的组织方式，允许公交车辆与右转社会车辆共用一条车道，以寻求保持公交优先与减少对社会车辆影响的平衡点。为论证该方案的可行性，首先，针对所研究的道路环境，提出了基于流量生成模型与配时优化模型的车道组仿真流程；随后，在考虑红灯时右转车辆行驶特性的前提下，建立了人均延误和车均延误的双指标评价矩阵模型；最后，分别在MATLAB和VISSIM仿真平台上，实现了对传统车道组、公交与右转混合型专用道车道组和公交专用道车道组3种方案的效益评价，并对其中的关键影响因素进行分析。仿真结果表明：所提出的公交与右转混合型专用道车道组的总体车均延误与人均延误在大多情况下处于较低水平，而公交专用道车道组和普通车道组也具有各自的优势区域；公交与右转混合型专用道的车道组织方式可以在保证社会车辆延误不明显增加的情况下，有效确保公交车辆的优先性，在一定条件下具有适用性，在工程实践中可作为公交专用道的过渡或替代方案。     

基于猎人猎物优化与双向长短时记忆组合模型的汽车出车率预测

汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度，以及调控汽车保有量规模具有重要意义。为此，本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先，分析汽车出车率的关键影响因素，提取出17个特征影响因子，结合标准化处理后的重构时间序列，基于随机森林算法进行变量的重要度评估，筛选出最优特征集合作为预测模型输入；其次，为解决神经网络算法容易陷入局部极值的难题，建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型，利用HPO的探索-开发机制，实现BiLSTM框架的动态化搭建与精细化调参；最后，结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明：与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比，HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%～54.38%、20.67%～57.40%、27...