间断流速度-密度关系模型研究

为了得到城市道路间断流的速度-密度关系,定义了宏观速度和密度参数,利用VISSIM仿真获取基础数据并进行统计分析,进而引入4参数Logit模型完成数据拟合,建立了速度-密度的4参数Logit模型.其次,分析了交通组成、道路几何形式和信号控制参数对模型参数的影响,完成了模型参数与影响因素之间的多元回归拟合,建立了适用于不同条件下的间断流速度-密度模型.通过实际数据验证,得到的一般4参数Logit模型的拟合优度为0.7左右,能够较为准确地描述间断流速度-密度关系.     

一种基于幂级数展开和最小二乘法的高速公路稳态速度-密度平衡关系式的辨识算法

提出了一种新的辨识Markos Papageorgiou提出的高速公路交通流模型中稳态速度-密度平衡关系式的算法.该算法分为两个步骤,第1步,利用幂级数的原理,将该关系式由非线性模型转换成线性模型;第2步,采用最小二乘法辨识线性模型,并在此基础上获得非线性模型的所有参数,从而达到辨识稳态速度-密度平衡关系式的目的.理论分析和仿真结果均表明,与传统的非线性辨识算法相比,该算法大大提高了模型辨识的运算速度,同时可以实现任意的辨识精度.     

基于Logistic曲线的交通流速度-密度关系建模

为了解析交通流速度与密度关系,推导出了一组交通流参数物理意义明确且符合交通流特性的通用Logistic模型.从Logistic模型本质出发,讨论速度变化率的表达形式,结合交通流实际情况修正速度变化率并引入速度上确界概念,建立了一系列Logistic模型;通过改变取值,给出了模型参数变化对Logistic速度-密度曲线的影响,并细致讨论了参数的物理意义及获取方法;最后分别采集区段和断面的全交通状态数据进行模型验证.结果表明:模型3对2组数据的拟合优度分别为0.931 3和0.970 4,该模型能够很好地描述不同状态下的交通流特性.     

基于驾驶行为共性建模的速度-密度关系研究

为了能对车流的速度-密度关系进行准确描述及对现实交通中的速度陡降现象进行解释,首先提取出驾驶行为共性:(1)驾驶员利用与渴望车速对应的心理车头间距来判断前方的交通流状况;(2)驾驶行为中加速或减速行为是驾驶员根据前车传递的交通信息和自己对此信息的时间和空间理解来进行的,并且以回波速度向后传递。此后,在对这些驾驶共性进行数学描述的基础上建立一种以车头间距和驾驶员反应时间等为参数的回波速度和速度-密度关系模型,通过分析模型中驾驶员反应时间这个参数在加速和减速时的不同选择对速度陡降现象进行解释。最后,使用MATLAB7.0软件数值模拟计算回波速度和速度-密度关系,计算结果表明:回波速度最大值与相关文献给出的值吻合,速度-密度关系曲线与观测的数据吻合,驾驶员反应时间变化是产生速度陡降现象的根本原因。     

�¹�Ӱ����·������ʱ���ݱ���⶯̬ģ��

为描述交通事故影响下路网中走行时间与用户择路概率的相互作用及其演变规律,建立了基于事故路段及非事故路段流量状态及LOGIT原则的拟动态模型.利用分流合流模型及速度—密度函数,分别建立路段容纳车辆数和非事故路段走行时间模型,通过分析事故路段交通流的演化过程,利用交通波理论估计排队长度 ,建立事故路段走行时间模型.结果表明：事故发生前,经过一定的模拟时段后,路网交通流趋近稳定,各条路径的选择概率趋于平衡;事故持续时段内,排队长度、路径走行时间、路径选择概率相互影响,且均呈现出震荡状态;事故清除后,路径走行时间持续下降;排队完全消散后,经过一定时段稳定后的路径走行时间和路径选择概率达到新的平衡.     

基于SIMULINK的汽油机速度模型与仿真

根据汽油机的动力学原理,在MATLAB/SIMULINK下建立了各子系统的模型,并比较了不同的燃油动态子模型对转速的影响,仿真结果表明燃油动态对暂态转速影响显著,并验证了燃油参数使系统成为非线性的作用比节气门开度、发动机负载等的作用更大。     

Logistic modeling of the equilibrium speed-density relationship

The fundamental diagram, as the graphical representation of the relationships among traffic flow, speed, and density, has been the foundation of traffic flow theory and transportation engineering. Seventy-five years after the seminal Greenshields model, a variety of models have been proposed to mathematically represent the speed-density relationship which underlies the fundamental diagram. Observed in these models was a clear path toward two competing goals: mathematical elegance and empirical accuracy. As the latest development of such a pursuit, this paper presents a family of speed-density models with varying numbers of parameters. All of these models perform satisfactorily and have physically meaningful parameters. In addition, speed variation with traffic density is accounted for; this enables statistical approaches to traffic flow analysis. The results of this paper not only improve our understanding of traffic flow but also provide a sound basis for transportation engineering studies.