高速公路交通流状态估计方法研究

为了估计高速公路交通流状态,针对中国当前高速公路交通流监测技术和检测数据细度不足的情况,利用高速公路主线断面交通量数据,提出基于出入量法的交通状态估计方法。采集湖南省长益(长沙—益阳)高速公路8个主线交通流检测站实时数据,以5 min为统计间隔,得到5周的交通流量数据;采用出入量法计算各路段区间实时密度,考虑出入口匝道的影响,引入驶入、驶出率β、α修正密度计算方程,绘制流量-密度散点图,得到流量-密度方程。研究结果表明,在中国目前高速公路交通流检测设备安装密度较低、检测数据不完备、检测频率低的情况下,结合采用饱和度和密度两个指标,能较好地对高速公路交通状态进行估计。     

基于模糊的城市快速路交通流状态判别

“交通状态”具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视。因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态。在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则。该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据。     

基于模糊的城市快速路交通流状态判别

"交通状态"具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视.因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态.在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则.该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据.     

基于尖点突变理论的围岩稳定性分析

针对围岩失稳阈值的不确定性,通过有限元软件模拟隧道开挖过程,基于突变理论研究不同开挖步对应掌子面的变形规律,结合二分法使用曲线拟合法分析围岩失稳阈值,预判围岩失稳时机。结果表明:Ⅳ类围岩隧道宜采用台阶法边开挖边支护施工,拱顶沉降为隧道开挖主要风险控制点;突变理论能够动态把握围岩变形,模拟工况台阶法有支护、无支护、全断面法施工围岩变形突变分别发生在开挖70、56、60m位置。     

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明：美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。     

基于参数预测的高速公路交通状态判别

针对目前基于单截面检测数据的高速公路交通状态判别算法存在着判断阈值多,对拥挤样本依赖性强而拥挤样本采集困难等问题,提出了基于交通流预测的交通状态判别模型.预测过程中以车辆的平均占用时间作为预测的目标参数,利用神经网络建立预测模型,并通过相关系数法确定神经网络的输入层.在预测的基础上,以实测值与预测值之间的差值作为判别的依据,判别道路的交通状态.应用广深高速公路实测数据对判别模型的有效性进行检验,并与经典的McMaster检测算法做了对比,结果表明,所提出算法对拥挤样本依赖较少,判别精度高,鲁棒性高.     

高速公路交通流组织方法

介绍了高速公路交通流的概念、组织意义;分析了高速公路的特点及影响其安全通行的因素;阐述了交通安全管理者在日常情况下、恶劣天气条件下、发生重特大交通事故时对高速公路交通流实施科学有效的组织方法,达到预防或减少事故发生,确保高速公路安全畅通的目的。     

降雪天气下高速公路交通流状态划分

为了给降雪天气下高速公路交通管理者提供合理、准确的交通状态信息,提出了一种可用于高速公路降雪天气下交通状态划分方法。考虑到高速公路交通状态分类存在模糊性的特点,以速度、密度作为样本数据的特征属性,提出了改进的模糊C均值聚类(FCM)的交通状态分类方法。针对传统算法要求事先确定交通状态划分的数目c存在的缺陷,利用自适应函数求得聚类数c。以乌鲁木齐市机场高速公路为实例进行分析,获得降雪天气下交通流状态的划分结果。     

基于交通流运行特征的城市干线关键交叉口判别方法

缓解城市干线交通拥堵最直接的方法是进行干线协调控制,协调控制需要划分交通控制子区,而关键交叉口的判别是交通控制子区划分的关键.立足于交通流运行特征分析,选取交叉口饱和度、延误(服务水平)和行程车速等交通流运行指标,以无锡市梁清路为例,采取定量的方法,对干线关键交叉口进行判别.与传统的交通工程师凭经验判断,该方法更为科学合理,而且判别结果更为准确.     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计,提高估计精度,研究了基于时空特征序列匹配的交通流状态估计模型.通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态;分析影响城市道路运行条件的各项因素,引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征,提取3个维度8个特征1个附加维度组成交通...     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

交通流突变分析的变点统计方法研究

针对ITS的开发，建立了分析交通流突变的变点统计方法。依据交通流理论，结合均值变点模型，对突变存在与否的检验，变点个数的判定以及变点搜索的最小二乘法等问题进行了详细论述，最后利用英国南安普敦市的实际数据对上述算法进行了标定，并给出模型应用的实例，验证了方法的有效性。     

高速公路短时交通流预测方法对比分析

高速公路短时交通流预测对于高速公路智能管控具有重要意义。通过总结不同文献中关于高速公路短时交通流预测的研究内容,发现了目前高速公路短时交通流预测研究存在的不足,给出了高速公路短时交通流预测的流程,对高速公路短时交通流预测模型进行了分类比较,明确了不同模型的适用场景和优缺点,通过具体案例数据分析比较了KNN模型、SVM模型、LSTM模型的预测精度,研究发现KNN模型的预测精度最高,明确了数据质量和算法精度是交通流预测的关键。本研究可以为高速公路短时交通流预测发展提供借鉴。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于Matlab的高速公路交通流 RBF神经网络建模

通过对高速公路宏观动态交通流模型的分析,提出用Matlab神经网络工具箱建立了交通流RBF模型,讨论了RBF网络设计过程中的参数设置,仿真结果表明了RBF模型的有效性.由于Matlab提供的RBF的实现算法具有自适应确定网络结构和无需人为确定网络初始权值的优点,因此减少了网络训练的随机性,提高了训练精度.     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

高速公路交通流密度的主线速度控制设计方法

结合高速公路出入口的实际设置情况、高速公路交通流的运行特点以及高速公路主线速度控制方式的实际需要,对经典高速公路宏观动态交通流模型进行了一定的修正;针对改进后的交通流模型,利用非线性系统控制中的反步设计方法,给出了求解控制率的矩阵方程;并提出了使用模糊控制方法进行主线速度控制的设计思路,为解决交通流模型难以确定、交通流参数难以检测等情况下的交通流密度主线速度控制问题提供了一种新方法。     

基于时空图的交通状态转变时刻的判别方法研究

针对交通状态转变时刻的判断问题进行了研究,在传统的交通状态研究模型基础上提出了时空图在状态判别中的应用,并在利用前人提出的调整累积曲线方法进行了比较,证实了引入该方法的有效性和准确性,提高了对交通拥挤转变时刻的判定上的准确率,在交通流特性的研究中起到十分重要的作用。     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

基于状态判别的单点交叉口信号配时优化方法

为更好地根据交通流的变化状态实行相应的控制策略,提出一种针对不同交通状态采用不同控制目标函数的单交叉口信号配时优化方法。该法基于交叉口的占有率和流量比关系,把交通状态划分为空闲、畅顺、繁忙和拥堵4个状态。在不同状态下根据其不同的交通流特点,选用不同的控制策略和控制目标,设定不同目标函数进行配时优化。优化目标函数采用相对指标的3目标函数形式,把车辆平均延误、平均停车次数以及通行能力3个指标作为交叉口效益评价指标,可通过调整各个指标权重系数来满足不同交通状态下的配时需求。最后通过深圳市实际交叉口的例子进行计算和仿真。结果表明,该方法比经典配时方法在结合所提出的目标函数各指标上都优胜,目标函数更合理。