城市交通流路段行程时间预测模型

建立较为精确的城市交通流路段行程时间预测模型是建立诱导系统的关键,本文所建的预测模型充分考虑了交通延误变化的灵敏性,将汽车在路段上的运行时间分为两部分,分别预测,经过实测数据检验,该模型具有很好的效果。     

基于路段行程时间可靠性的交通分配方法研究

行程时间可靠性已经成为道路网性能的主要指标之一,首先在总结已有路段行程时间可靠性的有关算法之后,计算了路段的行程时间可靠性。然后,将路段行程时间可靠性作为路阻函数,从用户均衡分配模型(UE)加以引申,建立了行程时间可靠性分配模型,并给出了相应的算法,最后,应用于实际的路网中进行了检验。     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。     

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

城市道路分类别路段行程时间函数研究

分析与城市路段行程时间函数分类相关的路段属性,根据其中关键属性的组合对城市路网的所有路段进行分类;以市域内车辆自动检测仪器提供的速度和流量数据为基础,通过对速度-流量关系的分析拟合,标定各类路段的通行能力、自由流速度、流量达到通行能力时的临界速度这三个关键参数从而确定函数模型,并通过杭州市实例进行了验证。     

确定动态交通分配中路段行驶时间方法的研究

在分析和评述现有路段行驶时间函数优缺点的基础上,提出了路段行驶时间由在非拥挤部分的走行时间和排队部分的走行时间2部分构成的思想,最后给出了计算非拥挤部分走行时间的关键因素,即交叉口车辆排队长度的计算方法.     

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.      

路段容量随机下降路网的行程时间可靠性

基于均匀分布的路段容量,分析了退化路网中路段行程时间的随机变动,构建了概率用户均衡交通分配模型,证明了等价数学规划模型解的等价性,设计了模型求解算法.在此基础上,建立了路段、路径及OD对行程时间可靠性计算模型.最后,在一简单网络上进行了计算分析.     

弹性需求下路段行程时间波动的收敛性

分析了弹性需求下路段行程时间的波动随道路长度延伸的收敛性.采用 MITSIM仿真路段上车辆的行驶过程,根据仿真数据计算车辆通过该路段的预期行程时 间,路段入口处的交通需求由需求函数及预期行程时间确定.通过记录所有车辆驶入、驶 出该路段的时刻获取车辆的实际行程时间.用行程时间标准差系数来衡量行程时间波动 性.数值算例对不同潜在交通需求的情况进行分析.结果表明,对任意确定的潜在需求,在 弹性需求的作用下,路段行程时间的波动性都将随着路段长度的延长而趋向收敛,随着 潜在交通需求的增加收敛速度减小,弹性系数的增加则促进行程时间波动的收敛.     

���е�·����ʱ���˹���ģ���о�

城市道路旅行时间是城市交通系统的重要表征参数.基于利用车牌识别系统所检测到的高样本率的车牌数据进行匹配获得信号控制路段的旅行时间数据,本文应用高斯混合模型研究了城市道路旅行时间分布的估计方法,对比了高斯混合模型与正态分布、对数正态分布、Weibull分布模型的差异,并在此基础上分析了高斯混合模型中密集峰的数量对拟合结果的影响.结果表明,针对本文应用的数据,城市信号控制路段的旅行时间可以用高斯混合模型进行良好的表征,恰当的密集峰值往往是2个或3个,更多的密集峰值数量并无实质性影响.研究结果可以为城市信号控制道路旅行时间可靠性等的进一步分析提供良好的支撑.     

基于FCD的旅行时间估计算法研究

根据FCD(Floating Car Data浮动车数据)的特点建立基于FCD旅行时间估计的Kalman滤波模型以及BP神经网络模型,运用上述两种模型进行路段旅行时间短时预测,路段平均旅行时间为输入变量,输出预测路段的旅行时间,并用实测数据进行分析验证.结果表明,针对路段短时旅行时间估计,Kalman滤波模型方法的预测精度要优于BP神经网络方法.     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

基于路段走行时间可靠性的路网容量可靠性

为了减少了计算工作量，基于路网容量可靠性概念的分析，构造了基于路段走行时间可靠性的路网容量可靠性双层规划模型，根据模型中反映的路径选择行为为用户平衡的特点，用灵敏度分析法求解路网容量可靠性模型，并给出了1个简单的算例．算例结果表明，该模型能够用于评估随机环境下的路网性能，并为路网性能的改善提供依据。     

���ڳ���ʱ��ģ�͵��ճ���ʱ�����

交通需求管理和控制与时间因素密切相关,对出行时耗的研究是出行行为分析的重要内容. 本文提出了用于出行时间分析的持续时间模型,讨论了通勤者日出行时间投入随出行者及其家庭社会经济属性、活动和出行特征变化的连续分布规律. 模型用已投入出行时间约束下出行结束的条件概率更准确地描述了出行的动态过程,从对活动与出行之间派生和竞争关系的分析,部分地反映了通勤者的时间分配行为. 分析表明,出行时间最小化的行为假设对大多数通勤者成立. 本研究为出行时耗的定量研究提供了更准确有效的分析工具,对于准确把握通勤者时间分配行为有重要意义.     

基于MLR的公交车行程时间预测模型

分析了站间距离、上下车乘客数、停车延误等因素与公交车行程时间存在的线性映射关系,推导并建立了多元线性回归(MLR)模型,利用大连市21路公交车的数据,对模型进行了标定和检验,并对线性模型的误差来源进行了详细的分析和探究.重点探讨了行驶车速-行程时间线性相关性、乘客数-停站时间线性相关性、延误和行程时间线性相关性,解释了MLR标定的系数的含义,并阐述了导致MLR模型产生误差的来源,分析了非线性因素的影响.研究结果表明多元MLR模型能够解释影响因素与行程时间之间的线性因果关系,可以用来估计和预测公交车行程时间.