结合改进跟驰模型的交通流元胞自动机模型

为更好地分析交通流运行规律,实现有效的交通控制和优化,提出结合改进跟驰模型的交通流元胞自动机(cellular Automata,CA)仿真模型.首先在分析正比于速度的间距倒数模型和Bierley模型特点的基础上,改进得到更符合实际的跟驰模型,进而创建的CA模型结合改进跟驰模型计算并离散化得到的加速度,进行车辆及整条车道的状态更新.通过模型仿真,得到速度差灵敏度系数λ、车辆间距灵敏度系数k和安全距离参数α不同取值时的交通流基本图和X-t时空状态图.通过仿真发现,λ,k的取值很大程度影响图形形状,而α的影响较小,同时模型仿真再现了交通流状态的动态衍化过程.通过试验验证,该模型仿真得到的Q-ρ关系曲线和实际交通流一致,且可模拟再现实际交通流的失稳、阻塞演化、走走停停等非线性交通流现象.     

基于最小安全距离的车辆跟驰模型研究

在传统的基于车头时距的安全距离模型和基于制动过程的安全距离模型的研究基础上,针对前导车分别处于静止、匀速和匀减速等不同行驶状态,相应地建立了单车道跟驰状态下跟随车与前导车不发生追尾碰撞的最小安全距离模型,并充分考虑了车辆制动过程中减速度渐变的过程,避免了以往模型中采用制动减速度突变的问题。最后,通过M atlab仿真系统对改进模型和传统模型进行了同等条件下的仿真,仿真数据从理论上验证了改进模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题,可为今后研究跟驰模型提供一定的参考。     

基于侧向车辆影响的跟驰模型建模及仿真

应用实际交通数据对现有的2种跟驰模型进行模拟验证,结果显示,其与实测数据均存在一定误差.之后通过分析车辆在跟驰状态下行驶所受影响因素,结合驾驶员心理,在优化速度模型的基础上结合侧向车辆的影响因素建立新的交通流跟驰模型.通过线性稳定性分析,得到了模型的稳定性条件,分析结果表明,模型稳定性受侧向邻车行驶状态的影响,侧向影响越小,模型稳定性越好.通过西安市某路段的交通数据对新模型进行了验证,结果表明,相对于优化速度模型,新模型仿真结果更贴近实测交通数据,均方差降低62.89%,最大绝对误差降低66.39%,最小绝对误差降低33.4%.      

基于车辆个体行为的交通流跟驰模型研究

用改变参数取值的方法来将个体差异这一重要思想引入跟驰模型,实现对FVD(全速度差)模型的优化,对模拟交通情况和优化交通管理有积极意义.研究实现了驾驶员行为的个性化描述,采用敏感程度的概念并用一个标准正态分布中的取值表示,分析了个性化行为和模型参数的联系,实现了模型的优化和优化后模型对启动车流和稠密交通流扰动传播的数值模拟.     

考虑横向干扰的交叉跟驰模型研究

在传统跟驰模型的基础上,对车辆横向位置分布进行了实地调查,分析了周边交通场景对跟随车的横向干扰特性。引入最大转移速度和疏散路程参数,建立了交叉跟驰模型并进行了交通仿真。统计分析结果表明:行驶车辆横向位置分布基本符合正态分布,跟随车的行为变化与车辆偏离中心线的距离大小有关,交叉跟驰模型可以更加准确地反映实际道路交通场景。此模型的建立能够揭示车辆微观交互行为,对保障车辆运行安全和交通流稳定性具有重要的现实意义。     

短时交通流的非线性动力学特性

基于Bierley跟驰模型理论,建立了由5辆机动车组成的动态交通流仿真模型.利用Matlab软件产生了5辆机动车的交通流时间序列,分析了相邻前后车辆的车头间距、速度差等变化过程,对仿真结果与实际交通流特点做了理论分析.讨论了模型参数对交通流动力学特性的影响,并从理论上证明了短时交通流具有混沌特性.结果表明:后车驾驶员对前后车相对速度和前后车车头间距越敏感就越容易出现混沌现象.     

自然交通流的跟驰特性研究

在大量实际观测交通流数据的基础上，在研究跟驰车辆表现出的运行特性基础上，本文提出一种基于跟驰特性的车型分类新方法，数据分析表明，将自然交通流中的车辆划分为大型车和小型车就可以刻画出自然交通中不同车型所产生的影响，在此基础上，深入分析了小型车和大型车的分别作为前导车与后随车的跟驰特性，探讨了车型对驾驶员选择跟驰间隔所产生的物理与心理影响因素，并对车速的影响进行了分析。     

基于分子跟驰特性的交通流稳定性分析

交通流稳定性分析是研究交通堵塞、交通事故和交通流特性的基础,对于提高车辆行驶的安全性和道路通行能力等方面的研究都具有重要的现实意义.首先基于分子动力学理论,考虑前导车的行为变化以及外界环境变化等因素,对处于理想状态下的稳态车队进行了分析.然后采用微扰法从微观和宏观方面对交通流进行了稳定性分析,建立了基于需求安全距离的微扰跟驰模型.最后应用Matlab对微扰法研究结论进行了数值仿真分析.结果表明,当处于平衡状态的车队中的某车辆受到微扰后,车队能否在波动后恢复稳定状态与驾驶员反应强度系数的取值大小有关.     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

混合神经网络跟驰模型的建立

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。     

一种基于交通熵的交通流无序度量方法

交通流无序转化过程的研究需要对交通流无序进行定量的描述。为了定量描述交通流无序，通过对有序、无序概念的分析，给出了一种交通流无序的定义；在此基础之上，应用交通熵理论提出了一种交通流无序的度量模型，并应用该交通流无序度量模型对实际道路交通流无序阂值作了分析。计算了9种不同道路交通流的无序阈值，通过其结果比较分析，得出一个基本结论：当阈值N为1．10时，实际道路交通流为交通流无序状态。此时，车速一般小于设计车速的30％。该模型成功地解决了交通流无序度量问题，为交通流有序与无序之间的转化过程研究提供了理论基础。     

一种新的基于细胞模型车流模拟方法

考虑到原始细胞传输模型(CTM)在处理多细胞汇合、分岔以及多对细胞流线间交叉等情形时存在明显的局限性,通过分析细胞间车流流线关系来反映多种不同细胞连接结构,提出一种新的基于细胞阶段传输车流量累计模拟方法(简记ASCF-TS),不仅满足了细胞内车流的FIFO规则和细胞输送车流能力约束,同时也能满足流线交叉点的车流输送能力约束,有效处理车流流线交叉产生的优先权问题,增强了CTM模型的适用性.最后的数值算例结果表明,所提出的ASCF-TS车流模拟方法能有效处理多细胞汇合、分岔情形,且相比较于原始CTM模型,能模拟出车流在交叉口流线交叉的滞后影响,方法具有较强的时间有效性.     

基于模糊模型的跟驰车流特性研究

针对有关车辆跟随的传统车流跟驰理论存在的许多不足,分析了跟驰模型存在的问题,提出采用模糊模型来建立局部车流跟随模型,并针对隐性知识问题,提出了采用输入-输出数据对来设计模糊规则,应用权重来解决规则冲突问题并简化规则库.通过实例验证了模糊模型较之跟驰模型的优势.证明模糊模型更能有效地模拟真实的局部车流模型,其将对车辆避撞预警的研究提供理论上的参考价值.     

路段交通流的动力学模型及其仿真

引入超车换道流量,建立了相应的交通流连续性方程。通过对交通流参数的微分分析,建立了路段交通流的运动微分方程。与流体力学对比,根据牛顿第二定律,提出了计算简便的交通压力、粘性阻力系数及粘性阻力,定义来自下游交通波的干扰为交通流的粘性,波速与最大波速之差为沿程粘性阻力系数,沿程粘性阻力与车道长度、流量沿车流方向的变化率、沿程粘性阻力系数成正比,模型能够得出交通流参数之间的关系。仿真实例表明:模型能够反映交通流的基本特性。     

高速公路交通流混沌特性研究

提出了一种基于Zuo Binwu矩阵算法的判别交通流混沌的最大Lyapunov指数改进算法，并用这种改进算法和功率谱法研究了高速公路实测交通流的混沌问题。绘制了高速公路交通流实测的时间序列的功率谱曲线。通过分析这种车头间距的功率谱曲线，可以明显地观察到交通流频谱出现了噪声和宽峰的变化。应用最大Lyapunov指数改进算法计算这些时间序列的最大Lyapunov指数，用它判定实测交通流是否存在混沌现象。结果表明高速公路实测交通流中存在混沌现象。最后对结果作了分析．得出了对于研究与应用交通流有益的结论。     

交通流时空描述模型

为了描述车辆排队的演化规律并揭示交通多米诺效应的形成机理,基于图论和矩阵论,从实际问题的需求出发,建立一套描述交通流时空特性的模型体系。首先,分别建立信号配时描述函数、道路特性描述函数和交通流特性描述函数;然后,提出交通流与时间的关联函数和交通流与空间的关联函数;最后,以一个平面十字交叉口为例,给出分支向量、车道向量、车道属性向量、交通流存在性矩阵、流量矩阵、交通流冲突矩阵、信号相位矩阵、交通流-相位关联矩阵和交通流-车道关联矩阵。结果表明:本文所述模型能为研究车辆排队的网络效应提供有力工具。     

基于交通流元胞自动机模型的车辆当量换算

将一维元胞自动机模型用于模拟周期性边界条件下高速公路的车流运动,用随机慢化FI模型对一定交通环境下车流的车速与密度之间的关系进行仿真分析。探讨了不同车型和车速对道路最大流量(最大通行能力)的影响。依据不同车型在同一道路上的不同通行能力,提出了一种不同车型车辆之间当量换算系数的确定方法。在模拟仿真过程中,考虑不同类型车辆的最大行驶速度及所占空间不同,仿真模型具有不同的参数。通过计算机模拟,得到不同车型的交通流基本图,根据相同道路条件下的最大流量值,给出了以通行能力作为基准时当量换算系数的计算公式。