基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素，通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据，利用基于DataFromSky云平台的AI视频分析技术，获得车辆运行参数。基于车辆运行时空图，得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征，分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明:不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同，排队位次越靠前的车辆，停车点分布区间越集中，下坡路段整体停车位置分布范围比上坡路段大；无论是上坡、下坡，还是缓坡，排队位次越靠前的车辆停滞延误分布范围越大，而靠后的车辆停滞延误分布范围小，最大值出现在下坡路段；不同路段类型车头时距分布均集中于1.5 s，上坡路段的车头时距离散程度最大，但峰值比下坡路段和缓坡路段小；不同路段类型的车头间距分布均集中于10 m，上坡路段和下坡路段车头间距分布出现左偏现象，而缓坡路段车头间距分布更为集中；车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性；道路平均坡度与相邻2车车头间距存在正相关性。      

神经网络方法在车头时距特性分析中的应用

信号交叉口的车头时距是道路及交叉口通行能力分析和信号配时设计中最重要的交通特性之一.由于影响车头时距的因素很多,在进行交叉口交通流模拟时,如何获得准确的车头时距一直以来是较难解决的问题.将神经网络方法用于车头时距特性分析,以便在一定的交通、道路条件下,获得某种车型的车头时距,为进一步分析城市信号交叉口的饱和交通流量、延误与损失时间,以及小汽车当量等特性奠定了基础,从而可以有效地解决城市和公路交通问题.     

交通组成对信号交叉口饱和流率影响研究

信号交叉口处车辆折算系数取值是否合理直接影响到信号交叉口计算通行能力的精确与否。以往的研究认为直行过程、左转过程和右转过程的车辆折算系数相同,忽略了车型和车辆运动之间的联系。针对北京市典型信号交叉口,对不同功能车道的车辆饱和车头时距进行观测。利用车头时距法对不同功能车道的车辆折算系数进行了研究,得出适用于我国现阶段道路交通条件下交通组成对饱和流率影响的修正系数模型。     

网联自动车混行状态下信号交叉口通行能力分析

车头时距是表征交叉口通行能力的主要参数。为探讨网联自动车混行状态下交叉口的通行能力,通过网联自动车跟驰模型推导通过停止线的安全车头时距,分析混行状态下4种跟驰行为,针对是否考虑前车类型,基于概率模型构建混合交通流背景下交叉口通行能力模型,通过参数标定分析网联自动车速度、车头时距、渗透率及信号控制对交叉口通行能力的影响,其中人工驾驶车辆的相关参数和模拟场景中涉及的数据均为实测所得。结果表明,网联自动车速度增加、车头时距减小、渗透率增加、不考虑前车类型都会提升交叉口的通行能力,混合交通流背景下提升交叉口通行能力的根本原因在于车辆通过停止线的均衡态车头时距减小;交叉口受信号控制时的均衡态车头时距越小,通行能力降低幅度越显著。     

混合交通状态下交叉口排队机动车流启动车头时距研究和应用

研究的主要内容包括:信号灯控制道路交叉口红灯周期形成的排队车辆,在放行后不同车型的启动时间和不同车型组成的混合机动车流车头时距的分布研究;混合交通状态下机动车启动通过交叉口时受到干扰后的延误时间研究;利用上述研究成果对混合交通状态下交叉口排队车辆的放行绿灯时间进行估算。课题以现实交通数据为基础,通过统计分析结果最终建立放行绿灯时间估算表,对混合交通状态下道路交叉口信号灯的配时起到指导意义。     

信号交叉口专用双左转车道交通特性分析

结合北京市典型信号控制交叉口实际情况,现场调查高峰时段7个保护相位下专用双左转车道的车头时距、周期流量、大型车比例等数据,对双左转车道使用特性和调头车辆影响特性进行分析。结果表明,左转车辆的内、外侧车道利用率为50%,大型客车倾向于选择外侧左转车道行驶,给出双左转饱和流率的范围为1587～1818pcu/h/ln,平均值为1665pcu/h/ln,并且得到内、外侧左转饱和车头时距均值无显著性差异的结论。考虑到内侧车道特有的调头行为对左转车辆运行的影响,用数学方法确定了调头行为带来影响的范围,给出左转调头车辆相对于左转标准小型车的当量值为1.39。     

信号交叉口掉头车道通行能力研究

为丰富城市道路通行能力理论,在对重庆市学府大道六公里等4个路口进行调查的基础上,分析了信号交叉口掉头车道的交通流运行特性;探讨了饱和流率、车道宽度与转弯半径对掉头车道通行能力的影响;重点从通行能力的基本原理入手,研究了车辆饱和车头时距,并按车头时距的差异,将掉头车道的车辆分为两类,建立了其通行能力表征模型;最后利用VISSIM仿真平台对所建模型进行了验证,结果表明仿真值与模型计算值的相对误差在6.5%以内。     

冰雪条件下乌鲁木齐平面信控交叉口交通流特征研究

针对冰雪天气对道路平面信号控制交叉口交通的影响,以乌鲁木齐市西虹西路与南昌南路信号控制交叉口为例,调查不同天气条件下交叉口机动车交通流特性,研究冰雪路面下道路交叉口的机动车速度、车头时距及延误状况;分析了冰雪条件下机动车在平面信号交叉口时的交通流特征,并与正常天气下的状况进行对比,结果表明冰雪条件下机动车速度降低约30％,车头时距增加10％～20％,停驶延误增加4～8 s,引道延误增加2～5 s.     

基于车头时距与行程时间的排队长度算法

基于电子警察过车数据,分析该周期内车道通行车辆的车头时距变化规律,提出该周期车道排队长度值的实时计算方法。针对多次排队、绿波协调情况,结合通行车辆的行程时间对结果进行修正,得到该周期车道最大车辆排队长度值。通过桐乡市庆丰路实时监控视频对比计算结果,证明本算法具有较高准确性。算法便于工程实践,可为信号配时优化提供数据支撑。     

基于预测的快速公交信号优先设计及效果仿真

建立了一套基于预测的公交信号优先干线联动控制方法。考虑到公交车辆在停靠站的停留时间受到多重因素的综合影响,首先构建了ARIMA-SVR的组合模型用于预测公交车辆的站点延误,并以此为重要依据,预测了公交到达交叉口的时间。通过比较车辆预计到达时间与理想时间的差值,计算了延伸和压缩信号周期的惩罚因子,根据惩罚因子的大小调整了信号周期和绿灯时间。在进行交叉口间协同控制时,又将交叉口平面设计的物理条件和交叉口群的协同控制条件纳入对信号的调整进行约束。为了验证该方法的实际应用效果,为某城市快速公交工程实例设计了VISSIM信号优先模块。研究结果表明:组合模型预测公交车辆站点延误的相关系数为0.890 4,预测精度较好;在改进的信号优先算法的情况下,公交交叉口延误比现状降低近50%,公交车车头时距一致性平均下降38.8%,且该算法为信号调整提供了较为充足的缓冲空间,在绿灯时间调整时兼顾考虑了对社会车辆的影响,因此,在预测式信号优先中,社会车辆的行驶延误和交叉口排队长度也较其他优先方法有所降低。