共查询到10条相似文献,搜索用时 15 毫秒
1.
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。 相似文献
2.
3.
4.
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。 相似文献
5.
6.
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。 相似文献
7.
8.
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. 相似文献
9.
10.
《公路交通科技》2017,(6)
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。 相似文献