最小安全间距约束下拥挤交通流速度-密度关系模型

根据交通拥挤状态下交通流速度与密度一致性变化的特点, 分析了拥挤交通流的平均车间时距为定值的原因, 并结合最小安全间距约束提出了交通拥挤状态下的速度-密度关系模型。研究了驾驶人的平均反应时间和交通拥挤状态下的最小车间时距的关系, 对速度-密度关系模型的反应时间进行参数标定。分析了不同车辆长度、阻塞停车间距和反应时间下的速度-密度关系, 利用提出的速度-密度关系模型、Greenshields模型、Greenberg模型、Underwood模型、Northwest模型、Edie模型对美国US-101、I-80两条高速公路的交通数据进行拟合, 得到了拟合结果和绝对误差。分析结果表明: 提出的速度-密度关系模型能够从理论上解释交通拥挤状态下速度与密度的变化关系和速度-密度数据的离散现象; 和其他模型相比, 提出的速度-密度关系模型在拟合2条高速公路交通数据时的绝对误差最小, 分别为4.91、7.50veh·km^-1。基于最小安全间距约束的速度-密度模型刻画了拥挤交通流的本质特征, 且对现实数据能够取得更好的拟合效果。     

基于实测数据的终端区空中交通流特性分析

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据.本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度-密度模型、流率-密度模型和流率-速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验.研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值.     

����ʵ�����ݵ��ն������н�ͨ�����Է���

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据。本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度—密度模型、流率—密度模型和流率—速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验。研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值。     

������֪����ʽ��������˶���ѧ��ģ

行人动力学建模的关键是对行人运动方向和速度的选择进行描述.本文构建了基于多层有限状态自动机的行人Agent适应性决策模型;在此基础上,针对行人运动过程中快速决策的特征,通过构建基于认知启发式规则的行人运动行为规则集合,建立了描述行人微观运动行为的动力学模型.通过设计仿真实验并收集数据,对模型的有效性进行了验证.研究结果表明：模拟得到的行人交通流密度-速度关系与实测数据具有较好的一致性,流率-密度关系符合理论计算结果,基本图较好地符合实际观测的行人宏观交通流关系,认为本文提出的行人动力学模型具有交通上的合理性.     

基于MLE-LM算法估计的交通流断面速度Weibull分布模型

针对传统断面交通流速度分布假设关系较片面、回归数据不全面和拟合模型不具有普遍性和精确性等问题,本文采用二分K-FCM结合算法对连续收集的大样本交通流数据中速度、交通量和占有率三者进行聚类划分,再利用自主建立的MLE-LM算法拟合运行车速三参数Weibull分布,并将其拟合结果与正态分布和高斯多峰拟合结果对比.该算法模型收敛快,拟合结果精度高,不易收敛于局部极值,且对样本容量的适应能力强.研究结果表明：各交通流状态下高斯多峰非参数估计拟合效果最好,但其自由度最小,即被限制的变量最多,难以反映数据的分布特征;而参数估计中Weibull-3分布拟合结果均比正态分布拟合结果好,且Adj R-square值都大于0.7,故总体认为不同交通流状态下速度分布基本服从Weibull-3分布.     

考虑ASD和LCR的高速公路多车道交通流元胞自动机模型

采用多车道元胞自动机模型,分析了考虑平均速度差(Average Speed Difference,ASD)和车道变换规则(Lane Changing Rules,LCR)的高速公路基本路段交通流特性。通过计算机仿真模拟,分别给出了不同车速离散度和车道变换规则条件下的微观交通流量、速度和密度的关系。研究结果表明:车速离散状况越明显,交通流整体速度下降越严重,极限状态下车速离散度使交通流整体速度下降了163%;选用鲁莽型换道规则可使高速公路基本路段的交通流密度下降18%,平均速度提升29%;提出的改进元胞自动机模型通过仿真模拟交通流,可对改善道路的通行能力、提高道路资源的利用效率提出参考依据。     

����ʵ�����ݵĿ���·��ͨ������ģ��

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.     

基于小波变换的交通流速度-密度关系分析

车流速度和密度是交通流理论研究的重要参数,而小波变换是一种信号分析工具,它可以将信号进行去噪分析。基于通过调查获得的速度和密度数据构成交通流特征信号,引入小渡变换方法对交通流特征信号进行去噪,并运用典型特征构建速度与密度关系曲线,对其进行分析并与小波变换前原有速度与密度关系曲线进行对比。为更加清楚地观察三参数与时间变化的关系,以及三参数之间的相互关系提供了有效方法。     

���������ٶȵĽ�ͨ���й�ģ���о�

本文旨在研究期望速度对速度—密度曲线的影响.通过引入期望速度建立了新的博弈表和相应的交通流中观模型,利用VBA和Matlab混合编程技术开发了相应的计算程序.对于一个期望速度类情况,分析了期望速度相同时不同的道路条件对应的速度—密度曲线,以及相同道路条件下,不同期望速度对应的速度—密度曲线.对于多个期望速度类的情况,研究了多个期望速度的变异系数对车流平均速度的影响,以及慢车比例对车流平均速度的影响.得出结论,驾驶员的期望速度差异是影响车流平均速度的主要因素之一.当密度较小时,交通流处于个体流模式,此时交通流平均速度主要由期望速度差异决定;当密度较大时,交通流处于集体流模式,此时交通流平均速度主要由密度决定.     

基于Logistic模型的混合自行车流量-密度关系

针对非机动道路内电动自行车与传统自行车混合行驶的交通现象, 在分析混合自行车交通流特性的基础上引入Logistic模型, 利用数值分析方法建立了适用于描述混合自行车流量-密度关系的数学模型与自行车道通行能力计算模型, 利用杭州市6个路段的实测数据进行数据拟合, 得到了通行能力估计值, 对车流样本中的最大速度、自由流速度、最佳密度进行了参数敏感性分析。研究结果表明: 6个路段数据的拟合优度分别为0.92、0.93、0.93、0.95、0.98、0.96, 通行能力分别为2 968、2 641、2 687、2 754、2 646、3 065 bic·(h·m)^-1, 因此, 模型能较好地描述城市混合自行车交通流在不同状态下的变化特征, 为进一步揭示城市自行车道内混合自行车交通流运行机理提供了新的思路。     

一个新的基于LWR模型的中观交通流运动学模型

从控制体积的离散思想出发,利用有限元的加权余量方法,提出了一个新的中观交通流建模方法。并利用此思想建立了基于速度-密度关系宏观交通流LWR模型的中观交通流模型。研究了该中观模型的数值解法并且基于多分辨率仿真系统平台通过C＋＋实现了该算法,通过仿真案例对模型的物理特性、实际效果进行了评价,仿真结果表明：该中观模型的结果符合经典的流量、密度与速度曲线规律与实际场景应用情况。     

城市干道交通流速度-流量关系模型研究

为研究适合我国城市干道交通流特点的速度与流量之间的关系,在建立Greenshields模型和Re-Greenshields模型的基础上,结合城市干道交通流为间断流的特点,采用分段建模法建立了G-LN模型.通过拟合判定系数Rsq对Greenshields模型和Re-Greenshields模型进行对比,并利用实测数据标准差S对Re-Greenshields模型和G-LN模型进行对比,结果表明:G-LN模型能更好地描述城市干道速度-流量关系.最后分析了模型参数,采用对分区间迭代法计算模型通行能力值.     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。     

冰雪条件下的交通流元胞自动机模型

利用元胞自动机,建立了冰雪条件下城市道路单车道和双车道交通流微观模型.针对冰雪条件下驾驶员出于安全考虑降低车速、保持较大车间距的现象,细化了元胞尺寸,引入反映不同冰雪条件的速度因子参数和间距因子参数.通过数值模拟,得出了正常天气和冰雪天气下的车辆速度、密度、流量间的关系曲线,并分析了不同冰雪条件对交通流的影响.研究发现,中雪条件下的车速波动程度及范围最大;基本图显示冰雪条件对于临界密度、最大流量等参数影响较大;冰雪条件下的亚稳回滞现象不明显,未出现换道频率局部最大值.     

交通流参数的微分方程

流量，速度和密度是表征交通流特性的三个基本参数，随市面上ITS（intelligent transportation system)技术的应用，传统的流量-速度-密度关系将有变化，文中研究了交通流三个基本参数的全微分方程（动态方程），三参数之间关系曲线的斜率，提出了衡量车辆反应快慢的速度延迟系数。     

��ѩ�����µĽ�ͨ��Ԫ���Զ���ģ��

利用元胞自动机,建立了冰雪条件下城市道路单车道和双车道交通流微观模型。针对冰雪条件下驾驶员出于安全考虑降低车速、保持较大车间距的现象,细化了元胞尺寸,引入反映不同冰雪条件的速度因子参数和间距因子参数。通过数值模拟,得出了正常天气和冰雪天气下的车辆速度、密度、流量间的关系曲线,并分析了不同冰雪条件对交通流的影响。研究发现,中雪条件下的车速波动程度及范围最大;基本图显示冰雪条件对于临界密度、最大流量等参数影响较大;冰雪条件下的亚稳回滞现象不明显,未出现换道频率局部最大值。     

行人交通流三参数基本关系式适用性研究

为研究交通流量、密度和速度基本关系式对行人交通流的适用性,采用类比和误差分析方法,建立了行人交通流基本关系式评价方法与步骤.采集了水平通道、楼梯等步行设施行人流量、密度和速度数据,并利用基本关系式进行密度换算,分析了密度实际观测值与基本关系式换算值之间的差异.研究结果表明:对于有固定边界步行设施上的行人交通流,在极低密度和极高密度时,用基本关系式换算参数的误差可高达20%~25%;使用基本关系式还会得到极高密度时行人交通仍能获得较高流量与速度的错误结论,并导致部分高密度交通流数据缺失;行人交通流三参数基本关系式并不严格成立,对于行人通行能力的理论研究,不应采用基本关系式进行参数换算.      

多前车影响的智能网联车辆纵向控制模型

为了更好地模拟智能网联车辆(CAV)的跟驰特性, 在纵向控制模型(LCM)的基础上考虑V2V环境下多辆前车速度和加速度的影响, 构建了智能网联环境下的纵向控制模型(C-LCM); 对LCM和C-LCM进行稳定性分析, 比较了2个模型的交通流稳定域, 确定了不同通信距离时C-LCM对交通流稳定域的影响; 设计数值仿真试验对加速和减速的常见交通场景进行模拟, 分析了在V2V通信条件下CAV的跟驰行为特征; 仿真分析了CAV不同通信距离以及不同渗透率影响下的交通流安全水平; 构建了包含不同CAV渗透率的混合交通流基本图模型。研究结果表明: 交通流稳定域随着考虑前车数量的增多而增大, 当只考虑1辆前车时, 前车与本车的间隔越远, 车辆速度系数对C-LCM稳定域的影响越大; C-LCM可以提前对多前车的行为做出反应, 更好地模拟CAV的动力学特征, 在减速情景中速度超调量从0.15减少为0.08, 最大速度延迟时间由7.5 s缩短为4.9 s, 在加速情景中速度超调量从0.07减少为0.04, 最小速度延迟时间由3.5 s缩短为2.6 s; 随着CAV渗透率的提升, 交通流的安全水平不断提升, 当通信范围内有4辆CAV时, 交通流的安全性能达到最高, 其TIT和TET指标的最大减少量分别为57.22%和59.08%;随着CAV渗透率的提升, 道路通行能力从1 281 veh·h^-1提升为3 204 veh·h^-1。可见, 提出的C-LCM可以刻画不同车辆的跟驰特点, 实现混合交通流建模, 并降低混合交通流的复杂性, 为智能网联车辆对交通流的影响分析提供参考。     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

适应ITS的交通流参数之间的关系

流量、速度和密度是表征交通流特性的三个基本参数．随着ITS中纵向避碰技术和自动公路技术的应用以及车辆制动性能的提高，车辆能够以相同速度在较高的密度条件下行驶或在相同的密度条件下能够以更高的速度行驶．传统的流量-速度-密度关系将有变化．文中研究了适应ITS的交通流三个基本参数之间的关系模型，模型中引入了自由流密度，并用实测数据对模型进行了验证．