基于短连线的过饱和信号交叉口最大延误模型

为了解决过饱和状态下短连线的信号交叉口路段长度对延误影响的问题,推导出了基于短连线的过饱和信号交叉口最大延误模型。首先分析经典延误模型的盲区:在连接短连线信号交叉口车辆排队长度达到路段长度后,排队车辆就不能再增加;然后利用排队长度与延误关系推导出适用于该状态下的延误模型,并且提出当短连线相连2个交叉口信号相位差为0时所计算出来的延误是最大延误;最后通过算例对比了提出的延误模型与定数理论延误模型。结果表明:路段长度限制对于过饱和状态下连接短连线的信号交叉口延误的计算有很大影响,所提出的方法能够有效解决这一问题。     

短连线信号交叉口的元胞自动机模型

提出了短连线交叉口元胞自动机交通流模型.采用开放性边界条件,模拟了短连线交叉口的交通流.研究了交通信号灯控制下短连线交叉口的交通流特性.分析了相位差、连线长度、信号周期、产生概率、消失概率对交通流的影响.结果表明:相对于长连线交叉口来说,短连线交叉口交通流量不仅决定于上游交叉口的通行能力,而且与连线长度、信号周期和相位差相关;连线长度确定时,存在使主干道和支线交通流量达到最大的最佳相位差;随着连线长度的增大,相位差对主干道和支线交通流的影响逐渐减弱;在最佳相位差时,信号周期长度对交通流量无明显影响.     

短连线交叉口控制方案优化研究

基于短连线交叉口拓扑结构,应用Store-and-Forward理论和排队论理论描述路段上车辆的到发平衡状况.重点研究交叉口处控制参数的优化.其中参数的优化包括相位差的优化和绿信比的优化.在保证各需求个体具有公平的道路使用机会的前提下,以避免短支路上排队上溯和干道上需求的快速疏散为目的,综合考虑排队大小及排队急迫程度2个指标,建立1个特殊的非线性规划模型.模型从安全、高效、公平3方面限定相位绿灯时间的阈值,而模型的求解工作则通过Frank-Wolfe算法完成.仿真结果表明:该优化模型能够有效阻止短连线进口道上排队上溯,同时还能提高整个交叉口的通行能力.      

短连线交叉口信号配时优化

针对短连线交叉口传统信号配时方案造成的车队排队超过路段距离,车流上溯诱发上游交叉口拥堵的难题,建立信号周期模型。以通行能力与车均延误时间之比最小为目标函数,以进口道车辆最大排队长度为约束条件,利用线性规划理论求解,同时探讨模型成立条件。最后选取实例,进行验证,仿真后提出相应评价参数与传统信号配时方案进行对比。     

城市快速路入口至前方灯控平交路口合理距离的仿真研究

应用Vissim微观仿真模型研究城市快速路菱形立交入口至前方灯控平交路口合理距离,以排队长度为评价指标研究由于平交口信号灯造成各转向车辆的延误,分析了入口下游辅路交织区交织长度随入口至最大排队长度末端距离的变化规律.结果表明:入口至平面交叉口的距离决定于交叉口各转向车辆最大排队长度及交织长度;入口至前方交叉口的合理间距为315 m,条件受限时取值为265 m.     

基于视频数据的交叉口状态判别及排队长度估计

为了评价信号控制交叉口的交通状态及估计周期排队长度,本文以集散波为理论基础,分析视频检测的机动车通过上下游相邻交叉口的数据,提出了基于车辆延误时间的交叉口交通状态判别划分,进一步设计了欠饱和及饱和交通状态下的交叉口最大排队长度估计方法.实例分析表明,本文方法所估计的排队长度比较接近实际调查值,排队相对误差在可接受的范围内,结果验证了所设计的排队长度估计方法是有效可行的.     

基于浮动车停车点数据交叉口车辆排队长度计算方法

浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系.针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法.首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度.最后通过实际浮动车数据计算实例对本方法进行了说明和验证.     

基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比（或相位时长）以及相位差的确定思路。仿真试验结果表明：以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。     

干线T型交叉口协调中分层控制技术的应用研究

为提高干线通行能力和减少车辆延误,通常采用协调控制的方法。文章分析了由多个T型交叉口组成的干线系统的特性,提出了一种分层控制算法,运用分层规则将车辆密度不同等级的交叉口划分到不同的协调控制层中,为每一层提供不同的协调控制方法。相位差的设置考虑了临近短距离交叉口排队消散情况,根据车辆自由行驶时间和车队排队消散时间的差值选择合适的相位差,将这种协调控制方法运用到镇江市长江路的干线系统中取得了较好的效果。     

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。