信号交叉口集聚车辆的跟驰行为分析与建模

为了更好地模拟城市信号交叉口集聚车辆的跟驰行为,进而应用于城市信号交叉口信号配时和交通流理论研究,采用一种基于视频的交通流数据采集方法来采集信号交叉口的微观交通行为数据.运用灰色关联分析方法对采集到的微观交通数据进行分析,挖掘出其中的有用信息,从而寻求能够最大程度反映信号交叉口集聚车辆跟驰行为的影响变量.构建城市信号交叉口车辆集聚过程中的跟驰模型并进行参数标定、效果验证和比较分析.研究表明,新提出的跟驰模型能够很好地拟合信号交叉口集聚车辆的跟驰行为实测数据,其拟合性和稳定性优于重新标定后的扩展GM模型.     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

基于智能驾驶员模型的危险跟驰行为特征分析

为提高危险跟驰行为研究的效率和可靠度,创新研究基于智能驾驶员模型(IDM)模型参数的危险跟驰行为定义方法。首先,以NGSIM自然车辆数据集为基础提取跟驰轨迹数据,并通过遗传算法标定IDM模型参数,挖掘驾驶员跟驰行为特征;其次,在分析跟驰行为特征指标分布规律的基础上,考虑指标间的相关性,确定各等级危险跟驰行为指标阈值;最后,设计车辆跟驰的仿真试验,选择6个指标对不同级别危险场景下的交通运行仿真结果进行评价。结果表明,危险驾驶员跟车间距更小,间距波动系数较大,并且会干扰交通整体运行。     

基于分子动力学的车流运行动态特性及其模型

车辆跟驰行为受前导车和道路环境等的影响,将车辆抽象成相互作用的分子,基于分子动力学构建相互作用势函数,建立基于相互作用势函数的分子跟驰模型.采集试验路段不同点位的交通流样本,从视频中获得所需数据,并对加速度波动特性进行分析.将车辆运行状态分为常态行驶,起动加速和减速停车3种,根据实测交通数据对3种车辆运行状态进行模型参数标定,同时对分子跟驰模型进行稳定性分析验证,结果表明,相对于经典GM模型,分子跟驰模型稳定性更好,对实际交通状态拟合程度更高.     

基于跟驰模型的交通流混沌研究

本利用Simulink软件，基于皮埃莱跟驰模型，建立了由十辆车组成的车队的动态仿真模型。实验中通过采集车队中不同位置的车辆与其前车辆的车头间距来分析研究交通流程沌现象。通过仿真研究分析，得到的主要结论为皮埃莱跟驰模型产生的交通流存在混沌现象，后车驾驶员对前后车相对速度越敏感越容易出现混沌现象，后车驾驶员对前后车车头间距越敏感越容易出现混沌现象，首车所受干扰振幅越大越容易出现混沌现象。     

基于PFV策略的连续型元胞自动机交通流模型

科学合理的微观交通流仿真模型是研究交通控制手段有效性的关键.本文结合一种考虑驾驶员视野内前后多车影响的跟驰策略，建立了连续型元胞自动机交通流模型.仿真实验表明，仿真数据与实测数据有较好的拟合性，仿真得到的 K-Q、K-V和 Q-V图能较好地反映实际道路交通流的失稳现象，所建立的模型具有适应不同场景的兼容性与灵活性，能够作为研究我国实际道路交通流问题的仿真工具.     

基于PFV策略的连续型元胞自动机交通流模型

科学合理的微观交通流仿真模型是研究交通控制手段有效性的关键.本文结合一种考虑驾驶员视野内前后多车影响的跟驰策略，建立了连续型元胞自动机交通流模型.仿真实验表明，仿真数据与实测数据有较好的拟合性，仿真得到的 K-Q、K-V和 Q-V图能较好地反映实际道路交通流的失稳现象，所建立的模型具有适应不同场景的兼容性与灵活性，能够作为研究我国实际道路交通流问题的仿真工具.     

基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

车辆跟驰模型研究进展

梳理了近70年关于跟驰模型的研究, 根据建模方法将其分为理论驱动与数据驱动2类模型, 并归纳了跟驰模型的研究热点; 从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述; 根据所用机器学习算法的不同, 从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明: 理论驱动类跟驰模型以理论推演交通现象, 对影响因素的考量难以全面, 部分人类因素难以量化, 驾驶人决策制定过程的解释不够准确, 异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明; 数据驱动类跟驰模型以交通现象归纳交通规律, 由于数据的来源、评价指标及评价方法不同, 导致应用机器学习算法得到的模型无法系统比较; 数据驱动类模型侧重于从微观角度研究驾驶行为特性, 对复杂交通现象(如交通震荡、迟滞等)的解释性不强; 跟驰模型的研究应创新数据采集方法, 捕捉驾驶人的心理倾向、感知特性和认知能力, 并量化人类因素的影响和充分利用大数据; 数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持; 在自动驾驶完全普及之前, 人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。      

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.     

考虑生态足迹和可持续的公共交通最优补贴策略

以票价补贴、运营补贴和生态足迹成本为策略,基于可持续发展理念构建了财 政预算约束下公共交通的最优补贴模型.上层模型是在有限的财政预算、运输容量及生态 足迹限制下,获得最优的票价补贴、运营补贴及消化运输活动产生的生态足迹成本,实现 社会效用最大化;下层模型采用Logit 模型和用户均衡分配模型获得公交及小汽车的出 行方式和路网流量,实现出行成本最小化.为了验证模型的实用性,构建了简单路网进行 算例分析.结果显示：增加公共交通乘客的票价补贴,会吸引更多乘客使用公共交通,其效 果优于增加公交企业的运营补贴;考虑生态足迹约束下,实施82%的票价补贴和8%的运 营补贴其效用值最优.     

城市公交系统换乘票价定价策略分析

实施公交换乘是优先发展城市公共交通的重要手段,武汉市公交线网优化方案也是以公交换乘为基本思路。合理的换乘票价是吸引乘客、保持公交系统运营效率的手段之一。以武汉市公交发展规划为依托,通过构建基于出行者效用的公交换乘票价模型,对出行者能够接纳的公交换乘票价进行分析,仿真结果显示：随着公交提速效果逐渐显现,动态的递增票价策略能够促进快速公交系统的顺利实现。     

公交调度发车间隔综合优化模型

发车间隔综合优化模型包含发车间隔优化模型与发车间隔平滑过渡模型。基于平均客流量的发车间隔优化目标为公交客运能力满足最大客流需求,基于最大断面客流量的发车间隔优化目标为保证乘客利益的同时使公交公司的成本达到最小,分别构建基于平均客流量和基于最大断面客流量的发车间隔优化模型;构建发车间隔平滑模型,求解平滑发车间隔,编制公共交通发车时刻表。模型利用整数规划进行求解,并通过实例对模型进行验证。结果表明,该模型能够有效提高公交运营效率,具有较好的实用性。     

城市公交线网的一票制差异化票价策略优化

针对城市公交系统客流空间分布和线网运力配置不均衡问题,提出公交线路间差异化定价策略,通过价格杠杆调节客流需求分布. 针对我国普遍采用的一票制模式,在分析乘客广义出行费用的基础上,利用基于Logit 的线路间客流分配方法,并以总社会成本最低为目标,以满足输送能力和收费额度等为约束,建立了固定需求下的城市公交线网的差异化票价策略优化模型. 根据模型特点,设计了基于模拟退火算法的模型求解方法,综合优化各线路的票价水平和发车频率. 最后,将提出的模型和算法应用到典型公交线网上,算例结果表明,优化方法在较低的收费额度下即可实现较为明显的网络改善效果.     

城市公交线网的一票制差异化票价策略优化

针对城市公交系统客流空间分布和线网运力配置不均衡问题,提出公交线路间差异化定价策略,通过价格杠杆调节客流需求分布. 针对我国普遍采用的一票制模式,在分析乘客广义出行费用的基础上,利用基于Logit 的线路间客流分配方法,并以总社会成本最低为目标,以满足输送能力和收费额度等为约束,建立了固定需求下的城市公交线网的差异化票价策略优化模型. 根据模型特点,设计了基于模拟退火算法的模型求解方法,综合优化各线路的票价水平和发车频率. 最后,将提出的模型和算法应用到典型公交线网上,算例结果表明,优化方法在较低的收费额度下即可实现较为明显的网络改善效果.     

基于需求弹性的城市公交票价优化方法及实证分析

城市公交票价是公交系统健康发展的重要因素,票价制定需兼顾公交企业的市场性和公益性双重属性,在保证服务质量的同时,考虑运营成本和最大限度吸引公交需求,实现经济效益和社会效益的双赢.在本文中,根据用户均衡理论,构建了城市多方式交通出行的需求分析模型,采用灵敏度分析方法给出了城市公交价格—需求弹性的计算方法.在此基础上,充分考虑了各种方式的交通特征、公交需求弹性、公交运营成本及政府限价等因素,提出了城市公交票价优化的数学规划模型,并给出了求解算法.最后,以国内某城市居民出行调查及公交运营数据为基础,分析了不同条件下公交客运需求的变化规律及城市公交票价的优化策略.     

基于需求弹性的城市公交票价优化方法及实证分析

城市公交票价是公交系统健康发展的重要因素，票价制定需兼顾公交企业的市场性和公益性双重属性，在保证服务质量的同时，考虑运营成本和最大限度吸引公交需求，实现经济效益和社会效益的双赢.在本文中，根据用户均衡理论，构建了城市多方式交通出行的需求分析模型，采用灵敏度分析方法给出了城市公交价格-需求弹性的计算方法.在此基础上，充分考虑了各种方式的交通特征、公交需求弹性、公交运营成本及政府限价等因素，提出了城市公交票价优化的数学规划模型，并给出了求解算法.最后，以国内某城市居民出行调查及公交运营数据为基础，分析了不同条件下公交客运需求的变化规律及城市公交票价的优化策略.     

基于乘客出行费用最小的公交站距优化模型研究

站距是公交线网设计的一个关键因素。它不仅影响乘客的出行,更影响到整个公共交通的运行。在分析城市公交站点布设模型的基础上,提出了以乘客出行费用最小为目标的公交站距优化模型。     

�����Ŵ��㷨�Ĺ���Ʊ�۷ּ������о�

合理的票价分级策略往往能够使得公交乘客和经营者实现“双赢”的局面.为了制定合理的票价分级策略,本文首先通过SP调查采集乘客的选择意向信息,研究了影响乘客广义费用函数的因素变化规律,采用统计分析的方法建立了广义费用函数;其次,以乘客广义费用最小和公交经营者经营效益最大为目标,建立票价分级策略的双层优化模型;最后,基于遗传算法设计了该模型的求解方法,并以济南市2路公交做实例研究.结果表明,本文所研究的基于遗传算法的公交票价分级策略不仅能够使公交乘客的综合效用增加,而且能够使经营者的收益有所提高.