基于轨迹数据的过饱和信号路口排队长度分析

针对交通过饱和情况，利用网联车轨迹数据提供的车辆到达和停车位置等信息，提出一种基于交通冲击波的周期初始队列长度和最大排队长度的估计方法。基于网联车车辆轨迹确定车辆到达时刻、排队时刻、启动时刻及驶离时刻4个临界点的时空数据，并根据时空信息建立到达率估计模型，运用冲击波理论对每个周期初始队列长度及最大排队长度进行估计，应用微观交通仿真软件SUMO对模型进行仿真验证。实验结果表明：在网联车渗透率不低于20%的情况下，当v/c=1.0(v为实际交通流量，c为道路通行能力)时，初始队列长度MAE值小于6.5 m,MAPE值小于10%，最大排队长度的MAE值小于16.0 m,MAPE值小于11%，说明基于车辆轨迹的交叉口排队长度估计模型能够较为有效地估计过饱和交叉口的最大排队长度和初始队列长度。     

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.      

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于时空数据的信号交叉口实时排队长度测算

为提高信号交叉口实时排队长度估计精度,判断交叉口实时交通状态,作为交叉口实时信号控制基础。以过饱和交叉口为例,利用磁频检测法,应用车辆到达离散模型及交通波理论研究车辆排队演化过程,实时计算有无专用转向相位两种情况下车辆排队长度,并通过VISSIM和MATLAB仿真软件,验证算法的精度及实用性。结果表明,算法对于工程实用性较强,排队长度实时计算误差在工程应用可接受范围内,左转相位实时排队长度模型相比直行相位排队长度模型而言精度更高。     

过饱和交叉口交通信号控制动态规划优化模型

为满足过饱和交叉口信号控制的需求,应用动态规划理论,建立了过饱和交叉口信号控制优化模型,界定了模型的阶段、状态变量和决策变量,推导了平均排队长度状态转移方程和控制器状态转移方程,确定了基于交叉口不同饱和状态的目标函数与约束条件,提出了模型优化框架。非饱和状态以最小化延误为控制目标,饱和状态和过饱和状态以最大化通行能力为控制目标。通过迭代运算判断保持或者切换当前相位,并将控制效果实时反馈以调节下一阶段信号配时方案。以秦皇岛市某交叉口为例,基于实际采集数据得到了非饱和、饱和与过饱和3种状态的交通流量,应用动态规划模型获得配时方案,并与TRANSYT方法给出的配时方案进行了对比分析。分析结果表明:在非饱和状态下,采用动态规划模型计算的平均延误、饱和度、平均排队长度分别为49.3s、0.76、13.7veh,采用TRANSYT方法计算的对应值分别为52.0s、0.78、14.4veh;在过饱和状态下,采用动态规划模型计算的饱和度与平均延误分别为0.85、78.5s,采用TRANSYT方法计算的对应值分别为0.86、82.5s,但对应的平均排队长度为27.3veh,略优于动态规划模型的27.6veh;饱和状态控制效果与过饱和状态控制效果类似。可见,采用动态规划模型可以有效降低交叉口饱和度,减少各相位不同进口道车辆的平均延误。     

基于多源数据的干线协调控制策略

为针对不同的交通流状态选取合适的干线协调控制策略,基于线圈、视频、微波获取的多 源实时交通数据,利用车队离散模型和卡尔曼滤波模型获取各转向流量,采用HCM（Highway Capacity Manual） 公式计算排队长度和延误,并根据干道交叉口排队长度界定干线交通流状态： 欠饱和、接近饱和、过饱和,从而选择相应的干线协调控制策略：在欠饱和状态下采用最大绿波 带法,在接近饱和状态下采用改进的多带宽协调模型,在过饱和状态下采用排队占比最小模型。 以青岛市香港中路为例,通过VISSIM 仿真软件对算法和策略进行仿真测试和评价,结果表明： 不同交通状态下的干线协调策略与原始控制方案相比,平均延误减少了19.4%,平均停车次数减 少了22.8%,平均排队长度减少了7.4%。     

异质流网联车的不同换道集聚策略

为研究车联网环境下异质交通流的演变规律，首先，引入相对熵定量描述异质流的有序性，并分析有序性与智能网联车（connected and autonomous vehicle,CAV）市场渗透率、协同自适应巡航控制（cooperative adaptive cruise control,CACC）队列数之间的内在联系，推导得出智能网联车渗透率的增加及队列数的减少可以提升异质流的有序性；其次，提出了保守型集聚（conservative aggregation,CSA）、激进型集聚（radical aggregation,RDA）两种改进的智能网联车集聚换道策略，并通过元胞自动机仿真实验，从通行能力、相对熵和平均队列长度等方面比较了无集聚（no aggregation,NOA）、常规集聚（conventional aggregation,CVA）、CSA、RDA 4种换道策略的优劣；最后，在CSA换道策略中分析了不同最小队列规模限制对于通行能力的影响.研究结果表明：在双车道环境下，采取集聚换道策略能使智能网联车形成CACC队列，使异质流趋于“有序”，在20～95辆/km密度范围内提升通行能力；...     

融入公交车与自动驾驶车队的异质交通流模型

为研究网联自动驾驶车（connected autonomous vehicle, CAV）和人工驾驶车（human-pilot vehicle, HPV）所组成的异质交通流特性及公交车驾驶行为对环境的影响，首先，分析异质交通流中的4种跟驰模式：人工驾驶小汽车跟驰、人工驾驶公交车跟驰、自适应巡航控制(adaptive cruise control, ACC)跟驰和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰；接着，基于各跟驰模型的特点，构建车辆跟驰和换道的元胞自动机模型，综合考虑CAV车队特性、驾驶员与CAV各自反应时间特性以及HPV加塞特性，并利用跟驰模式判断参数融合不同跟驰模式特性，实现统一的模型表达；最后，仿真分析不同CAV渗透率下CAV排队强度及公交车换道行为对交通流的影响.结果表明：在一定的CAV渗透率下，促使CAV形成队列比单纯提高CAV渗透率更能有效提升道路通行效率；适量的公交换道有助于充分利用道路通行能力，过多的公交换道则会妨碍正常交通，公交换道对交通流造成的通行效率衰减随CAV渗透率的增大而减小；同步流状态...     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

考虑二次排队的智能网联车生态驾驶策略

为避免车辆在交叉口的急加减速与启停现象,减少车辆燃油消耗和污染物排放,提出了一种考虑二次排队的智能网联车生态驾驶策略。首先构建了考虑驾驶员反应的交叉口处排队车辆的改进IDM跟驰模型,通过信号配时、车辆排队长度等信息估计排队车辆消散时间;其次,依据交叉口处是否出现车辆二次排队,将生态驾驶策略分类为“前方车辆在绿灯时间清空”和“前方车辆二次排队”两种情况,结合智能网联车与交叉口的距离等信息优化车辆行驶轨迹;最后将提出的生态驾驶策略与自由驾驶在不同排队长度场景下进行对比仿真实验。仿真结果表明：相较于自由驾驶,生态驾驶策略能够有效减少车辆的急加减速与停车行为,随着交叉口排队长度的增加,生态驾驶策略的优化效果更加明显;当排队车辆在第一个绿灯时间消散时,采用生态驾驶策略的车辆的总体油耗降低了9.98%,CO₂、CO、HC、NOx平均排放量分别降低了11.69%、20.14%、1.66%和29.09%;当交叉口处出现车辆二次排队时,采用生态驾驶策略的车辆总体油耗降低了15.0%,CO₂、CO、HC、NOx平均排放量分别降低了15.42%、27.51%、2....     

路段平均行程时间估计方法

为了有效利用线圈检测数据,精确估计路段平均行程时间,提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点,通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程,用Markov排队模型描述车辆排队过程,用生灭过程描述排队车辆数,得到车辆排队模型,计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长,计算了平均通过路口时间。计算结果表明:平均行程时间估计值与实测值的误差小于12%,说明路段平均行程时间估计方法可行。     

连续流交叉口信号协调配时及延误模型

为解决连续流交叉口车辆二次停车和人-车冲突问题,防止车辆排队溢出,破坏连续流交叉口稳定的运行状态,提出人-车信号协调优化控制策略。根据车流运行特征,协调主、预信号配时,优化信号相位方案,以车均延误最小为目标构建优化模型。通过仿真对比可知,本文模型计算的延误估算误差在5%以内。通过案例分析可知,现状方案南北左转车均延误和车均停车次数是优化方案的2倍以上,说明优化方案避免了车辆二次停车;从整个交叉口来看,优化方案在两种流量场景下,车均延误分别降低了27.8%、18.5%,提升了交叉口运行效率。通过敏感性分析发现,移位左转车道长度在100 m时,综合效益最佳。     

考虑城市干道车队运行特点的交通信号协调控制算法

为建立交通信号协调控制算法并确定其适用条件,考虑车队离散、车辆转出、下游交叉口排队长度3个因素,在分析罗伯逊离散模型的基础上,提出了交叉口协调相位车流到达图式的预测方法,并根据车流到达时刻与协调相位绿灯启亮、结束时刻的关系,建立了协调相位车流延误的计算模型;以交通控制子区内各交叉口协调相位车流总延误最小为优化目标,以相位差为优化变量,设计了信号协调方案优化算法.仿真结果表明:与改进数解法相比,该算法降低了协调相位车流延误7.4%;随着交叉口间距、转出车辆数、下游排队长度的增加,信号协调控制效益逐渐下降.      

智能网联异质交通流混合特性

为研究车联网环境下异质交通流的演变规律,基于改进的NaSch模型,针对智能网联化程度的前期、中期和后期分别进行仿真实验,得到交通流基本图,并分析通行能力与网联车渗透率的内在联系;其次,通过马尔可夫链证明了网联车形成的有序排列能提高道路通行能力,随机仿真实验验证了理论推导的正确性;最后,引入考虑车辆排列方式的相对熵,从而定量描述异质车流的有序性,阐明了智能网联车辆（connected and autonomous vehicle,CAV）改善交通状况的本质原因. 研究结果表明:随着智能网联车渗透率的增加,通行能力增加,在智能网联化前期,渗透率的增加对通行能力提升较小,最高仅提升23.5%,中、后期通行能力最高能提升125.0%;在一定交通密度下,CAV渗透率与流量呈现正相关,相对熵与流量呈现负相关;智能网联车处于分离态时相对熵较小,分离态对随机混合的通行能力的提升随着CAV渗透率的增加而降低.      

基于定数理论过饱和交叉口车辆能耗研究

针对过饱和信号交叉口车辆高能耗问题,以信号交叉口整个过饱和交通状态持续时间作为研究时段,利用定数理论分析车辆排队长度、停车次数和通行时间,确定车辆在信号交叉口的减速、怠速、加速和匀速行驶时间,进一步依据车辆在不同行驶状态下的能源消耗率,建立了过饱和交叉口所有车辆第1次停车至通过停车线的平均能耗模型.为了验证模型的准确性,以某个两相位过饱和交叉口为例,对不同交通流量下的车辆能耗进行计算,并将计算结果与VISSIM仿真结果对比分析,结果表明,本文模型对过饱和信号交叉口的车辆能耗分析具有一定的合理性.同时,依据此模型分析了信号配时对过饱和交叉口车辆能耗的影响,说明了优化配时参数对于过饱和交叉口车辆节能具有重要意义.     

基于交通业务特征理解的车路协同可信交互方法

为保障车路协同环境下信息的可信交互，分析了车车、车路协同信息交互流程和不同模式下的交互需求，设计了车路协同可信交互架构；构建了车辆行为状态推演模型与路径扰动因子量化模型，设计了车辆主体可信度计算方法与等级评估规则，实现了车辆主体行为可信认证；通过对交通业务的有效特征理解构建了消息紧急度量化模型，利用低分辨率筛选策略初步过滤了消息报文，基于支持向量机(SVM)对消息内容进行了深度理解，形成了多分辨率交互内容认知方法；使用包含OMNeT++和SUMO仿真模拟器的Veins搭建了仿真测试环境，针对不同网联自动驾驶车辆(CAV)渗透率下的开放道路和交叉口场景开展了仿真试验，对提出的车路协同可信交互方法进行了测试验证。研究结果表明:结合交通业务特征理解能够有效改善车路协同信息交互的可信度判别，提出的方法对信标位置消息的平均认知正确率可以达到90.91%，相比基于时效性检测的可信交互方法提高了8.68%；在安全效率消息可信交互验证试验中，随着恶意车辆比例的增加，传统基于投票机制的车路协同可信交互方法逐渐失效，而提出的方法在保证单次认证时延小于13 ms的条件下，平均正确率达到94.96%，较传统基于反向传播(BP)神经网络的方法提高了3.05%，且CAV渗透率越大，可信交互检测结果的准确率越高，漏报率越低，能够满足车路协同可信交互需求。      

城市信号交叉口交通运行评价参数视频检测

针对交叉口排队长度和延误等交通运行评价参数很难直接被检测到的问 题,本文提出了一种基于视频处理的交叉口运行评价参数的综合检测方法.该方法首先 将选择性背景更新机制引入块级背景差分,并结合块级帧间差分实现快速的排队车辆 检测.然后,利用虚拟平行线定位每车道排队车辆首尾端,并结合排队首尾车的跟踪与停 车线处虚拟线圈的计数来检测排队车辆数,进而获得延误、停车次数等其它交通运行评 价参数.实际测试结果表明,该方法能有效实现多参数的同时检测,并且能有效提高检测 的准确率.与实际值比较,参数检测值平均误差小于5%,能较好地满足交叉口运行性能 评价需要.     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。