基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段，其交通流数据难以获取，不利于开展精准路网管理，为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法。基于有检测器路段的海量交通流数据，分析局部路网空间结构特征与路段交通流量之间的相关性；根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重，并使用多元线性回归算法进一步挖掘局部路网空间结构特征对交通流分配权重的影响；结合空间特征影响度系数、无检测器路段所在的局部路网的空间结构特征及相邻路段的交通流，对无检测器路段进行交通流预测。实验结果表明，路段道路类型、相邻路段数量及相邻路段道路类型这3类局部路网空间结构特征与路段交通流量相关性显著，采用基于空间特征影响度系数对局部路网中只有单个相邻上游和具有多个相邻上游的无检测器路段进行预测，发现其平均误差分别在8%和22%左右。      

大型城市网络OD推算

提出了对已知流量的路段数少于OD对的对数的路网进行OD推算，利用Logit概率多路径选择模型，建立已知流量路段的分配模型，采用迭代算法对其进行求解，并对结果进行分析，提出了大型城市网路OD推算步骤。     

系统最优动态交通分配中一种实用的配流方法

建立了描述路段交通量变化的状态方程及相关约束，给出了一种新的动态系统最优配流算法。该算法通过在每个时段把车流分配至边际行程时间最小的路段上，从而最小化交通系统内车辆的总运行时间。该算法适用于多起点、多讫点以及O-D量随时间变化路网的动态系统最优交通分配，仿真结果验证了算法的有效性。     

基于节点承载力的高密度路网诱导路径选择方法

针对高密度路网诱导路径选择问题,基于图论对路网进行结构化选取,构建高密度路网模型。从节点评估的角度出发,提出综合考虑结构属性和交通运行状态属性的节点承载力指标。采用均质性、连通性2个指标评价路网节点结构属性,采用流量裕度、通行效率2个指标评价路网节点交通运行状态属性,提出一种基于TOPSIS算法(Technique for Order Preference by Similarity to Ideal Solution,优劣解距离法)的综合评价方法,实现对节点承载力的综合量化。基于节点承载力,构造路段承载力指标,采用重力模型和交通分配的方法将节点间的承载力分配到节点相连构成的路段上,并用路段实际交通条件修正即得到路段承载力。基于节点承载力和路段承载力,提出高密度路网诱导路径的确定方法。为证明本研究提出的高密度路网诱导路径选择方法的有效性,构建一高密度路网结构模型,同时采用本算法和传统Dijkstra算法规划诱导路径。结果表明:Dijkstra算法规划的路径虽为数学意义上的最优路径,但该路径途经低级节点,且需频繁切换道路进行交通转换,不符合驾驶员行车期望;本研究提出的基于节点承载力的高密度路网诱导路径选择方法得出的路径虽比Dijkstra算法稍长,但路径均由高等级节点和道路组成,这样的规划结果更符合实际交通诱导系统需求,更能体现驾驶人员选路偏好。     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

以路段流量推算出行OD矩阵的研究

以多路线概率分配法为基础，通过迭代运算，从路段数少于OD对数的路网实测流量推算出出行OD矩阵，采用以计算时间替补内存在不足的技巧，在微机上实现对大型路网反推OD矩阵的运算。     

面向常发性拥堵的城市局部路网韧性评价与分析

为了缓解常发性拥堵引发的城市噪音、能源消耗和废气排放等现状，使路网具备抵抗短时激增车流的能力，将宏观基本图与性能时序图相结合对局部路网韧性进行量化。针对韧性属性，提出了鲁棒性指数、损失面积比、恢复快速性、流量峰值差和临界密度差5个评价指标，反映路网在性能下降、稳定和恢复阶段的韧性特性。引入Kendall法检验各赋权法的一致性，并基于CRITIC的多属性决策获得最优权重，提出了组合赋权和模糊逻辑相结合的城市局部路网韧性综合评价方法，结合李克特量表法对综合韧性得分进行分级。以长沙市局部路网为例，设计韧性改善方案，针对常发性拥堵路段上的交叉口进行信号配时优化；通过VISSIM仿真并计算得到各方案的韧性指标。研究结果显示:方案8，10和16能有效吸收短时激增车流并与路网状态相适应，所有方案中方案14的韧性得分最高。局部路网综合韧性得分具有随着优化路段数的增加而增长的趋势，但并不是线性递增。信号配时优化改变了路网韧性属性，并降低了部分路段对城市局部路网韧性的负面影响。不同评价方法下的韧性得分排名存在部分差异，流量峰值差与脆弱性指数的评价排名更接近，损失面积比与韧性损失值的评价排名更接近。所提出的指标不局限于单一韧性属性，能更全面、客观地反映干扰下路网的响应过程。      

基于合同模式交通分配模型和求解算法

首先,提出了基于合同模式下交叉口的通行权分配问题,根据相邻局中人之间的流量特征和服务水平,建立合同模式的讨价还价模型,并用Nash均衡效用衡量双方谈判的效果。其次,根据有效性和防策略性,证明了局中人价格策略均衡和路网流均衡的条件是所有的旅行者都遵循基于合同模式的路径选择规则,通过路网中局中人之间最终的均衡策略价格,所有的旅行者都按照自己的真实偏好选择报价总和最小的路径,从而实现系统最优和用户最优之间的协调。最后设计了求解合同模式模型的算法,并用一个算例说明了模型和算法的有效性。     

基于动态风险饱和度的高速公路交通安全分析

为了反映高速公路运营安全状况，提出了动态风险饱和度理论，构建了动态风险饱和度模型和计算方法。依据路段不同交通饱和度下车辆的驾驶行为，以路段交通安全为约束，研究了跟车行驶和换道行驶2种驾驶状态下，考虑车速变化及雾天等特殊天气条件影响的路段平均最小安全车头时距计算方法，利用建立的安全车头时距与安全流量之间的转换关系，得到不同驾驶状态下的路段安全流量。在不同车辆驾驶状态切换阈值下，计算路段实际交通流量与路段安全流量的比值得到高速公路路段动态风险饱和度值。以G3高速公路某改扩建路段所在路网为例进行验证，计算得到了路网中各路段不同切换阈值下的动态风险饱和度值。动态风险饱和度随着交通饱和度的增大，呈现稳定的先增大后减小的规律，且在换道行驶状态时达到最大，在跟车行驶状态时开始下降，与现有交通安全状态分析相吻合。相较于交通饱和度，动态风险饱和度更能够反应出高速公路路段交通安全动态变化的规律。      

联网高速公路有效路径伸展系数的标定

采用启发式搜索算法标定联网高速公路路径伸展系数的值,确定高速公路路网有效多路径搜索范围,利用改进的标号法算法搜索给定路网上任两站点之间的有效多路径。提出联网高速公路多路径交通量计算模型和各路段流量偏差计算模型,分别按最短路法和实际行驶路径（调查取得）在有效多路径集合上进行流量加载,得到有效多路径上交通流漂移量。利用上述模型,对山东省高速公路车辆行驶路径调查数据进行统计分析,标定得出山东省高速公路网路径伸展系数为0．3,出行有效多路径交通量占所有路径总交通量的比例为6.1‰。