基于驾驶员行为的交通信息发布方式选择研究

信息技术在交通方面的应用越来越广泛,交通诱导信息的发布可大大提高路网的运营能力,为缓解交通供需矛盾提供了一个有力工具。交通诱导信息作为城市交通流分布的重要影响因素,通过改变驾驶员的出行时间、出行方式和出行路径,使道路上的交通流重新分配。本文以SP调查数据为支撑,从出行行为角度分析交通诱导信息方式对驾驶员出行选择行为的影响。利用非集计模型建立驾驶员选择行为模型,预测分析拥堵状态下,驾驶员对不同交通诱导方式的选择行为,进而有序地引导驾驶员出行选择,以达到缓解交通拥堵的目的。     

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

基于灰色评价理论的自适应最优路径选择

充分考虑了驾驶员在路径选择中的不同要求,依据层次分析法和灰色评价理论建立了一种根据驾驶员的偏好自适应选择最优路径的方法,并设计了相应的决策支持系统,为智能交通流诱导系统的进一步发展铺平了道路。     

交通诱导信息对驾驶员路径选择行为影响调查分析

可变信息板通过向驾驶员发布实时路况信息,诱导驾驶员选择合理路径.影响驾驶员路径选择行为的因素是多元的,包括驾驶员个体属性、道路属性、可变信息板属性等.使用RP调查获取驾驶员行为数据,探讨交通诱导信息对驾驶员行为的影响.分析表明,交通诱导信息对驾驶员行为影响较大.在驾驶员个体属性中,驾龄和道路熟悉度对驾驶员行为影响最大;道路属性中,驾驶员对拥堵状态最为敏感;VMS信息中,年长的驾驶员偏好实际交通信息,年轻的驾驶员偏好驾驶建议信息.      

城市交通流诱导系统理论模型和实施技术研究——智能运输系统重要研究内容

城市交通流诱导系统是智能运输系统（ITS）的重要组成部分，它以实时动态分配理论为核心，综合运用检测、通信、计算机、控制、GPS和GIS等现代高新技术，动态地向驾驶员提供最优路径引导指令和丰富的实时交通信息，通过单个车辆导来改善路面交通状态，防止和减轻交通阻塞，减少车辆在道路上的逗留时间，并最终实现交通流在路网中各个路段上的合理分配。本文提供了一整套适合我国国情的城市交通流诱导的理论模型和实施技术，为该系统在中国的实施提供了理论保障和技术支持。     

初始条件对驾驶员逐日路径选择行为和网络交通流演化的影响

从查阅到的文献可以看到,在驾驶员逐日路径选择行为及网络交通流演化的研究中,均假定驾驶员第1天对路径的理解行程时间相同,也即初始条件中没有考虑驾驶员的个体差异性。首先,对初始条件和驾驶员逐日路径选择过程建模,在2条平行路径的简单路网中,运用Agent仿真方法模拟了不同初始条件下驾驶员逐日路径选择过程。结果表明：路网达到平衡所需的时间与驾驶员对历史信息的依赖程度显著相关,而与第1天驾驶员对路径行程时间理解的相关差异性不显著;路网平衡和用户平衡的差别与两者均显著相关。虽然在不同情况下路网均能够达到近似的用户平衡状态,但是平衡时驾驶员对2条路径的理解行程时间存在较大差异。     

交通诱导系统构成及发展动态

城市交通诱导系统是智能运输系统(ITS)的重要组成部分,它以实时动态分配理论为核心,综合运用检测、通信、计算机、控带、GPS和GIS等高新技术,动态地向驾驶员提供最优路径引导指令和丰富的实时交通信息,通过单个车辆诱导来改善路面交通状态,防止和减轻交通阻塞,减少车辆在道路上的逗留时间,并最终实现交通流在路网中各个路段上的合理分配.     

不同微观驾驶行为对基本路段交通流运行特征的影响

为了提高道路服务水平,减少道路交通事故,改善车辆设计,开发车载安全装置通过驾驶模拟器和交通仿真相结合的方法,深入探讨个体驾驶行为交通流特征的影响.首先,选取反映驾驶员特征的静态驾驶适性和动态驾驶适性2类指标,通过因子分析、主成份分析及聚类分析方法对驾驶行为特征进行提取,构建不同类型的驾驶行为特征分类.其次,利用驾驶模拟器采集到的实验数据,对不同类型驾驶行为的仿真模型参数进行校准.最后,通过交通仿真技术对不同类型的驾驶行为下交通流特征研究,主要集中在不同车道位置、不同行为下的交通流特征差异.研究结果表明,激进的驾驶行为仿真产生的最大交通量(2200 pcu/h)中等驾驶行为(1800 pcu/h)保守驾驶行为(1700 pcu/h),但激进驾驶行为下的交通流较其他行为显得更加不稳定.因此,提高道路安全水平,需针对呈现此类驾驶行为特征的驾驶员进行重点教育及培训.     

不完全车联网环境下元胞自动机换道模型研究

随着车联网技术的不断发展,自动驾驶车辆加入交通流中的可能性逐步增大,进而形成新的混合交通流.在综合考虑自动驾驶车辆对于较大范围内交通信息实时感知能力以及车辆间信息交互对于换道的影响,提出了自动驾驶车辆关注区间的概念,设计了不完全联网环境下新型混合交通流元胞自动机换道模型,通过改变自动驾驶车辆比例、自动驾驶车辆关注区间大小、交通流密度等参数进行数值模拟.结果表明:新型混合交通流元胞自动机换道模型,能够帮助提高交通流平均速度15%左右,改善道路通行效率.     

动态交通信息策略博弈协调模型研究

对突发事件下驾驶员路径选择博弈行为进行了分析,基于协调用户和系统利益的思想,结合微波检测数据预测出行者行为的模型,提出了交通事件下变换信息供给策略的交通流诱导双层规划模型和相应的基于滚动时段的求解算法.仿真结果表明:在满足用户需求的同时,路网流量分布趋向管理者期望的方向,并能缩短事件影响和持续时间,缓解交通事件下的交通流振荡现象,改善路网使用效益,该方法具有可实施、操作性强的优点.     

基于元胞自动机交通流模型的车辆换道规则

将元胞自动机模型应用于周期性边界条件下的高速公路交通的换道规则模拟,并对不同条件下交通流的平均速度和流量进行仿真.基于驾驶员的性格差异,提出了更灵活的弹性换道规则,并探讨了不同换道规则对交通流流量等参数的影响.在计算机仿真过程中,通过变换交通流密度,得出了与不同换道规则对应的交通流基本图.结果表明:相对于以前的模型,遵循2种新规则的模型均可不同程度地改善道路的通行能力,提高道路资源的利用效能;从安全性角度进行对比分析,可得出较优的换道规则.     

考虑信息诱导的随机均衡交通流逐日演化模型

在交通诱导系统向出行者发布一致性路网信息的情况下,假设出行者的路径选择行为随历史经验和交通信息的更新而不断调整,考虑出行者的路径选择行为和对诱导信息的信任决策,提出一个交通流逐日演化模型.在该模型中,根据信任决策不同,将出行者分为两类,即信任路径诱导信息的出行者和不信任路径诱导信息的出行者.其中,信任诱导信息的出行者比...     

一种基于NSC通讯车载网络控制的车辆跟驰模型建立

建立、利用车联网理论跟车模型,基于网络控制的原则,应用在跟车模式.分析了车联网状态的流量、车联网对交通流造成的影响,并对单向某个特定场景进行了定量评估.研究表明车联网可有效利用和增强道路的容量.     

模糊逻辑推理在消除交通流诱导负效应中的应用

针对交通流诱导可能产生的负效应问题,提出了诱导负效应消除的原理和模糊逻辑推理方法。在原理设计中,考虑了出行者的出行行为对网络交通流分配的影响;在实现方法上,应用模糊推理技术对分流交通量进行了预测,并设计了路线交叉口信号灯配时方案调整的模糊控制算法,模拟结果验证了模糊逻辑推理技术的有效性。研究表明:交通流诱导负效应的产生主要是由于信息条件下的道路出行者路线选择行为的不确定性引起的,而且交通流诱导与控制同时进行是消除交通流诱导负效应产生的关键。     

分区分布式动态诱导系统应用研究

介绍了分布式动态诱导系统和城市交通分区理论以及城市交通小区划分的条件,并以长春市为研究对象进行了交通小区划分研究.描述了分区分布式动态诱导系统的工作模式,降低了分布式动态诱导系统的信息接收量,提高了分布式动态诱导系统的计算速度,扩大了交通信息中心的诱导范围.模拟了一个交通小区,分析了如何对不同车辆、不同位置的车辆进行路径诱导,平衡交通流效果显著.     

基于级差效益的驾驶员个性化路径选择

在公路成网的条件下,出行路径选择成为智能交通系统的研究重点。考虑到路径选择的多属性和不确定性,提出一种基于级差效益的、体现驾驶员个性化出行需求的路径选择模型,该模型通过计算可行路径的综合级差效益来量化公路综合属性值,可以克服公路综合属性值在量化过程中的强主观性,同时,根据驾驶员的出行需求为其规划出行路径,能够避免单一优化目标下最优路径的车辆过度聚集所造成路网交通流失衡。模型首先参考不确定型多属性决策模型,构建公路级差效益的综合评价指标体系,获取各个评价指标的级差效益定量化模型,以此得到规范化决策矩阵;然后针对驾驶员需求的主观性和不确定性,利用模糊分析法确定驾驶员个性化路径选择的指标权重,求得可行路径的综合级差效益;最后根据可行路径的综合级差效益,对可行路径方案进行排序,从而选出最优路径。以重庆市黔江区公路网为例,基于级差效益的驾驶员个性化路径选择模型为两个具有不同出行需求的驾驶员规划了不同的路径,为关心成本的驾驶员1规划了路径2,为关心安全的驾驶员2规划了路径1,克服公路属性值在量化过程中的强主观性,同时,避免单一优化目标下最优路径的车辆过度聚集,可为公路信息服务和驾驶员出行选择提供依据。     

交通信息在出行行为中的影响分析

分析了交通信息对出行者在驾驶员路径选择行为中的作用机理和过程,阐述了之间的相互作用关系,论述了交通信息的效用度和出行者信任度之间的影响并提出相应的定性模型。     

车联网环境下CACC车辆信息传播安全性研究

针对CACC车辆与普通车辆混合行驶的道路环境,综合考虑交通流、信息流与病毒传播之间的相互关联,计算CACC车辆病毒感染概率,构建出车联网环境下的CACC车辆病毒信息传播动力学模型。之后分析了不同环境下CACC车辆病毒感染概率,并对病毒信息传播过程进行仿真。仿真结果表明:无论是在不同的通信范围限制条件下,还是在不同的交通流密度环境中,都可以通过降低CACC车辆病毒感染概率来有效控制病毒信息传播范围,提升CACC车辆信息传播安全性。     

基于意向调查的信号交叉口交通诱导服从分析

交通诱导技术的效益在很大程度上取决于驾驶员对诱导的服从情况,不同个人属性的驾驶员在遭遇不同外界条件时会对信号交叉口交通诱导采取不同的态度。文中通过意向调查获取驾驶员对信号交叉口交通诱导服从情况数据,构建诱导服从概率的Logistic回归模型,研究个体属性和外界条件等因素对诱导服从情况的影响。结果表明,诱导方式对驾驶员是否服从信号交叉口交通诱导的影响最显著,与可变信息板相比,驾驶员更倾向于遵循车路协同诱导;天气、交通状况等外界条件及性别、驾龄、道路熟悉度、常用车辆等个体属性亦会影响驾驶员的服从情况。     

考虑燃油消耗和排放的交叉口汽车路径规划与控制模型

针对现有道路交叉口环保驾驶研究中未充分结合交通状态、未充分考虑道路交叉口冲突区域等问题,基于车联网(V2X)技术,研究提出了一种道路交叉口环保驾驶汽车路径优化控制模型。该模型提前采集前方道路交叉口交通信号灯控制时间信息,并在交叉口前设置控制区域,整个控制过程分为两个阶段:首先,以最低燃油消耗和排放最低为目标,对进入控制区域的车辆进行速度规划,确保以最为环保的方式通过信号灯;其次,以最大程度避开交叉口冲突点为目标,对进入交叉口的车辆进行通行速度规划,使车辆最大程度回避分流冲突点、交叉冲突点、合流冲突点。通过两个阶段的路径规划与控制,实现车辆整体上以最环保的方式通过交叉口的目的。为了验证模型的有效性,搭建了Python和Vissim集成的仿真平台进行仿真,设置了不同的交通流状态场景,并和Webster信号配时下,不受其他控制器控制的车辆进行了燃油消耗和排放对比。试验结果显示,相比于Webster信号配时下,不受其他控制器控制的车辆,受路径规划控制模型控制车辆的燃油消耗降低了42.7%,CO排放量减少了4.26%,表明研究构建的路径规划控制模型是一种有效的道路交叉口环保驾驶路径优化控制策略,可以为车联网条件下车辆环保驾驶提供依据。