区域公路网瓶颈路段识别分析研究

为及时掌握区域公路网运行状况和准确识别瓶颈路段,该文运用可靠度方法,通过点段重要度数据和路网模型分配数据计算,识别出重要路段集,再结合可靠性薄弱数据集,取二者的交集为瓶颈路段。通过算例验证,该方法具有较强的实用性和有效性,也为交通管理者识别和改善路网瓶颈路段通行能力提供依据。     

基于均衡原理的单向交通瓶颈路段诊断法

以单向交通组织区域边界的道路节点为OD点,把交叉口转向流线虚拟成路段,转向车道的通行能力作为虚拟路段的容量,转向车道的行程延误作为虚拟路段的交通阻抗,与实际的路段一起组成单向交通组织区域节点OD之间的路径,采用集合运算合成节点OD之间的通道容量。利用交通均衡方法,经交通分配得到单向交通组织区域的路段和虚拟路段的交通量。通过计算饱和度判断路段和交叉口的拥挤程度,诊断出交通瓶颈,为单向交通组织方案的完善提供可靠的支持。     

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 Mo...     

高速公路改扩建工程周边路网交通瓶颈识别

为满足日益增加的交通需求和提高通行质量,同时保障高速公路区域路网和作业区的交通正常运行,有必要开展高速公路改扩建工程周边路网交通均衡诱导研究,对改扩建高速公路上过载的交通流量进行分流和转移。准确地识别高速公路周边路网的交通瓶颈路段,是进行高速公路改扩建工程周边路网交通均衡诱导的重要基础。在对国内某高速公路改扩建工程周边路网交通运行状况调研的基础上,耦合了速度-密度关系模型和服务水平法,构建了交通瓶颈识别模型。然后,基于所构建的交通瓶颈识别模型,结合周边路网的通行能力和不同时段的服务水平,对周边路网不同时段下的交通瓶颈路段进行识别。     

综合客运枢纽行人集散设施瓶颈识别方法

为充分发挥综合客运枢纽行人集散设施的能力,提高枢纽运行效率,分析枢纽行人集散设施瓶颈的形成机理,给出瓶颈的定义和识别流程,提出客流拥堵自动识别算法,考虑拥堵强度、拥堵持续时间和拥堵频率等拥堵特性,构建综合客运枢纽行人集散设施瓶颈识别指数模型并制定瓶颈分级标准.最后以北京南站地下一层换乘大厅为例,验证了方法的有效性.结果表明,高峰时段换乘大厅地铁进出闸机处为Ⅰ级瓶颈,平均排队长度5人,地铁东北、西南售票处为Ⅲ级瓶颈,平均排队长度为14人,与实际情况相符,而通过瓶颈缓解措施,能有效降低排队长度.     

道路交通事故多发路段识别方法研究

分析了国内外事故多发路段的识别方法 ,发现它们多数都是建立在事故的历史数据基础之上。为了发现设计和施工中的道路安全隐患 ,提出了利用计算机仿真技术模拟汽车在道路上运行 ,识别道路安全隐患和事故多发路段的方法。     

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。     

基于交通效率的城市最佳路网密度研究

在指出现有路网性能二元评价指标体系不足的基础上,考虑路网在通行能力和服务水平2个方面的综合性能,针对城市路网设施的断面、路段和路网3个层面提出了断面通行效率、路段输送效率和路网运行效率3个新的交通效率评价指标;并在道路面积率和交通需求分布不变的前提下,建立了4个不同密度的路网仿真分析模型.仿真结果表明:路网服务水平的可靠性随路网密度的提高而增强,但路网交通效率随着路网密度的增加具有先升后降的趋势,即理论上存在一个最佳的路网密度,使路网在容量和服务水平2个方面的综合性能达到最优.     

城市轨道交通运能瓶颈识别方法研究

城市轨道交通庞大的客流量导致了运能紧张及能力利用不合理的现象,严重影响了系统的整体运行效率。针对运能瓶颈问题进行分析,给出了车站瓶颈静态识别模型;结合能力利用公式和AnyLogic仿真软件,对车站的动态瓶颈进行了研究;对于区间线路瓶颈,提出了基于客流的识别方法;进一步分析了车站内部瓶颈以及车站、线路间瓶颈的动态传播变化规律。最后进行了实例应用,结果表明,复兴门站的车站瓶颈为站台层的换乘楼梯口处,2号线各区间的能力利用率相差不大,线路瓶颈最大值出现在建国门至朝阳门这一区间。该方法考虑了车站和线路不同位置的特性,并提出了相应的瓶颈识别思路,具有良好的实用价值。     

路段通行能力约束下路网最大交通量的确定

道路网络的最大交通量是交通规划的基础资料，在给定网络结构和路段通行能力的基础上，借用图论中最大汉量小割定理，提出了一种适用计算机编程运算的算法，为路段通行能力约束下路网最大交通量的确定提供了一条新的途径。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

一种基于无人机倾斜摄影的三维路网提取方法

三维路网是重要的基础地理信息数据,为了快速高效地获取包括路网在内的地表三维模型,可以采用无人机倾斜摄影技术,并设计相应的三维路网提取方法。在对无人机倾斜摄影三维模型、道路特性分析的基础上,提出一种基于无人机倾斜摄影的三维路网提取方法。首先,对无人机倾斜摄影和三维建模方法进行了分析,设计了针对三维路网提取的航空摄影策略和数据处理流程。分析了真实三维模型的构成,并结合道路在材质、形态等方面的特殊性提出了可用于道路提取的三维模型特征。然后,以三维模型中的三角面片为处理对象,开展了相关分割方法研究,消除存在混合地物的面片。利用支持向量机方法和面片的多种特征,进行了道路面片识别。最后,设计了道路面片三维连接方法和道路边缘三维修正方法,实现了面片间的连接以及道路边缘的有效修正。此外,还以北京某地区为例开展实际数据采集、三维建模和三维路网提取试验,介绍了倾斜摄影、控制点验证点数据采集以及三维模型的采集和生产过程;利用所提出的方法进行路网提取试验,得到了该区域的三维路网数据成果,并从定性和定量2个角度对成果进行评价。试验结果表明：所提出的方法可以有效地从倾斜摄影三维模型上提取路网信息,其平面和高程的精度均可满足一般导航等应用的要求。     

基于云理论的路网可靠性评估方法

以科学评估路网可靠性为目标,认为该问题涉及到对路网可靠性的认知和表达两个方面。视路网可靠性为模糊性与随机性的统一,从而发现其理论基础同云理论有着内在联系,进而采用云理论研究路网整体可靠性的评估。根据路网综合失效的严重程度,将路网可靠性划分为6个等级,将影响可靠性的因素划分为5大类别,并采用路网综合性能模型对5个类别的影响因素进行衡量、对路网可靠性所属等级进行评判。鉴于人脑的思维是对路网可靠性认知与表达的主体,而自然语言是思维的载体,故以语言值来表示可靠性的定性概念与其定量数值之间的不确定性转换,并通过应用分析描述了该方法的应用过程。     

基于路网子图空间的交通流平衡分析方法

通过定义路网子图空间,提出了基于路网子图空间的Wardrop平衡原理,建立了相应的交通流平衡分析模型,并通过实例阐释了偏态均衡路网交通流的形成机理与演化过程。研究表明:该模型能够很好地解释包括新路开通期的路网交通流、换乘子图空间路网交通流、收费道路偏好子图空间路网交通流等多种情形下由于网络结构被差异性地认知所形成的偏态均衡路网交通流现象,为多标准下交通流的平衡分析建立了新途径;该分析方法有助于道路网络结构设计与道路网络管理方案的优化。     

基于粗糙集和合理变权的公路网节点重要度测算方法

鉴于目前用于计算公路网节点重要度的方法主观性较强,本文提出基于粗糙集理论的知识属性约简并结合合理变权的公路网节点重要度测算方法。根据粗糙集理论强大离散数据处理功能,挖掘影响公路网节点重要度各影响因素之间的潜在关系,定量分析节点属性重要性,并确定属性的权值,同时采用变权综合决策的方法来计算公路网节点重要度,进而有效地避免常权在实际应用中忽略了准则之间的重要程度因方案准则的状态不同而发生变化的这一不合理现象。以苏州地区公路网为例,并与其他计算方法相比较,结果表明,该方法能够有效的计算公路网节点重要度,并在处理多节点、影响因素筛选及动态确定权重方面具有明显的优势。     

公路网事故多发段(点)判别方法研究

针对在事故多发段判别时,平面交叉节点通处理为路段,平面交叉节点的安全重要性被弱化,判别精度受到了影响的问题;并针对路网事故多发段判别时,先判别事故严重的路,再判别其上事故多发段,忽略了整体事故不严重的路上个别事故多发的段点的问题。对路网中各种等级公路进行归一化处理;根据平面交叉节点行车安全特性,把公路划分为平面交叉节点路段和普通路段;平面交叉节点路段安全影响范围的确定;从而进行路网事故多发段判别。既提高了已有动态步长过滤法等对一条公路进行事故多发段判别的精度,又解决了不同等级、不同特征公路组成的路网在同一水平下的事故多发段判别;为路网安全管理提供了基础。     

基于信息分配的道路黑点鉴别方法

为解决传统的道路黑点鉴别方法中存在的小样本问题及事故样本的信息损失问题,深入分析了事故数据的小样本特性及事故样本反映路段行车风险的多维性;并引入信息分配技术对交通事故数据进行处理,通过计算和比较事故样本分配给各路段单元的事故信息量(而不是事故频次)进行道路黑点鉴别。结果表明:信息分配技术能充分挖掘小样本事故数据提供的道路黑点鉴别信息,事故信息量比事故频次更能反映各路段单元行车风险的大小。     

基于粗糙集理论的短时交通流组合预测研究

为满足交通流诱导系统的理论需要,建立了一种基于粗糙集理论的实时交通流量组合预测模型。通过粗糙集理论来确定组合预测中的权系数,对路段的交通流做出短时预测。结合某路段的实际交通流数据,对预测模型进行仿真训练,经过比较分析,验证了该组合预测模型的有效性和实用性。