基于优化SVM的城市快速路网交通流状态判别

以交通流率、速度和占有率为输入参数,采用交叉验证法优化模型惩罚参数C和核函数参数γ,建立以径向基为核函数的支持向量机模型,判断道路断面交通流状态;结合设计的道路网综合状态指数,依据自由流、拥挤流和阻塞流状态下占有率划分区间,构建城市快速路网交通流状态判别方法;最后以某一区域路网为例,进行了实证性研究．结果表明：该方法对道路断面交通流状态判别精度可达92．22％;同时能够实现道路网范围内对自由流、拥挤流和阻塞流状态的判别,判别精度可达86．67％．     

��ʱ��ͨ״̬Ԥ���������Ⱥ�㷨�Ż��о�

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。目前,道路交通数据采集设备的性价比越来越合理,道路上交通数据的采集设备不断完善,使得短时交通流状态的分析处理和预测成为可能。考虑到道路网交通状态的混沌特性和相关性,应用多维混沌时间序列可对道路网多断面交通状态进行预测。建立的多维混沌时间序列模型中有多个参数需要确定,并且与以往一维混沌时间序列预测中参数确定原则既有区别又有联系,因此在分析其差异性之后,本文利用粒子群优化算法优化模型中参数,当输入新的数据时,应用该模型就可以预测道路多点的交通状态。通过某城市快速路上7个断面交通流量来验证模型的有效性。     

城市快速路匝道合流区与基本路段交通流特征对比

基于快速路实测数据和微观仿真数据,从交通流基本图、交通流状态空间传播、匝道与主线流量关系和车道横向分布特征4个方面对比了匝道合流区与基本路段的交通流特征.结论表明:由于匝道车辆汇入的影响,匝道合流区与基本路段的交通流特征存在较大的差别,在城市快速路的规划、设计、管理和控制中都应该区别对待.     

快速路匝道与主线合流区交通参数关系模型

为了研究快速路匝道与其主线合流区的交通流特征关系,选用南京长江大桥入口作为数据 采集点,观测其汇入路段的交通流,并对交通流速度、密度等宏观参数和换道次数、可接受间隙等微观特征变量进行了相关性分析。研究发现,速度、密度、换道次数和可接受间隙之间存在非 线性相关性。基于此,构建了主线车道车速与密度、换道次数和可接受间隙之间的非线性关系模型。快速路匝道与主线合流区是快速路的主要瓶颈路段,结合宏观交通参数模型和微观间隙接受模型,阐述了快速路主线和匝道汇入车流的交通参数数学关系。实测数据拟合结果表明,该模型能够准确描述匝道与主线合流区的交通流特性。     

城市快速路匝道出口交织区交通冲突特性研究

为了研究城市快速路匝道出口及交织区的交通运行特性,以长春市具有代表性的快速路匝道出口作为调查对象,以调查实测的数据为基础建立模型,分析交通冲突特性、交通流流量特性及密度特性,建立研究路段交通冲突数与流量和交通密度的关系模型。研究结果表明,快速路出口处车流量的冲突数随着交通流量的增加而增加,而与交通密度的关系中则存在一个临界值(交通密度达到131辆/km,交通流变为强制流)。本文研究成果可以为城市快速路匝道出口控制提供理论依据与参考借鉴。     

快速路匝道协调控制模型

快速路多匝道协调控制是一种有效解决城市交通拥挤问题的方法,考虑下游交通需求的宏观动态交通流模型与匝道排队模型为快速路系统控制提供交通需求信息.根据匝道排队状况,主线交通运行状态确定汇入主线的交通量.以系统总行程时间最短为控制目标,控制目标函数考虑了匝道调节率的变动引起的运行状态变化对最优值的影响.     

快速路匝道协调控制模型

快速路多匝道协调控制是一种有效解决城市交通拥挤问题的方法,考虑下游交通需求的宏观动态交通流模型与匝道排队模型为快速路系统控制提供交通需求信息。根据匝道排队状况,主线交通运行状态确定汇入主线的交通量,以系统总行程时间最短为控制目标,控制目标函数考虑了匝道调节率的变动引起的运行状态变化对最优值的影响。     

����ʵʱ�ܶȵ�����ѵ������㷨�о�

随着城市汽车保有量的不断增加,交通拥堵日益频繁;匝道控制是通过调节入口匝道车辆数,来缓解快速路匝道交汇处拥堵的有效方法.本文同时考虑快速路和入口匝道上的实时密度设计了匝道控制优化算法,该算法旨在控制快速路密度接近其最优值,同时减少匝道上的排队数;通过PARAMICS仿真软件对算法进行验证,并与ALINEA、Demand Capacity算法进行了比较,仿真模拟统计了快速路交通流密度、匝道排队数、总车辆行程时间以及下游流量数据.分析结果显示,实时密度控制算法是有效的,能够维持干线最大流量,保持路网交通条件的动态平衡,并且尽可能地减少排队长度.     

����ʵ�����ݵĿ���·��ͨ������ģ��

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.     

拥堵条件下的快速路出口匝道交叉口与下游交叉口协同控制方法研究

在快速路系统中,出入口匝道是联接快速路与地面道路的纽带,同时也是最易发生拥堵的瓶颈路段。针对快速路出口匝道车辆拥堵问题,建立拥堵条件下的快速路出口匝道交叉口与下游交叉口协同控制模型,由两个子模型组成,分别是目标交叉口通行能力最大优化模型和下游交叉口车辆疏散最大优化模型。前者旨在提高出口匝道的通行能力,后者旨在保障目标交叉口方向来车到达下游交叉口后尽快疏散,案例分析结果表明:在快速路出口匝道拥堵疏解路径中,该模型求得的交叉口信号配时方案比采用Webster配时模型求得的单点信号配时方案在通过车辆数、车均延误以及平均排队长度方面分别优化了18%、22.3%和71.6%,大大加快了出口匝道拥堵疏解效率。     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于模型预测的城市快速路匝道流量协调控制

为保证城市快速路处于最大通行能力状态,提出了城市快速路交通流量的一种非线性模型预测方法,在此基础上,对快速路各入口匝道流量进行协调控制.以城市快速路某一拥挤路段为例进行了仿真研究,结果表明,该方法不仅能够有效地消除交通拥挤,维持主线车流稳定,而且匝道调节率平稳,同时该控制方法能保证各入口匝道交通需求的公平性.     

车联网环境下的动态Robertson车队离散模型

传统Robertson车队离散模型参数估计是基于历史数据,不能很好地反映交通流的动态变化特征,为解决这一问题,构建了车联网环境下的动态Robertson车队离散模型.考虑到车联网环境下车辆的行程时间数据易于获得,基于此可对Robertson模型的相关参数进行实时动态估计建立动态Robertson车队流量离散模型.通过实际调查数据,分析了上游交叉口车辆离去流率与下游交叉口车辆到达流率的关系,并将文中模型与静态Robertson模型、实际观测数据进行了比较分析.结果表明,文中动态模型更能反映交通流的车队离散规律,与静态Robertson模型相比,平均预测均方误差减少了30.68%.      

行程时间服从混合高斯分布的车队离散模型

为充分描述异质交通流条件下的车队离散规律,为信号配时优化、公交优先控制提供理论基础.考虑异质交通流条件下车辆行程时间分布特点,采用混合高斯分布拟合车辆行程时间分布.基于此,从流量角度推导了异质交通流条件下车队流量离散模型.通过实际调查数据,分析了下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型与Robertson模型、实际数据进行比较分析.结果表明,本文模型能够更好地描述异质交通流条件下的车队离散规律,与Robertson模型相比,平均预测均方误差减少了27%.     

����INTEGRATION�ı�������������ר�õ����÷����о�

城市快速路设置公交专用道作为缓解快速路交通拥堵的策略之一,受到了北京市交通部门的关注. 本文旨在利用先进的仿真技术对快速路公交专用道设置方案后的交通运行影响进行探讨. 文中选取北京市西三环快速路为研究对象,在考虑专用道设置区段、结构形式、站点结构、匝道交通组织以及公交线路调整的基础上,设计四个公交专用道方案并利用INTEGRATION模型开展仿真评价. 选取车辆行程速度、道路运行状态分布作为评价指标,结果显示：尽管道路设施及交通状况满足专用道设置条件,西三环运行指标却有所下降,无法发挥专用道功效. 分析其关键制约因素在于车辆分道行驶加大了匝道附近车辆换道、进出的难度,建议协调匝道控制和公交线路优化改善方案实施效果.     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

高速公路减速波事故的前兆特征与概率模型

为了研究高速公路减速波事故的前兆交通特征,选用了美国I880 高速公路的一条路段的交 通流数据和事故数据,从减速波事故的产生机理出发,通过跟驰行为的安全条件,推导出减速波事故前兆特征因子的交通状态表达方法。分析发现,高速公路上下游速度差和上游交通密度是减速波事故的两个前兆特征因子,上下游速度差和上游交通密度越大,高速公路减速波事故发生的 概率越高。基于此,描述了减速波事故发生概率与高速公路上下游速度差和上游交通密度的数学关系,并进一步建立了减速波事故概率模型,应用所采集的数据拟合了提出的事故概率模型。结 果显示,模型的拟合度为0.673,说明减速波事故发生概率与其前兆因子存在正相关关系,预测模型在一定程度上可以反映真实概率的大小。