城市快速路交通拥堵判定方法研究

为弥补单点检测器判定交通拥堵方法研究的不足,在对实测数据分析的基础上,利用临界占有率将交通流状态划分为拥堵状态与非拥堵状态,提出了以速度-占有率比、速度差双指标判定交通拥堵状态发生、结束时刻的方法。并以北京城市快速路实测数据为例,对各判定指标阈值进行标定,判定结果表明:基于单点检测器设计的拥堵判定方法能够有效判定检测器断面拥堵发生时间、持续时间、结束时间。     

基于自适应BP神经网络的城市道路偶发性拥堵判别

在分析交通拥堵时空分布特征的基础上,将交通流状态划分为正常状态、常发性拥堵和偶发性拥堵3种;以BP神经网络为基本工具,引入粒子群算法确定网络结构,通过加栽学习动量项加快网络收敛速度,实现偶发性拥堵的准确、快速识别。研究表明,自适应BP神经网络比传统网络在偶发性拥堵判别方面具有更高的正确率,能实现快速判别。     

城市快速路常发性交通拥挤分析

基于城市快速路交通流实测数据,分析了常发性交通拥挤的特征.划分了6种交通流状态,对其进行了定性和定量分析,进而提出了"状态跳转"的概念和判别方法,揭示了拥挤形成过程;根据交通拥挤的形成原因将其分为主动和被动式.介绍了用时空速度变化图寻找拥挤源头以及选择交通控制措施的方法.     

城市快速路交通运行特性及组织原理——以北京市快速路为实例

基于北京市快速路交通流数据,首先介绍了城市快速路交通运行特性,阐述了提升快速路交通运行效果的可能性;其次,讨论了城市快速路交通组织原理,并对相关管理实践进行了反思:一是明确交通拥堵概念和范围,确定快速路交通组织优化的对象;二是强调交通密度是分析拥堵的关键指标,在实践中不应忽视;三是介绍基于交通流理论的快速路交通拥堵的评价方法,并对北京市快速路交通拥堵造成的经济损失进行了粗估.这一方法简单,但直观、易于理解.     

基于 FCD 的城市路网常发性拥堵路段识别方法研究

常发性拥堵严重影响了城市路网运行效率,准确识别常发性拥堵是交通部门解决交通拥堵问题的重要任务。研究选取浮动车数据作为基础,确定了数据分析的时间粒度,从常发性拥堵的时空特性角度出发,建立拥堵阈值、时段拥堵时长比和常发频度3级判别指标,并运用 GIS 技术,结合指标体系设计了常发性拥堵时空分布的筛选平台。以北京为例,针对早高峰常发性拥堵路段进行识别。通过对识别结果的分析和相关数据对比,成果可反映常发拥堵的特征,以及北京近年来的缓堵工作效果。     

集成ETC系统的城市快速路常发性交通拥堵管理策略

分析城市快速路常发性交通拥堵特点,基于ETC(电子不停车收费)系统功能和匝道控制原理,提出了快速路ETC匝道控制和匝道出入口OD流量分析模型。通过判断分析关键匝道出入口及其常发性拥堵的不同原因,提出相应的拥堵管理策略,为快速路的常发拥堵管理及匝道控制提供参考。     

基于改进型CTM模型的城市快速路交通事件仿真

交通事件是城市快速路拥堵的重要原因,有必要对交通事件发生后的交通流特性进行分析。为更好地适用于城市快速路交通流仿真,引入元胞密度和元胞长度2个参数,改进了传统元胞传输模型(CTM)。在Matlab上建立改进的快速路元胞传输模型,考虑不同交通密度条件下拥堵形成过程和消散机理,选取了交通事件后的交通流特征指标并定量计算。结果表明,改进的CTM模型能较好地对城市快速路交通事件仿真,不同交通密度下的交通事件引起的交通流特征有很大差异。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

基于FCD的桥下积水导致城市交通拥堵点段识别方法研究

城市暴雨天气不仅导致了城市大范围的交通拥堵甚至全路网交通瘫痪,同时还造成了严重的经济损失和人员伤亡.文中通过对比分析降雨导致桥下积水日和正常日天气状况下的快速路浮动车交通流特性,综合考虑积水导致交通拥堵的空间影响范围、积水路段的速度变化和时空分布情况,提出了基于样本量比率和交通流速度变化、速度差三者共同作为积水交通拥堵点段识别指标的方法.该方法可排除GPS受随机因素的干扰,减少积水时段内常发性交通拥堵的影响.并将基于ArcGIS程序应用识别算法与实际情况对比,分析结果表明该算法具有一定的准确性和实用性.     

基于高地联动的城市快速路交通提升策略研究

随着社会经济的发展,城市快速路交通呈现常态化拥堵运行状态,因此亟需开展交通综合提升研究。以苏州市内环某快速路为例,基于多源数据科学研判交通拥堵问题的成因,运用高地联动的优化策略,以全局最优、系统协同理念制定交通提升实施方案。根据交通流的溯源分析,寻找可能的分流通道。一方面,通过工程措施提升分流通道的通行能力;另一方面,通过快速路的交通管理方案,诱导快速路上的短途交通转入分流通道,均衡快速路和分流通道的流量分布,从而有效缓解快速路的交通拥堵。     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

城市道路交通拥堵评价和判定标准研究

随着汽车保有量的增加,城市交通需求量也持续膨胀,使得交通拥堵成为城市发展亟须解决的问题。鉴于此,首先,以车道占有率和速度跃迁概率为基本指标,提出一种新的交通流状态划分方法。随后,研究了交通流参数时变特性及不同车道间的交通流特性,提出了交通拥堵状态的判定算法和指标。最后,分析了城市道路交通拥堵评价层次和评价体系(指标),并得到了评价特定区域内交通拥堵严重程度的城市交通行程时间指数模型。     

基于出行时间的交通拥挤指数及其评价标准

通过对国内外交通拥挤管理系统的研究与分析,提出了北京交通拥挤指数的概念、计算方法和评价标准.通过对北京地区的交通调查数据进行分析,表明定义的交通拥挤指数是合理的,可以用于评价单条道路或特定区域的交通拥挤程度.为交通拥挤管理、道路交通规划和居民出行提供参考.     

基于累积前景理论的拥挤阈值计算模型

信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。     

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。     

基于DEA的城市道路交通拥堵评价

为了更好地分析和解决城市道路交通拥堵问题,以主干道为研究对象,将城市道路拥堵状态分为堵塞、拥堵、较拥堵、较畅通、畅通5个等级,从交叉口拥堵和路段拥堵2个方面筛选了衡量道路交通拥堵的评价指标,利用数据包络分析（DEA）建立了城市交通拥挤评价模型。以济南市北园大街主干道为例进行交通拥堵评价,得到该道路的拥堵状态以及产生拥堵的主要原因。结果表明数据包络分析方法在进行多指标评价综合评价中具有很强的抗干扰性,评价结果更客观。     

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明：美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。