城市交通信号控制干道旅行时间实时预测

城市干道旅行时间预测是实时交通运营管理与交通诱导的核心问题之一,也是出行者的重要需求.文中分析了济南市经十路采集的真实数据,研究发现了交通需求和旅行时间在工作日和非工作日同时段具有较大差异、全天具有显著早晚高峰、以及工作日同时段具有相似性及波动性等特征.基于该类特性,分别改进了适用于周期性数据的卡尔曼滤波和波动性的人工神经网络2类预测模型.提出了组合预测算法,将基于历史同时段数据的卡尔曼滤波算法的预测值作为人工神经网络的输入变量,利用历史天和临近时刻的可用数据进行了预测.结果表明:在3.8 km的信号控制干道上,组合预测模型平均误差低于0.9 min,误差超过2 min的概率低于4%,其预测性能可满足实时的交通需求.     

人车冲突风险度评价指标计算研究综述

由于交通事故生成特点与事故统计缺陷的客观存在,交通冲突技术逐渐取代交通事故统计被应用于行人安全评价中.瑞典学者首先提出衡量车辆之间冲突严重程度的若干指标,其定义被不断修改和延伸,逐渐应用于人车冲突分析.对瑞典、日本及中国学者提出的人车冲突指标的概念、计算方法以及应用情况进行系统性地阐述,并归纳分析不同人车冲突指标的共性和差异性,探讨其局限性.多数指标并未考虑整个冲突过程,而只是分析某个特定时刻的严重性.此外,部分指标是基于计划轨迹和当前速度所预测的碰撞点提出的,但并未解释预测是如何完成的.最后,提出了人车冲突指标研究的难点,并对其进行展望.指标的可靠度和有效性是提出新指标需要考量的2个重要方面;如何准确、便捷、高效地利用视频数据进行指标提取是下一步研究的内容.     

钢-混凝土组合结构在沈阳市东西快速干道工程中的应用

沈阳市东西快速干道工程为减少满堂支架施工对路口交通的影响 ,同时 ,也为了保证整个高架桥梁高一致 ,决定采用钢 -混凝土组合结构。针对该结构的负弯矩区桥面板易引起开裂的问题 ,提出各种处理方法 ,并据此予以结构设计。     

人-车-路虚拟仿真系统研究

虚拟仿真技术具有高度沉浸感和实时交互的特点，已成为研究人-车-路系统协调性的重要技术手段。提出了人-车-路虚拟仿真系统的结构，并在基于Creator的基础上，虚拟了场景建模、驾驶人车速控制模型、车辆动力学模型，基于Vega视景仿真的基础上进行了软件开发。通过应用碰撞检测、三通道视景同步显示、Multi—Agent车辆行为建模等技术提高了场景的渲染逼真度，获得了良好的虚拟仿真效果。     

基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为,但随意地在路边或者禁停区域上下客,不但容易干扰道路交通秩序,还可能造成人员伤亡的恶性交通安全事故,需要及时检出以便疏导管理.受益于智慧灯杆的开发和部署,全路段的上下客行为检测成为可能.设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB(Human-Vehicle Interac...     

面向自动驾驶车辆的路段人车冲突判别模型

针对无信号控制路段自动驾驶车辆和行人冲突判别建模,选择武汉市6处无信号控制路段作为调查地点,从而保证足够的车辆及行人数据量,采用视频采集技术获取交通流量以及行人与车辆的行为数据.利用决策树分析方法将决策分为两各层级,分别为行人过街决策和冲突判别,利用二元Logit模型建立面向自动驾驶车辆的路段人车冲突判别模型,对行人和自动驾驶车辆之间可能发生的冲突概率进行计算.建立的模型可以作为自动驾驶技术中的一部分,能够帮助自动驾驶汽车具备人类驾驶员与行人间的通行权沟通能力,使自动驾驶汽车控制系统更加智能且接近人类的判断能力.     

信号交叉口右转机动车与行人冲突运动模型

在一些信号交叉口,右转机动车的转弯行为不受信号控制,容易与过街行人发生冲突。现有冲突研究的内容多为冲突判别和冲突分级研究,对人车冲突运动过程研究相对较少。为减少交通冲突,提高行人过街安全性,提出一种新的右转机动车与行人冲突运动过程的仿真模型。研究右转车辆的决策过程,分析人车冲突机理。建立人车冲突模型,依据实际调查所获得的车辆速度和可接受间隙数据,对模型参数进行标定。对模型进行仿真分析,通过比较冲突时间、后侵占时间、安全减速度、间距时间4个冲突严重性指标,选择后侵占时间(PET)这一评价指标进行安全评价。仿真得到的车辆速度和 PET 数据与调查得到数据相比误差不超过5%,验证了模型的有效性。通过灵敏度分析,小交叉口 PET 提高了10%,说明小交叉口有助于降低冲突的严重性。     

“人-车-路”闭环仿真研究

汽车行驶的安全性不只取决于汽车自身的性能,还受驾驶员状况及道路状况的影响.文中在对汽车、驾驶员及道路进行分析研究的基础上,选择汽车、驾驶员和道路模型,建立了“驾驶员-汽车-道路”闭环模型,利用MATLAB语言开发了该闭环模型的仿真软件,并进行了汽车稳态转向特性校正试验、角阶跃输入试验及汽车穹道运行对比试验等仿真研究,进...     

基于SVM和Kalman滤波的公交车到站时间预测模型

提出一种基于支持向量机(SVM)和Kalman滤波的公交车辆到站时间预测模型.在该模型中,SVM基于历史数据,按照时间段、天气和路段3个输入特性,预测各路段车辆运行时间的基线;然后通过Kalman滤波利用最新的车辆运行信息,结合SVM输出的基线时间来动态预测车辆到达各时间点的实际时间;最后,应用大连市经济技术开发区7路公交线的数据对该模型进行了校验.实例验证结果表明:该模型具有较高的预测精度.     

超车过程中人-车闭路系统研究

提出了一种超车过程中人-车闭路系统的构造方法及研究思路,探讨了人-车闭路系统中主要部件的结构及功能,建立了驾驶员操纵特性的物理模型,为驾驶员的超车安全性研究提供了参考。     

基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证

为了评估既有跟驰模型在仿真中国驾驶人跟驰行为方面的表现,对5种代表性跟驰模型进行参数标定与效果验证。基于"上海自然驾驶研究项目"采集的60位驾驶人、累计超过16万km的实际驾驶行为数据,根据雷达、车辆总线数据自动提取2 100个城市快速路稳定跟驰行为片段;采取5-折交叉验证法划分标定与验证数据集,即将每位驾驶人的50个跟车片段随机划分成5个不相交的子集（每个子集包含10个跟车片段）,其中4个子集作为标定数据集,剩下的1个作为验证数据集,依次轮换标定数据集与验证数据集5次,展开5次模型标定与验证。基于标定数据集,采用遗传算法对Gazis-Herman-Rothery、Gipps、智能驾驶人、全速度差（FVD）以及Wiedemann模型进行参数标定;基于验证数据集,评估5种模型在预测两车间距方面的精度。结果表明：FVD模型在5种模型中表现最佳,具有最小的误差（21%）和误差标准差;相对于微观交通仿真软件VISSIM中所采用的Wiedeman模型,FVD模型具有精度高、易于标定、对不同驾驶人鲁棒性强3个优势,更加适应于仿真中国驾驶人的跟驰行为。研究结果对于开发适合于中国驾驶人与道路交通环境特征的跟驰模型及微观交通仿真系统具有重要价值。     

基于ST-GCAN模型的高速公路车辆速度预测方法

车辆速度是影响高速公路通行效率和安全的重要指标,因此实现对高速公路车辆速度的精准预测有助于减少交通事故进而提升交通智能管控服务水平。基于现有深度学习模型,研究了融合图卷积网络（convo-lutional neural network,GCN）、长短期记忆网络（long short-term memory network,LSTM）和注意力机制的车辆速度预测模型（ST-GCAN）：利用图卷积网络提取复杂高速路网的空间关联特征;使用长短期记忆网络提取车辆速度的历史数据间的时间关联特征;结合注意力机制聚集并分析车辆速度的历史数据和预测值之间的相关性。此外为保障预测模型网络信息完整并解决训练时协变量偏移问题,模型使用密集连接和层归一化技术以提升模型性能表现。利用青海省西宁市的高速公路车辆速度数据集开展实例分析,研究区域包括8个收费站共49条路段,时间跨度为2020年5月1日—8月31日,以小时为步长,共计94 777条数据。实验得到未来1小时高速公路车辆速度的预测效果：平均绝对误差（mean absolute error,MAE）为12.762,均方根误差（root mean square error,RMSE）为21.535,决定系数（R²）为0.651。与传统的时间序列模型和自回归移动平均模型相比,ST-GCAN模型的MAE误差分别降低了约11.1%和19.7%,而对比现有多种深度学习预测模型,ST-GCAN模型的MAE误差降低了约8.0%~10%。ST-GCAN模型在高速公路路网可以实现良好的车辆速度预测效果,满足交通智能管控中的实际预测需求。     

可变限速控制下的城市快速路交通流混沌分析

可变限速策略是城市快速路交通系统中重要的管理手段,制定合理限速值需要考虑交通流运行特征与车辆速度特征因素。为更好地研究可变限速控制下的车辆行驶速度特征所引起的混沌现象,通过设定交通流中遵循可变限速值行驶车辆的不同比例 p 这一参数,以北京市三环快速路交通环境为背景,构建多种仿真情景得到速度时空序列,借助 C-C 法获得不同断面的速度序列时间延迟与嵌入维数,重构时间序列相空间,利用小数据量法获得最大 Lyapunov 指数即λmax ,以判断混沌特征,并在相同流量下进行对比,分析发现,没有实施可变限速策略时,断面速度序列λmax为正;实施可变限速策略时,可变限速标识下游200 m 位置速度时间序列λmax 为正,并且λmax 与 p 存在二次回归关系,当 p =76.8%时,速度序列λmax 趋于0。以 p 为关键参数的分析结果可为制定可变限速值以及策略实施提供参考。     

考虑交通事件影响的城市道路行程时间预测

外部环境因素对城市交通预测有较大影响,尤其在交通事件发生时,由于交通流的随机性和非线性特征,交通异常情况下的预测精度往往较低.为此,基于深度学习理论,提出一种以序列到序列模型(Sequence-to-sequence,Seq2Seq)为主体,融合外部因素特征的城市道路行程时间预测方法.利用时间序列分解算法(Season...     

无信号控制平面交叉口交通冲突预测模型研究

以无信号控制平面交叉口为研究对象,在交通流运行特征分析的基础上,用泊松分布描述车辆的到达特性。通过相关假定,指出机动车与机动车之间冲突发生的条件及冲突数的计算方法,认为平交口内车辆之间的冲突是按照一定概率同时进入交叉口的车辆相互干扰的结果。运用概率统计的相关理论计算出在车辆横穿交叉口的时间CT内,单进口道发生的冲突数,进而计算出单进口道的小时冲突数及整个交叉口的小时冲突数。建立了冲突预测模型,并利用实测数据对模型进行了验证。     

交通流实时预测的混沌时间序列模型

针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中。为了进一步提高算法的精度与速度,对最优邻域的点数进行动态选择,通过改进,使之成为一种鲁棒性强、预测精度高的实时预测算法,并能有效地用于短时交通流的预测问题中。仿真结果表明:该算法完全满足实时交通流预测的需要,为交通信号智能控制和交通流诱导奠定了坚实的基础。     

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。     

混合智能算法在城市道路短时交通流量预测中的研究

对城市道路短时交通流进行准确预测是实现城市交通控制与交通诱导的关键。针对目前单一预测方法预测精度不高的问题,提出了小波与支持向量机（SVM）融合的预测新方法;同时为了避免SVM知识学习过程陷入局部最优的问题,采用粒子群算法（PSO）来优化SVM的关键参数,以提高对短时交通流量的预测精度。通过对武汉市道路交通流数据的实验分析,结果表明所提出的方法能够准确提取实验数据关键特征,显著提高SVM的预测精度,且结果比单一使用方法提高了近9%。     

城市交通流诱导系统中的路段行程时间间接预测方法研究

在阐述综合路段行程时间间接预测模型思想的基础上，提出了基于排队论及基于交通模拟的行程时间间接预测模型，并按照人工调查数据验证模型的精度，给出了相对误差图，以说明模型算法的有效性。