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。     

城市路网交通流元胞自动机模型研究

研究城市路网交通流的动态特性,揭示交通拥堵、环境污染和交通事故的产生原因和规律,能为城市交通问题的解决提供理论依据.元胞自动机模型是研究城市路网交通流动态特性的一个有效工具,能够再现许多重要的交通流特征.从路段模型、交叉口模型和路网模型3个方面总结和评述了国内外各种典型交通流元胞自动机模型.在现有模型的基础上,通过对车辆起讫点分布、路径选择行为、双向通行多车道路段车辆换道规则、不同控制交叉口的车辆更新规则以及网络拓扑结构等方面进行改进,可以提高元胞自动机模型在城市路网交通流仿真中的真实性.     

交通流微观模拟中的路网属性与可视化设计

城市交通微观模拟系统可以为城市交通管理决策提供依据，使城市交通逐步纳入科学管理的轨道，文章对交通流微观模拟系统的基础－模拟路网进行了深入的研究，在了解了实际网络构成的基础上，对宏观路网及微观路网进行了分类定义，描述了路网组成元素的属性，并应用现代计算机技术，实现了在背景地图上的路网矢量化、可视化设计。     

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...     

考虑路段容量降级的均衡流模式研究

为探究降级路网和非降级路网两种情形下交通网络流量的波动情况及演化规律,通过均匀分布来刻画路段容量的随机变化,在此基础上构建降级路网下基于传统路径更新规则的更新模型,该模型利用前一天使用路径的实际出行时间和前一天感知路径出行时间期望值来更新,并通过算例分析依赖参数和容量降级系数对降级路网交通流演化的影响。结果表明,降级路网和非降级路网下交通网络均能演化至稳定状态,但均演化不到随机用户均衡状态;相较于非降级路网,降级路网下交通网络演化至稳定状态所消耗的时间更长。     

基于宏观交通流的城市路网容量研究

基于宏观交通流理论，建立城市中心区道路网所容纳的有效车辆数模型，并根据北京市二环内的实际调查数据对模型进行标定，确定出二环内道路网所容纳的饱和车辆数，为道路交通管理等提供依据。     

武汉竹叶山立交桥建成后交通流分析

运用路网交通流分析的相关理论和方法,分析和评估武汉竹叶山立交桥建成之后对周边交通状况所作出的改进和影响,分析了项目的影响范围和影响程度,并对所引起的新的交通问题进行了分析和总结,同时提出了合理组织立交桥和地面交通的措施。通过对竹叶山立交的影响分析,对研究范围的交通流向和流量进行合理调节并充分发挥立交桥的作用,为该区域提供安全、高效的交通服务。     

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航（ACC）和协同式自适应巡航（CACC）等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响,利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明：自动驾驶可以提升交通容量;与ACC车辆比例r_a相比,CACC车辆比例r_c对交通容量的影响更为显著;当r_c>0.5时,饱和流量快速增加,当r_c=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明：自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下,车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。     

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。     

考虑支路路段双向流量相互影响的交通网络均衡分析

为了解决含双向不分道行驶的狭窄支路路段交通网络配流问题,提出基于路段宽度、单车道通行能力、双向流量比例等因素的支路路段通行能力近似公式;通过扩展支路路段费用的表达形式,建立了分析支路路段双向车流相互作用的交通网络均衡模型.鉴于支路路段费用函数不是关于方向流量的凸函数,采用最短路径上全有全无分配并结合相继平均法设计了模型的求解算法.结果表明:该近似公式与模拟结果基本吻合;含双向不分车道行驶支路路段的交通网络均衡模型与算法,有效地推广了常规配流方法,可用于解决实际工程问题.     

多用户多准则城市交通网络非稳定均衡分析

为了反映现实中交通出行者实施出行与否的决策过程,通过对实际城市交通网络状态的分析,引入了非稳定均衡网络状态的概念。同时通过对出行者出行选择行为的深入分析,引入了多用户多准则非稳定均衡网络状态的非线性互补问题模型和变分不等式模型,并利用超级网络的概念证明了两者的等价性。新模型能够将出行者的路径选择决策、目的地选择决策、出行方式选择决策以及出行与否决策合理的整合在一起,从而可完整的反映城市交通流的形成模式。给出了求解多用户非稳定均衡态的变分不等式模型的修正投影算法,并通过一个数值例子验证了算法的有效性。结论部分给出了多个可进一步深入研究的方向。     

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。     

道路与交通工程系统分析

针对道路与交通工程规划、设计、修建和营运管理问题的特点,通过运用综合系统分析方法论、微观经济概念等学科知识,提出了进行资源配置、方案选择和工程系统分析的目的、步骤及内容。     

路网交通流动态分配模型分析

该文分析了交通流路网分配的概念及在交通控制与诱导中的作用,重点研讨了交通动态分配过程及分配模型,对于解决区域性交通适时控制与诱导问题,认为目前的动态交通分配的前提和结构均存在不可克服的障碍,建立智能交通系统(ITS)是最好的解决方法。     

基于小波神经网络的道路交通流量实时预测模型研究

实时交通流量预测是智能交通系统的核心内容,智能交通系统中多个子系统的功能实现都以其为基础。交通流具有高度非线性和不确定等特征,且与时间高度相关,可以看成是时间序列预测问题。根据交通流的这些特点,提出基于小波神经网络的道路交通流量实时预测模型,并以某条道路为例,通过Matlab编程实现模拟仿真。仿真结果表明,小波神经网络能够比较精确、快速地对实时交通流量进行预测,网络预测值接近期望值。     

多车型高速公路离散平衡网络设计的双层规划模型

为了建立高速公路新建路段的科学决策方法,将新建路段的位置、容量与收费费率的确定纳入一个决策过程,利用双层规划理论建立多车型高速公路离散平衡网络设计问题的优化模型.上层规划中将路网管理者(政府)作为绝对领导者,经营者的财务目标以及投资上限作为实现系统最优的约束条件.下层规划采用文中提出的多车型多准则用户均衡模型,考虑了不同车型道路使用者路径选择行为的差异性,从而更准确地描述了路网中的流量分布形态.最后以一个算例对模型的效果进行了验证说明.结果表明:应用该模型可同时优化出新建路段的位置、容量以及各路段的分车型收费费率.     

城市道路短期交通流预测VHSSA模型

针对出行者出行时对交通信息预报以及动态路径规划的要求,对路段的历史交通流时间序列数据进行了研究,利用城市路段交通流的周期相似性特征提出了基于纵横序列相似性的短期交通流预测VHSSA模型,该模型克服了以往预测模型只考虑纵向时间序列周期性相似的缺陷,将全时间序列数据进行小波变换后分解为反映基本变化规律的基序列和反映波动变化情况的波动序列,既可只进行基序列预测,也可通过置信区间对波动序列进行修正,再与基序列叠加进行全序列预测.经试例验证,VHSSA模型和基于纵向序列相似性的VSSA模型分别与实测序列的基序列和全序列进行比对,VHSSA模型的预测效果总体优于VSSA模型,误差可满足实际要求.