基于认知差异的交通流动力学建模及仿真

车路通讯技术的发展为驾驶员提供当前和预测的交通状态信息创造了条件.本文考虑驾驶员的预测性及驾驶员群体对交通信息认知的异质性,建立了新的宏观交通流动力学模型.基于线性稳定性理论,获得了新模型的稳定性条件;通过仿真算例,分析了模型参数对交通流稳定性的影响.结果表明,驾驶员的预测时间、记忆时间、最优记忆流量差权重系数、驾驶员类型比例和记忆时间差异对交通流稳定性存在显著影响;而增大预测时间步长、记忆时间步长、权重系数和认知强度系数都可以有效增强交通流的稳定性;但交通信息认知差异增大却会破坏交通流稳定性.     

OV 模型交通流阻尼特性研究

对交通流跟驰模型施以拉氏变换（或z 变换）,转换为控制系统传递函数形式, 进而通过分析传递函数来探讨交通流系统稳定性及控制方法,这是交通流稳定性理论研 究重要方向之一.为进一步挖掘分析稳定交通流系统在稳定状态下动态特性,基于最优速 度跟驰模型,以控制理论时域分析方法,研究了交通流系统在欠阻尼和过阻尼两种情况 下阶跃响应动态特性,并以仿真算例验证了理论正确性.过阻尼较欠阻尼交通流系统稳定 性好,但调节时间更长,若将交通事件抽象为阶跃响应,通过分析交通流系统调节时间、 超调量等参数,可为计算交通事件持续时间作参考,进而制定合理有效的交通管理措施.     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

�������Ԥ��ģ�͵Ķ�ʱ��ͨ��Ԥ��

在现代智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.为了提高短时交通流预测的准确性,本文提出了一种基于组合预测模型的短时交通流预测方法.一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的匹配值;然后,将二者获得的信息进行融合,采用多种不同的组合方式来实现短时交通流预测.以厦门市莲花路口断面的交通流量为例,通过对仿真图像和数据的分析,得出各种组合方法的预测平均绝对相对误差均小于10%,能够较好地满足交通诱导系统的需求.     

基于感知能力的微观交通流动力学建模与仿真

基于驾驶员驾驶行为感知能力,提出了一种新的微观交通流动力学模型. 通过理论分析和数值模拟,对新模型的性能进行了详细的研究分析. 通过理论分析,基于线性稳定性理论,得到了新模型的稳定性条件. 通过数值模拟,深入分析了各参数对密度波和迟滞环的影响,进而对交通流稳定性的影响. 仿真算例结果表明：驾驶员感知能力对交通流稳定性有显著影响,车头距离变化信息可有效增强交通流的稳定性,对stop-and-go 交通拥堵有显著抑制作用,但不可避免的感知缓冲时间会破坏交通稳定性,进而产生严重的stop-and-go 交通拥堵;密度波和迟滞环的数值仿真结果与理论分析结果吻合得很好,验证了理论分析结果.     

短时交通流预测中的特征选择算法研究

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于 ReliefF和 Delta Test的特征选择算法来对特征向量进行选择.首先使用 ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以 Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.     

基于感知能力的微观交通流动力学建模与仿真

基于驾驶员驾驶行为感知能力，提出了一种新的微观交通流动力学模型. 通过理论分析和数值模拟，对新模型的性能进行了详细的研究分析. 通过理论分析，基于线性稳定性理论，得到了新模型的稳定性条件. 通过数值模拟，深入分析了各参数对密度波和迟滞环的影响，进而对交通流稳定性的影响. 仿真算例结果表明：驾驶员感知能力对交通流稳定性有显著影响，车头距离变化信息可有效增强交通流的稳定性，对stop-and-go 交通拥堵有显著抑制作用，但不可避免的感知缓冲时间会破坏交通稳定性，进而产生严重的stop-and-go 交通拥堵；密度波和迟滞环的数值仿真结果与理论分析结果吻合得很好，验证了理论分析结果.     

交通流短时预测研究进展

交通短时流预测是交通控制和交通诱导的基础和关键技术之一,经过几十年的研究已出现200多种预测方法。首先对城市道路交通流短时预测方法进行分类。然后分析、归纳了交通流预测领域的最新研究进展,总结出几类最新的研究趋势：综合模型应用,组合模型应用,时空相关性研究,单断面向多断面、路网扩展研究,单步预测向多步预测发展研究,以及基于反馈的动态预测。最后,展望了今后交通流短时预测的研究方向。     

考虑驾驶员预测特性的带有上匝道的宏观交通流模型

高速公路入口匝道车流对高速公路主路车流存在较大影响，在未来车联网环境下，驾驶员能够获取更为丰富的交通信息，并对下一时段的交通状态做出预判.本文提出考虑有驾驶员预测特性的带有匝道的新格点流体动力学模型.基于线性稳定性分析方法，得到关于新格点模型的中性稳定性条件；在非线性稳定性分析中，采用还原扰动法推导模型在临界点附近的mKdV(modified Korteweg de Vries)方程，求解方程所得的扭结-反扭结孤立波，可以用于描述交通密度波在中性稳定曲线附近的传播机制.最后，基于仿真算例验证匝道交通流率和驾驶员预测时间对交通流稳定性的重要影响.     

智能运输系统中交通流状态辨识算法研究

交通流状态辨识是交通控制与诱导系统中的关键问题之一,也是智能交通系统的重要功能之一.对道路交通流状态进行分析研究,深入挖掘交通流动态信息,及时、准确地辨识未来和实时交通流状况,是制定正确诱导和控制措施的一个重要前提.文章介绍了在交通流状态辨识中所采用的一些新技术,为交通流状态辨识提供了新的研究方法.