共查询到10条相似文献,搜索用时 15 毫秒
1.
利用北京市道路交通的实测数据,对比分析了国外多种信号交叉口排队长度计算方法的结果,在此基础上,以SIGNAL94为基本模型,针对北京市交通的实际情况,建立了适合北京市交通特性和动态计算的排除长度优化模型,运用时间平滑处理方法减小了交通系统随机性对计算精度的影响,经过实际数据的验证,在通常的交通条件下,优化模型的相对误差保持在5%左右。 相似文献
2.
3.
为改善交叉口排队长度管理,避免交叉口某个方向排队长度过长,采用强化学习理论建立了以平均排队长度差最小为优化目标的在线Q学习模型.针对控制性能指标相对于邻近的配时方案不敏感的特点,提出了以平均排队长度差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性.集成Excel VBA,Vissim,Matlab建立了在线仿真平台,作为计算环境对算例进行了计算.算例中利用GPS数据对Vissim软件中车辆加减速度曲线进行了标定.计算结果表明以平均排队长度差作为优化目标能够提高各个方向排队长度的平衡性,优化整个交叉口的时空资源;建立的在线Q模型具有学习能力和较快的计算速度,模型能否收敛受到周期取值和可选行为数量的影响. 相似文献
4.
为提高路外停车场停车效率,同时保障停车过程的交通安全,研究了路外停车场内部车行交通组织优化方法。利用有向加权图表征停车场出入口和车行通道布局及内部车行交通组织,将车行交通组织优化问题转化为邻接矩阵优化问题;以停车过程中的安全与效率为优化目标,构建潜在冲突风险、泊车行程时间和节点均衡系数3个评价指标,考虑停车场内部泊位数量和通道通行能力的约束,建立停车场内部车行交通组织优化模型,并采用遗传算法求解。为比较优化前后交通组织效果,基于实际案例数据进行VISSIM仿真,选取出入口排队长度、单车泊车时间、冲突点分布及车位利用率进行对比研究,并进行模型参数和交通流量的敏感性分析。结果表明:(1)模型能够弥补定性研究的不足和主观经验判断的缺陷,实现路外停车场内部车行交通组织定量优化。(2)优化后出入口排队长度平均降低了25.8%,车位利用率在[0, 1.8]范围内的停车单元数下降了5.89%;冲突点核密度降低。(3)模型结果对潜在冲突风险参数在±0.1~±0.3范围内的变化不敏感,模型较为稳定;在-20%~+20%的流量变化范围内,优化方案单车泊车时间及平均排队长度变化范围均维持在10%以内,能够适... 相似文献
5.
针对我国大多数中小城市信号交叉口交通检测数据条件及基于此数据条件下存在的信号交叉口排队长度估计精度不高问题,研究了基于单截面低频定点检测数据的信号交叉口排队长度估计模型.利用时间占有率与流量、速度之间的函数关系对长排队(排队长度超出检测器位置)进行识别.根据信号配时数据切分低频检测器数据,并与信号配时数据匹配.基于交通波理论,通过关键点的判别求取周期最大排队长度.以青岛市山东路-江西路南进口为例进行仿真和实证验证.结果显示,长排队的识别精度达到了90% 以上,不同饱和度下(低、中、高)的信号交叉口排队长度估计精度均达到了80% 以上,其中,中、低饱和度场景下排队长度平均绝对误差小于20 m/cycle,高饱和度场景下排队长度平均绝对误差小于45 m/cycle. 相似文献
6.
针对交通参数提取繁琐及流程混乱问题,提出了数据预处理-指标提取-可视化一体的交通卡口数据挖掘流程.针对传统断面数据无法获取过饱和状态交通参数的缺陷,通过深入挖掘卡口数据蕴含的时间关联信息,并结合路网空间逻辑关系,基于Pandas和NumPy工具包构建了行程时间、平均车速和车辆延误提取模型,进而利用时空轨迹图研究了过饱和状态下的最大排队长度测算方法,该方法使用延误、流量、车速参数均为实时提取,实现了主动全时状态提取;以淄博市实际道路卡口数据为例验证了模型的有效性,结果显示,排队长度的准确率达85%以上;基于Python可视化库和Echarts对数据分析结果进行可视化处理,实现了交通需求及状态数据的动静态展现,能够为智能交通管控的决策提供支撑. 相似文献
7.
8.
基于浮动车停车点数据交叉口车辆排队长度计算方法 总被引:1,自引:0,他引:1
浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系.针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法.首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度.最后通过实际浮动车数据计算实例对本方法进行了说明和验证. 相似文献