基于单截面低频检测数据的信号交叉口排队长度估计

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.      

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。     

基于改进K-Means算法的交叉口影响路段行程速度估计

基于低频、低覆盖率、数据来源多样的GPS浮动车数据,在现有数据预处理方法的基础上,以交叉口影响路段数据点为研究对象,研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性,能够实时监测交通参数,估计交通状态。为克服数据本身缺陷,使数据能有效利用,精确得到交通参数,本研究获取短时内路段所有数据点代表整体状态。首先基于数据的特性和在路段分布的节律,利用曲线拟合及拉格朗日中值定理确定交叉口的影响范围;其次在该范围内利用改进K-Means聚类方法,确定初始聚类中心,并以有效性指数作为优化目标确定聚类数;在此基础上分配权重,结合交叉口影响范围外的数据点,对整个交叉口影响路段的行程速度进行估计。用杭州市局部路网中GPS数据进行案例分析,验证技术方案。通过实地调查获取实验真实值,分别讨论了在主、次干路路段本方案估计差异,并与传统模型进行了对比分析。分析表明,该方法得到的路段行程速度估计值与真实值较为接近,误差较小,在城市主干路和次干路中的误差分别为4.1%和9.5%,比传统模型误差更小更稳定,能较好地满足城市智能交通控制系统对于交通参数的精度要求。     

考虑不同出口转向的城市道路行程时间估计

为了有效利用城市道路行程时间数据,提高道路交通状态预测精度,提出了一种考虑交叉口不同出口转向的行程时间估算方法。针对现有行程时间计算模型存在忽略交叉口不同出口转向交通运行状况不均衡性的现象,提出了交叉口上下游出口转向的概念,通过融合定点检测器和探测车数据,在原有累积直方图模型的基础上建立了交叉口不同出口转向的行程时间累积直方图模型。最后以香江路为例进行数据分析,验证了模型的有效性和准确性。研究结果表明:新模型得到的行程时间计算值与视频检测设备获取的实测值相比误差在10%左右,且相对纯探测车方法预测精度更高,说明考虑不同出口转向的城市道路行程时间估计模型可行。     

手机信令数据支持下高速公路检测器布设研究

交通检测器的布设决定着路段行程时间估算及预测的精度.同时,检测器技术、行程时间估计方法也会影响到检测器布设方法.针对此问题研究利用手机切换数据交通信息提取支持,结合传统固定检测器,基于BP神经网络实现行程时间融合估计.基于新的行程时间估计方法,以估计精度为约束,研究传统固定检测器的布设.结合实例分析,验证行程时间融合估计方法有效性,并在均匀布设和盲区补充方案基础上,研究检测器布设间距对交通参数估计的影响.     

基于多源数据的城市道路网络行程时间预测模型

针对基于单一数据源、利用卡尔曼滤波理论建立行程时间预测模型存在的不足,采用多源数据进行行程时间预测以提高精度。浮动车、固定检测器是常用的交通信息采集方法,在信息种类、数据精度等方面存在一定的互补性。因此,选择2种检测器的实时交通数据作为模型输入参数。利用卡尔曼滤波理论,以流量、占有率、行程时间作为输入量构成参数矩阵,建立城市道路网络行程时间预测模型。并通过Vissim仿真实验验证了模型的有效性。结果表明:基于多源数据的行程时间预测模型平均绝对相对误差为5.45%,其精度比单独采用固定检测器检测数据预测提高了14.4%,比单独采用浮动车数据预测提高了7.5%。      

基于一种交通状态系数的城市路网交通状态评价研究

针对以往城市路网交通状态评价研究中大多从中观角度将路口归入路段而忽略了交叉口对路网交通状态影响的问题,选取交叉口进口饱和度和路段平均行程速度作为路网状态评价的基本参数,将宏观路网交通状态评价与微观交通状态分析相结合,定义了一种新的路网交通状态系数,作为交通畅通行驶的阻抗,研究确定了路网交通状态系数临界值,提出了一种新的...     

干道交通瓶颈交叉口的红波双向协调控制模型

针对当前城市干道瓶颈交叉口交通拥堵状况,从信号控制角度提出了1种红波双向协调控制模型,对于缓解此类问题具有现实意义.模型是在流量均分思想和绿波协调控制时距图分析方法基础上建立的1种双向协调控制模型,能够针对干道瓶颈交叉口上下游交通流不同的交通控制需求分别实施红波协调控制和绿波协调控制,并通过引入红波控制参数,可以满足不同的交通控制策略需求.以佛山市顺德区南国西路为案例,通过对Vissim仿真评价数据进行协调前后对比分析,结果表明模型能够有效减小瓶颈交叉口排队长度39.48%,缩短行程时间22.01%,验证说明了模型的有效性.      

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

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...     

基于全车牌识别数据的高速公路交通拥挤识别

针对目前高速公路交通拥挤尚无统一的识别标准的状况，基于河南省高速公路全车牌识别数据研究，提出在路网实际混合交通流状态下高速公路交通拥挤识别标准，并给出了不同设计速度高速公路交通非常畅通、畅通、轻度拥挤、中度拥挤、严重拥挤对应的平均行程速度阈值，用于快速识别交通拥挤地点、拥挤类型、拥挤持续时间等信息，为高速公路管理决策提供依据。     

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型

综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。     

道路交通拥挤事件判别准则与检测算法

针对中国城市道路中存在的交通拥挤现象,通过对城市道路路段上环形线圈采集到的交通流流量和占有率数据进行对比性分析和统计推导,从理论上论证了交通拥挤产生的原因;提出了交通拥挤现象出现与消散过程的相对增量判别准则,并利用给出的判别准则构造出相应的拥挤检测指标,给出了城市道路路段上交通拥挤的平均占有率自动检测算法;最后结合实际调查的数据,对算法的正确性进行了验证。     

干道信号控制交叉口相位相序优化模型研究

干道常常被人们誉为"城市交通的大动脉",是城市内部的重要交通道路。交叉口作为干道与干道之间的关键节点,是实现不同道路连接的纽带,也是车辆持续通行的咽喉。对城市干道信号交叉口相位相序的模型进行研究,提出了相位矩阵的表示方法,并结合信号交叉口约束条件,使用MATLAB软件构造出干道交叉口的相位相序结构优化算法,采用遗传算法计算原理得到最小总延误。同时,通过模型计算输出信号交叉口新的相位相序及有效绿灯时间组成新的配时方案,结合城市干道信号交叉口实际采集的数据,在MATLAB构造的目标函数值中与实际信号配时进行对比验证,最后运用VISSIM仿真软件对优化的相位相序方案进行仿真验证分析,与实际相位相序方案的平均延误进行比较。结果表明,新的相位相序方案达到了减小信号交叉口路网平均延误的目的,从而提高城市干道的通行能力,达到了模型优化干道交叉口相位相序的良好效果     

北京市主干路基本路段交通流特性及状态分析

基于实测数据和交通流模型,对北京市的主干路基本路段的交通流进行了分析,发现主干路交通流呈现出不同的相位特征,应用“三相交通流理论”,在城市主干路基本路段的流量一密度平面中将交通流划分自由流、同步流和堵塞流3个相位,并具体讨论各个相位的交通流特性及交通流的状态转变,确定了各个相位的关键阈值,标定每个相位的区域范围,同时定义了城市主干路基本路段交通拥挤的范围,并用分类与回归树（CART）方法对结果进行了验证。     

基于支持向量回归的高速公路路段平均速度估计方法

为克服现有高速公路车辆检测器密度稀疏、损坏率高导致所估计的路段平均速度准确率不高这一缺陷,提出一种新的高速公路路段平均速度估计方法。一方面,高速公路收费数据具有车辆信息全面可靠、辐射路网范围广的优点,采取基于轨迹法的修正算法求取基本路段平均速度;另一方面,"两客一危"卫星定位数据实时性好,路网分布相对均匀分散,利用速度-时间积分模型对单车行程速度进行估计,再对单一浮动车作加权平均获得路段平均速度。最后,利用支持向量回归原理,对由高速公路收费数据和"两客一危"卫星定位数据所获取的路段平均速度进行融合处理,得到估计效果更好的路段平均速度。利用广乐高速公路上的实际数据对融合结果进行了验证。结果表明:与单一数据源的估计速度相比,融合后的路段平均速度具有更小的相对误差,更接近真实值,可更好地反映高速公路系统运行状态,为管理者和出行者提供决策依据。此外,分别以15,45 min和60 min作为统计间隔,使用上述融合方法进行路段平均速度估计。结果表明,模型效果与统计间隔大小呈负相关关系;统计间隔越小,模型的均方误差、可决系数、相对误差3个指标也越小;当统计间隔为30 min以下时,估计结果更为精确。     

基于多属性决策的交叉口交通拥挤度评价方法

分析了交叉口交通拥挤度评价的研究现状,提出了一种基于多属性决策的交叉口交通拥挤度评价方法。该方法以延误、饱和度、排队长度、停车次数、占有率等为评价指标,以多属性决策算法为评价算法。经过验证,评价结果比较准确、客观,适合一般交叉口交通拥挤度的评价要求。     

基于非参数回归的快速路行程速度短期预测算法

基于北京市快速路上的检测器所采集的历史数据，经过数据筛选，剔除判别，小波滤噪平稳处理，聚类分析等过程，建立了交通状态演变系列的历史样本数据库。基于所构建的历史数据库，通过数值试验，确定了状态向量、距离匹配原则，K近邻值等参量，构建了一种基于K近邻的非参数回归短时交通预测模型，实现了对路段行程速度的短时预测。最后，利用随机选取的历史数据系列对预测模型的精度进行了检验。结果表明，预测算法的精度可以达到90％以上，可以很好地满足ITS应用系统对于交通预测数据的精度要求。     

基于动态时间占有率的交通拥挤效率分析

基于动态时间占有率研究交通拥挤效率,采用动态时间占有率模型对北京二环和美国高速公路的交通流数据进行了对比分析,分析结果表明北京二环虽然经常发生交通拥挤,但是拥挤的效率却比较低,具备较大的通行潜力,这一点正好与美国高速公路相反。研究结果表明我国一些交通拥挤路段有很大的潜能可以挖掘。     

基于非饱和条件下主干道的绿波控制设计

信号控制是城市交通管理中最常用和最有效的方法,机动车驾驶在设有若干信号灯的城市道路上时,可能会依次受到多个信号的干扰。干线协调控制将一条干道上若干相邻的交通信号连接起来,加以协调控制,以减少车辆在各交叉口上的停车时间,使干道的车辆通行顺畅。在干线协调控制理论与方法的基础上,根据单点控制F-B模型,以昆明市一二一大街干道为例,实地调查了几何特性、交通量、行车速度等交通基础数据,对各独立交叉口进行单点配时设计。应用＂图解法＂,形成了一二一大街干道的＂绿波＂设计方案,并对方案进行了定性和定量分析评价;通过指标对比,采用线控后此路段平均延误降低,车辆排队时间缩短,交通状况明显改善。