城市交通宁静化措施与影响分析

交通宁静化是指通过控制机动车行车速度和交通量,减少交通对人们生活产生的负面影响。国外的交通宁静化概念提出较早,理论日趋完善,这对于日益拥堵的国内城市交通有值得借鉴之处。分析几种使用较多的交通宁静化措施,并对其优缺点进行分析,再详细介绍一个具体的交通宁静化项目,分析车速和交通量等数据,证实具有较好的效果,同时可以对国内的实际工程应用具有指导意义。     

交通宁静化在中新天津生态城的尝试

交通宁静化是机动车减速技术的总称,是绿色交通构建的一个重要方面。该文阐述了交通宁静化的基本理论、理念和主要实践措施,并充分结合生态城交通发展趋势,提出生态城交通宁静化的规划和实施要点,为区域绿色交通的实现提供保证。     

城市道路交通宁静化设计研究及实践

交通宁静化是一种通过采取系统的软、硬设施降低机动车出行对交通环境的不利影响,从而改善行人及非机动车出行舒适度与安全度的设计理念。通过对交通宁静化措施的发展历程、适用范围、工程案例等方面的深入分析,对宁静化措施的规范化应用进行了一些探讨。     

交叉口交通宁静化实践案例分析

交通宁静化对于缓解城市居民区街道交通问题有积极作用,是操作落实人性化交通理念的有利手段。通过交叉口交通宁静化实践案例的分析,对交通宁静化设计应用层面遇到的一些问题进行了思考,以期有助于交通宁静化在我国城市交通中进一步推广应用。     

结合深圳前海合作区谈交通宁静化的应用

为提升城市道路的交通安全及环境,通过深圳前海合作区道路设计的实践,分析前海合作区的特点和路网规划情况,论述各种交通宁静化措施或手段的控制目的、适用条件,结合前海合作区的实际情况,选择适应区域特点的宁静化措施或手段;得出交通宁静化理念在高强度开发区域和生活休闲居住区都具有很好的发展前景。     

行人交通安全与道路运输功能的平衡——欧美城市交通宁静化的经验与启示

西方各国奉行的规划理念中,"交通宁静化"一系列方法特别引人注目。交通宁静化的目的是控制汽车交通,保持有秩序的道路空间。为了实现这一目标,需要整合城市规划和交通设计的手段,一方面保证必要的汽车使用,同时还要将交通事故和交通对环境的影响限制在最新范围之内。     

拥挤收费下的路网交通评估模型研究

对城市实施拥堵收费策略的评估包括两个方面:一个是公共政策、经济环境、收费方式的技术可行性的评估;二是对拥堵收费区域内外的交通影响进行预估。文章在后一方面展开研究,利用交通网络分析的理论建立了拥挤收费下的交通网络评估模型,提出评估指标和求解算法。数值算例结果验证了评估模型以及算法的合理性,揭示了拥挤收费下收费区域内外交通模式变化的内在联系。表明只有将拥堵收费政策与城市良好的公交服务系统具体结合才能更好地起到减轻拥堵的预期效果。     

交通影响分析中路网可靠性研究

将路网可靠性的宏观理论微观化,应用到建设项目交通影响分析中,并根据交通影响分析的特性给出了适用性较强的计算方法.结合某商业场所交通影响分析的具体实例,验证了可靠性理论评价分析交通通行状况的合理性,并分析了路网可靠度与饱和度的关系.     

基于交通效率的城市最佳路网密度研究

在指出现有路网性能二元评价指标体系不足的基础上,考虑路网在通行能力和服务水平2个方面的综合性能,针对城市路网设施的断面、路段和路网3个层面提出了断面通行效率、路段输送效率和路网运行效率3个新的交通效率评价指标;并在道路面积率和交通需求分布不变的前提下,建立了4个不同密度的路网仿真分析模型.仿真结果表明:路网服务水平的可靠性随路网密度的提高而增强,但路网交通效率随着路网密度的增加具有先升后降的趋势,即理论上存在一个最佳的路网密度,使路网在容量和服务水平2个方面的综合性能达到最优.     

交通规划的动态路网及其模型研究

用传统的路网模型表现动态演变中的路网，存在数据冗余过大和无法揭示动态性的缺点，为此，改进了传统的路网模型，使得路网的拓扑结构与数据物理上相分离，逻辑上相结合，提出了动态路网的概念，研究了其特征，在改进后的传统路网模型基础上建立了动态路网模型，并对模型的应用进行了实例分析，该模型用方案树与邻接表描述动态路网的拓扑结构，用数据库存储路网数据，达到了尽可能减少数据冗余度并有效揭示动态性的目的，动态网模型对于交通规划中的路网模型优化具有重要的意义，有进一步研究和应用价值。     

关于体育场馆交通影响分析探讨

从研究体育场馆的交通需求特点出发,提出体育场馆开发交通量预测所应遵循的原则,并在此基础上给出适合体育场馆类型开发的交通影响分析方法。在分析方法中,文章以交通影响度和进出车辆干扰分析作为具体分析指标,从路网交通负荷和交通是否流畅两个角度对体育场馆的交通影响进行分析,其中交通负荷分析时,又具体从交叉口、路段、路网三方面入手,在点、线、面上分别对路网的局部和整体进行全面分析。交通评价时,采取不同时期不同尺度的方法进行弹性评价。     

城市道路网络容量、交通规划和交通管理

在分析城市道路交通网络OD结构特征的基础上,提出表达道路网络容量的基本思想和模型,阐明交通网络容量受到交通流特性、网络要素容量等因素的影响,基于不同的考虑方法可以建立不同的网络容量模型。本文进一步分析了路网容量对交通规划与管理的指导作用,交通规划和交通管理对道路系统容量的影响。交通规划着眼于提高整个道路系统的交通承载能力,交通管理着眼于挖掘系统的潜力。运用网络容量对城市交通网络进行诊断,根据不同容量的要求,在交通规划或交通管理方面采取相应的措施,解决城市交通问题。     

道路交通静化在交通安全中的应用

介绍了交通静化的起源与概念,实施交通静化的目的、原则及依据;详细阐述了各种交通静化技术与措施的含义、用途、适用地点、优缺点以及可取得的在降低车速、减少交通量、降低交通事故率等方面的成效;针对我国交通状况,探讨了我国引进交通静化技术的必要性,展望了交通静化在我国的发展前景。     

交通宁静技术对机动车速度和道路安全的影响

在发展机动车交通的同时,如何给行人、社区居民一个和谐、安全的环境,是道路工程师和城市规划师必须要考虑的问题。交通宁静技术以速度管理和局部区域交通管理为设计基础,来合理控制住宅小区的交通量,以减少机动车对次要道路的主导作用。通过对国外相关文献的综合分析,来评定交通宁静技术对机动车速度和道路安全的影响,为我国的设计人员提供参考和建议。结果表明:交通宁静措施特别是竖向式偏移设施能够有效地减低机动车运行速度,其中高度为100 mm的减速丘和坡度为1:10~1:15的减速台为最有效的减速设施;交通宁静设施的设置尤其是实施全区域交通宁静技术方案后,对道路安全的改善有着十分积极的影响。     

路段动态特征中的交通组成因素研究

基于对交通流建模过程中将车型单一考虑为标准小汽车,忽略了现实交通量中车型的不同构成,本文通过对不同车型的动力特性进行标定,将其特性反映在跟车模型与车道变换模型中,并且利用交通仿真技术,分析了交通量构成对路段行程时间、车速、延误等动态特性指标的影响。     

减速带减速原理及其应用

为弥补交通标志标线对机动车驾驶员减速效果的不足,在对交通平静化的减速措施——减速带传统研究的基础上,提出了新型的无破损减速带,分析减速带控制驾驶员行驶车速心理,提出了减速带设计流程,确保车辆以低速通过减速带设置区域并保障车辆通过的安全性。最后在南方某城市几条道路路段和交叉口进行减速带试点工程,进行尺寸设计以改善安全状况。     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

交通控制设施的可视性与交通安全

重视交通控制设施建设是构建现代立体化交通网络与保障道路交通安全的重要措施,也对人民群众生命安全、各行业经济发展及和谐社会建设等产生了促进作用.文章简单分析交通控制设施的可视性,为实现交通安全的目标提出一些具体可操作的新建议.     

城市交通控制系统信号控制单元集成化研究

在分析当前城市交通信号控制系统发展趋势的基础上,针对我国城市交通实际应用中存在的各类信号控制单元自成体系难以统一的问题,提出了一个实用的信号控制单元集成的解决方案,首先介绍集成化城市交通控制系统,然后介绍信号控制单元集成化方案的功能框架和技术实施方法,从而实现了一个控制系统软件可以兼容多种不同型号信号机的目标,并且在实际系统开发中获得了应用。     

A Novel Method to Predict Traffic Features Based on Rolling Self-Structured Traffic Patterns

In this study, a novel method is proposed to predict the traffic features in a long freeway corridor with a number of time steps ahead. The proposed method, on the basis of rolling self-structured traffic patterns, utilizes the growing hierarchical self-organizing map model to partition the unlabeled traffic patterns into an appropriate number of clusters and then develops the genetic programming model for each cluster to predict its corresponding traffic features. For demonstration, the proposed method is tested against a 110-km freeway stretch, on which 48 time steps of 5-min traffic flows are predicted (i.e., a 4-h prediction). The prediction accuracy of the proposed method is compared with other models (ARIMA, SARIMA, and naive models) and the results support the superiority of the proposed method. Further analyses indicate that applications of the proposed method to larger scale freeway networks require sufficient lengths of observation to acquire enough traffic patterns for training and validation in order to achieve higher prediction accuracy.