紧急救援车辆实时行程时间研究

以分析紧急救援车辆行驶特性、行程时间影响因素为基础,运用波动理论建立紧急救援车辆实时路段行程时间预测模型,给出模型的标定方法,结合实际数据标定模型参数、检验模型精度。     

城市道路上救援车辆行程时间可靠性仿真研究

本文根据救援车辆出行特性提出救援车辆行程时间可靠度的概念,并基于元胞传输模型(Cell Transmission Model)构造了非信号优先情况下救援车辆通行仿真模型,然后在此基础上分析了救援车辆的行程时间可靠性.该研究结果为救援车辆出行行为仿真研究人员提供了一定的借鉴和参考,同时也为救援系统规划和管理部门提供了一种评价救援车辆响应效率的有效工具.     

基于MLR的公交车行程时间预测模型

分析了站间距离、上下车乘客数、停车延误等因素与公交车行程时间存在的线性映射关系,推导并建立了多元线性回归(MLR)模型,利用大连市21路公交车的数据,对模型进行了标定和检验,并对线性模型的误差来源进行了详细的分析和探究.重点探讨了行驶车速-行程时间线性相关性、乘客数-停站时间线性相关性、延误和行程时间线性相关性,解释了MLR标定的系数的含义,并阐述了导致MLR模型产生误差的来源,分析了非线性因素的影响.研究结果表明多元MLR模型能够解释影响因素与行程时间之间的线性因果关系,可以用来估计和预测公交车行程时间.     

���п��ٵ�·�쳣�¼���·���г�ʱ����о�

分析了高速道路交通事故发生后事发路段行程时间构成，提出在上游交通需求大于瓶颈段的通行能力的情况下，事发路段的行程时间由四部分组成，并给出了各部分的计算模型；利用车流波动理论推导出瓶颈处的排队长度，并进一步给出排队车辆数，得出了车辆在瓶颈段上游行驶时间的模型和在瓶颈前排队等待时间的模型。本研究为开发高速道路紧急救援系统提供了理论依据。     

山区小城市机非混行道路行程时间修正模型研究

为准确估计山区小城市路段行程时间,以山区小城市道路为研究对象,在分析其交通特性和传统BPR模型的基础上,通过定义路段累计流量,构造了基于路段累计流量的机非混行道路行程时间修正模型。采用人工记录法获取非拥堵状态下的实测数据,并通过VISSIM仿真得到拥堵状态下的实验数据,根据大量数据标定修正BPR模型的主要参数,并对两种模型进行误差分析。结果表明:山区小城市干路行程时间估计中,修正BPR模型的误差均值为4.597%,传统BPR模型的误差均值为35.021%;支路行程时间估计中,修正BPR模型的误差均值为3.120%,传统BPR模型的误差均值为46.737%。修正BPR模型的估计效果明显优于传统BPR模型,且非机动车干扰对支路路段行程时间的影响更为显著。     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

城市主干路路段行程时间估计的BPR修正模型

为提高城市主干路交通流平均行程时间的估计精度,根据路段上游检测器采集的截面流量,建立了3种BPR(bureau of public roads)修正模型,包括全状态累积流量BPR修正模型、分状态标定的BPR模型和分状态累积流量BPR修正模型.仿真结果表明:全状态累积流量BPR修正模型明显优于传统的BPR模型;分状态标定的BPR模型和分状态累积流量BPR修正模型可以进一步提高估计精度,且后者可将阻滞交通状态下的平均估计误差降低至8.05%.     

基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题，提出改进的行程时间估计模型，并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进，用路段节点的到达速度代替同一出发时刻下测得的速度，通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先，基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径；其次，分别用改进的行程时间估计模型估计K条最短路径的行程时间；最后，以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%；算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度，而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

网络行程时间可靠性评价方法与影响因素

采用区域划分方法研究了网络行程时间率的概率分布, 提出了基于OD对的网络行程时间可靠性指标以评价城市交通可靠性; 选取影响行程时间可靠性指标的相关因素, 建立了多元线性回归模型, 用逐步回归法求解模型, 并进行了模型参数显著性检验; 根据杭州市和北京市的网约车数据计算了网络行程时间可靠性指标, 并与高峰拥堵延迟指数进行对比, 分析了网络行程时间可靠性指标的时间和空间分布规律。研究结果表明: 在多元线性回归模型中, 规划行程时间率与等待时间、费用、距离、行程时间和OD对间行程次数这5个自变量拟合得到的决定系数为0.772, 平均行程时间率与5个自变量拟合得到的决定系数为0.857, 2个模型拟合程度均较好, 回归模型显著; 规划行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.386、0.399与-1.286, 平均行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.162、0.177与-0.676, 2个交通可靠性指标都与等待时间和行程时间呈正相关, 和实际行程距离呈负相关; 提出的网络行程时间可靠性指标与高峰拥堵延迟指数变化趋势一致, 较好地符合现实交通状况, 从多角度反映了交通可靠性特征, 可以为路网规划提供决策支持, 帮助居民更好地进行出行路径选择。      

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

基于神经网络的应急车辆行程时间计算模型

消防、救护等应急车辆的行程时间直接影响救援的质量.在分析影响应急车辆行程时间的因素基础上,选取了行驶距离和出发时刻两个影响因素,应用BP神经网络模型,建立了应急车辆行程时间计算模型,求取了影响因素对行程时间的影响重要度因子.为应急车辆的选址和调度提供了依据.     

交通事故持续期内行程时间的可靠性研究

为研究交通事故影响下路网性能的随机性,定义路网行程时间可靠性为路网在交通事故持续期内平均行程时间小于预定阈值的概率.假定事故持续时间为服从正态分布的随机变量,将给定的事故持续时间离散化为相同长度的子时段,综合运用Logit路径选择准则和路段传输模型,提出了基于Monte-Carlo法的路网行程时间可靠度模拟算法.用一个测试网络来验证算法,其事故持续时间均值为8～20 min、方差为0.5～5.0 min, 子时段出行需求为4.0和4.5辆,时间阈值为事故前走行时间的2.0和2.2倍.研究结果表明:路网行程时间可靠度均随事故持续时间均值的增大而减小;当出行需求为4.5辆、时间阈值为事故前走行时间2.0倍时,行程时间可靠度随着事故时间方差的增大而增大;当需求小于4.5辆、时间阈值大于2.0倍时,可靠度随着时间方差的增大而减小.      

基于卡尔曼滤波算法的公交车辆行程时间预测

通过分析公交车辆的行驶特性,利用卡尔曼滤波算法建立行程时间预测模型,并用该模型预测未来时段的公交车辆路段行程时间.预测结果表明,该方法预测精度较高,可有效地改善公交车辆动态调度效果,提高交通资源利用率,因此该方法具有推广意义.     

���е�··������ʱ������Է���

了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明：（1）平均路段旅行时间能够判断上述三个状态;（2）在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;（3）路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间.     

Property Analysis of Urban Road Travel Time

To estimate arterial link traffic condition based on probe vehicles, it is necessary to investigate the fluctuation characteristics of road travel time with traffic condition. On the basis of micro traffic simulation model, this paper analyzes the fluctuation of road travel time with traffic condition, and examines whether the mean travel time can reflect the variation of traffic conditions including free flow, congestion to traffic jam. As a conclusion, (1) mean link travel time can be used to identify free flow, congestion, and traffic jam; (2) mean link travel time divides congestion condition, but cannot subdivide free flow condition; (3) in the condition of congestion, travel time is distributed as a two-peak mode, and the average travel time is difficult to be estimated by small size sample.     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

基于换道轨迹规划模型的车道级行程时间估计方法研究

在车联网环境下,为满足精细化的车辆诱导需求,提出基于换道轨迹规划模型的车道级行程时间估计方法.建立路网基础道路拓扑模型,对所构建的路网模型进行Link划分,并利用改进的5次多项式模型对车辆行驶轨迹进行描述,构建车辆在不同路段Link间行驶的换道轨迹规划模型;整合车辆在路段各个Link单元的行车轨迹与行程时间,实现车道级...     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.