城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

不同时间间隔下的道路交通状态判别

为了提高城市道路交通状态评价结果的准确性,确定合适的交通状态评价间隔,以连续通过断面的车辆数作为划分评价时间间隔的依据,基于集对分理论建立了交通状态评价模型。首先为了提高评价模型的运行效率,在总结分析当前研究现状的基础上,提出了以通过路段断面的车辆数来划分评价时间间隔,以车辆的瞬时速度作为交通状态识别的单一指标。其次根据集对分析的原理,以集合A(实测数据)与集合B(判别指标的标准构成)构建了集对H(A,B),从同、异、反3个角度出发,建立了基于五元系数的道路交通状态评价的模型。最后为了验证模型的有效性,以西安市某路段的实测数据为例,分别利用模糊评价法和集对分析法对此路段的交通状态等级进行了判别,证明了该方法的优越性。研究发现:两种方法的评价结果基本相同,但是基于集对分析理论的交通状态评价方法对速度的变化反应更为灵敏,得到的交通状态转变曲线更为平滑,在一定程度上可以更好地反映交通状态转变的过程性和渐变性;评价时间间隔划分得越小,交通状态对速度的变化反应越灵敏;但当评价时间间隔小于1 min时,交通状态评价结果不再受时间间隔的影响。     

基于Vissim的3相交通流理论应用

交通流状态演变机理的研究是交通流理论中重要的一部分.以不同交通负荷下的城市快速路路段来研究城市快速路路段交通流状态演变的机理.由于无法进行大规模交通调查,所以利用Vissim仿真软件,仿真不同交通流量下路段交通流特性的变化情况.统计分析仿真数据,研究了不同交通状态下交通流的特性,并对各个交通状态转变的阈值作了界定,标定了每一种交通状态的密度取值范围.结果表明,在不同的交通负荷下交通流呈现不同的状态,路段上的交通流状态呈现为自由流相、同步流相和宽幅运动阻塞流相3种状态.      

基于云模型的城市快速路交通状态评价方法研究

交通状态具有模糊性和随机性的特点。基于北京市快速路检测线圈数据,引入了基于云模型的模糊系统来评价快速路交通状态。在充分分析交通流特性的基础上,提出了交通状态划分原则、依据,评价指标,以及基于云模型的模糊综合评价方法的算法流程。为实施交通信息发布以及后期交通状态的改善提供依据。最后,以北京市快速路系统为例,进行实证研究。     

基于RFID和视频监测的城市交通运行状态模糊判别

为了确定城市道路网路的交通状态,为主动的交通管理、交通诱导及控制提供支持,提出了一种基于无线射频识别(RFID)交通检测系统和视频监控系统的交通运行状态模糊判别方法.在该方法中,交通运行状态由从RFID系统获得的车辆行驶时间和从视频监控系统中获得的车辆速度决定.由于实际的交通状态可以从视频中直接观测,因此实际交通运行状态的阈值可以根据视频来校准,用以评估本文所提出方法的性能.基于安装于南京的RFID和视频交通检测系统进行实证分析,结果表明本文所提出的方法是可行的.下一步工作可推进交通数据,特别是 RFID数据在交通管理中的应用.      

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

基于交叉口转弯率的网络交通状态模式发现

针对日益凸显的城市网络层次交通问题,提出一种基于交叉口转弯率的网络交通状态模型,并根据该模型进行了网络交通状态典型模式发现。该模型从交通网络拓扑结构出发,根据各路段的实际流量采用递归最小二乘法对各交叉口在各方向上的转弯率进行了估计,得到了基于路网拓扑结构的转弯率矩阵。该矩阵不仅反映了路段之间的相互影响关系,也反映了路网中交通流的分配情况,即从一定程度上反映了整个网络的交通状态。进而对各时间点的转弯率矩阵进行了基于SOM的分类,对各种网络交通状态在时间轴上进行了统计,结果显示了早晚高峰时段以及白天早晚高峰之间的典型网络交通模式。该方法为网络交通状态研究提供了一种新的建模与分析方法,通过实例分析证明该方法具有普适性与有效性。     

基于实时信息的城市道路交通状态评价指标体系研究

分析建立城市道路交通状态评价指标体系的目的和作用,从不同角度对城市道路交通状态的含义进行界定.以实时采集到的各类交通信息为基础,针对交通指挥、交通引导和交通控制等系统的需求,建立了一套城市道路交通状态评价指标体系,并提出了各指标的计算方法.     

基于RFID和视频监测的城市交通运行状态模糊判别（英文）

为了确定城市道路网路的交通状态,为主动的交通管理、交通诱导及控制提供支持,提出了一种基于无线射频识别(RFID)交通检测系统和视频监控系统的交通运行状态模糊判别方法。在该方法中,交通运行状态由从RFID系统获得的车辆行驶时间和从视频监控系统中获得的车辆速度决定。由于实际的交通状态可以从视频中直接观测,因此实际交通运行状态的阈值可以根据视频来校准,用以评估本文所提出方法的性能。基于安装于南京的RFID和视频交通检测系统进行实证分析,结果表明本文所提出的方法是可行的。下一步工作可推进交通数据,特别是RFID数据在交通管理中的应用。     

基于浮动车车速数据的交通状态实时判别系统和方法

提出一种交通状态判别方法,使之符合交通状态变化连续性。基于浮动车数据特性分析,考虑交通阻抗及临界跳变现象的影响,通过预判别及二次修正,优化了交通状态判别结果。该方法能有效滤除交通状态参数在阈值附近频繁变化产生的交通状态非正常跳变,同时可以修正异常数据导致的交通状态阶跃,从而优化了交通状态判别结果。构建并实现了基于该方法的实证系统,通过多种指标的验证,表明该方法提高了交通状态发布的准确度。     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计,提高估计精度,研究了基于时空特征序列匹配的交通流状态估计模型.通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态;分析影响城市道路运行条件的各项因素,引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征,提取3个维度8个特征1个附加维度组成交通...     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通系统中,交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法将外场设备采集到的实时交通流数据与既有的交通状态分类标准特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术和交通工程技术,对环形线圈监测系统采集的交通流基础特征数据进行挖掘,实现了一种交通状态分类方法,并对交通管理控制系统中实时交通状态的判断识别提供可靠的参照标准。     

利用速度信息改进城市道路短时交通量预测

利用速度消息的时变特性,提出了1种无需假设状态变量为平稳的基于卡尔曼滤波算法的短时交通量预测模型。依据城市道路网上下游路段交通流之间的时空演化关系,利用实时采集的路段平均速度信息构建时变的状态转移矩阵来取代常数状态转移矩阵,对现有基于卡尔曼滤波算法的短时交通量预测模型进行改进。最后以2个真实路段4d的交通量进行预测试验,相关计算结果表明:由于加强了模型的动态性,改进后的预测模型较原模型的预测精度在整体上有所提高,其中平均绝对相对误差由7.64%及16.04%分别下降至7.25%及15.75%,均等系数则由0.9572及0.9250分别提高至0.9602及0.9268,而对于交通量急速变化的时段,提高的幅度更为明显,平均绝对相对误差可降低14.8%,从而验证了所提出方法的有效性。      

刹车状况下桥上随机车流动态演化及车-桥耦合振动分析

为实现刹车时桥上多状态车流并行动态演化的高真实度模拟和时变汽车荷载与桥梁运动状态的时时耦合,首先从宏观和微观上丰富随机车流模拟方法,宏观上沿用交通荷载调查数据中的车辆顺序、车辆基本特性等不变量,以车辆间距为服从正态分布的限幅随机变量,形成深度融合交通荷载调查数据和交通流理论的随机车流高真实度仿真方法;微观上对车辆间距随机变量确定的关键状态-阻塞状态,引入加权速度,实现阻塞密度时车流的走走停停动态描述,采用考虑驾驶人状态的概率分布方法确定车辆时距;实现多密度随机车流的高真实度仿真。其次细化刹车过程模拟,建立车流差异化刹车模型：采用顺次对比方法,筛选桥长范围最不利刹车车流;引入停车视距,考虑驾驶人反应,区分头车和跟驰车辆,精细模拟车辆刹车动态过程和刹车车流演化过程,差异化确定各车辆刹车参数;实现桥上多状态车流并行动态演化模拟。第三建立刹车力学模型,并融入至已有正常车流的车-桥耦合系统,构建可考虑刹车状态的分析系统。最后确定桥梁典型响应和分析指标,以一座大跨斜拉桥为例,对多刹车工况下的桥梁响应进行分析。结果表明：桥上刹车状况一般会产生超过正常行驶状况下的桥梁响应,最不利单车道刹车状况下的塔根弯矩甚至达到跑车工况的2.7倍,简单采用规范冲击系数方法很难实现刹车响应的包络;刹车过程中的桥梁响应最值不仅与采取刹车的车辆数目和桥上车辆保有量有关,还受刹车作用与桥梁原响应趋势的顺逆程度控制;桥梁及桥上刹停车辆的总质量和桥上正常行驶的车辆决定桥梁响应时程曲线趋势振幅;典型桥梁响应的总体趋势,与车流密度和刹车车道数相关性较小,不同时段车流会对梁端顺桥向位移和塔根弯矩产生影响。     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。