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%.     

基于改进遗传卡尔曼算法的短时路段行程时间估计

为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法。利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数。实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度。根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息。     

城市交通流路段行程时间预测模型

建立较为精确的城市交通流路段行程时间预测模型是建立诱导系统的关键,本文所建的预测模型充分考虑了交通延误变化的灵敏性,将汽车在路段上的运行时间分为两部分,分别预测,经过实测数据检验,该模型具有很好的效果。     

路段平均行程时间估计方法

为了有效利用线圈检测数据, 精确估计路段平均行程时间, 提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点, 通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程, 用Markov排队模型描述车辆排队过程, 用生灭过程描述排队车辆数, 得到车辆排队模型, 计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长, 计算了平均通过路口时间。计算结果表明: 平均行程时间估计值与实测值的误差小于12%, 说明路段平均行程时间估计方法可行。     

城市信号控制路网中的路段行程时间估计方法

为了精确检测城市信号控制路网中的路段动态行程时间, 分析了路段流量受交通信号控制策略影响的波动规律, 提出了基于交通量图偏移的路段行程时间计算方法。研究了不同断面交通量图的相似性, 根据最大相似度时交通量图的偏移, 计算了断面间路段动态行程时间, 并与调查结果进行了比较。比较结果表明: 在城市路网封闭路段, 平峰、高峰的不同时间长度内(5、10、20 min), 平均行程时间最大平均相对误差为7.1%, 因此, 计算方法可行。     

路段行程时间估计的浮动车数据挖掘方法

基于浮动车数据, 提出一种信号配时信息缺失下的路段行程时间估计方法, 由交叉口范围动态划分、路段影响范围划分、浮动车数据提取与路段行程时间估计4个模块组成, 每个模块的实现均需借助于前一模块的输出。根据交叉口信号控制下的车辆行驶状态, 在交叉口范围动态划分与路段影响范围划分2个模块中, 利用密度法将单元路段划分为不同区域。根据路段行程时间估计原理, 利用浮动车数据提取模块过滤掉受信号控制影响较大的浮动车数据, 提取路段行程时间估计的目标数据。利用路段行程时间估计模块挖掘历史浮动车数据, 根据浮动车目标数据点存在区域的不同, 将浮动车数据分为3类, 并对不同类型数据采取相应的断面通过时刻估计方法, 建立基于不同数据条件下的行程时间估计模型。利用VISSIM软件对路段行程时间估计方法进行仿真验证, 并与直接法和间接法进行对比分析。分析结果表明: 对于粗粒度浮动车数据, 路段行程时间估计方法的平均绝对误差和平均相对误差分别为12 s和8.67%, 优于传统的直接法与间接法。     

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.      

欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

基于建成环境和低频浮动车数据的路段行程时间估计

将城市道路周边建成环境的相关属性作为路段行程时间的解释变量,结合城市低频浮动 车数据,在不需要速度等GPS信息的条件下研究建成环境属性因素对路段行程时间的影响。同 时,给出一种新的路段行程时间分布估计方法,即利用路段车辆数的分布代替路段长度作为路段 行程时间的分配比例系数,得到路段行程时间的分布情况。为验证所提方法的正确性,以辽宁省 丹东市振兴区锦山大街为例进行分析,用极大似然估计法得到各类建成环境对行程时间的影响 参数值,并对比研究路段在有、无建成环境影响下的行程时间。结果表明：道路周边的建成环境 会在不同时段导致路段行程时间显著增加,学校的影响时间段主要在6:00-7:20,医院、诊所集中 在7:00-8:00,交叉口造成的行程时间增量在研究范围内整体较为平均。通过似然比检验,验证了 将建成环境变量作为路段行程时间影响因素的可靠性。     

基于路段行程时间可靠性的交通分配方法研究

行程时间可靠性已经成为道路网性能的主要指标之一,首先在总结已有路段行程时间可靠性的有关算法之后,计算了路段的行程时间可靠性。然后,将路段行程时间可靠性作为路阻函数,从用户均衡分配模型(UE)加以引申,建立了行程时间可靠性分配模型,并给出了相应的算法,最后,应用于实际的路网中进行了检验。     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。     

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.     

城市道路分类别路段行程时间函数研究

分析与城市路段行程时间函数分类相关的路段属性,根据其中关键属性的组合对城市路网的所有路段进行分类;以市域内车辆自动检测仪器提供的速度和流量数据为基础,通过对速度-流量关系的分析拟合,标定各类路段的通行能力、自由流速度、流量达到通行能力时的临界速度这三个关键参数从而确定函数模型,并通过杭州市实例进行了验证。     

基于M/G(n)/C/C排队模型的高速公路 行程时间估计

为解决现有高速公路行程时间估计并未考虑交通流实时变化特性的问题,以宏观交通流中 流量—密度—速度之间的关系为基础,以速度与密度的线性模型和指数模型为例,假设车辆到达 服从泊松分布,构建了高速公路路段M/G(n)/C/C状态相关性排队模型,该排队模型服务时间与系 统内的车辆数有关,充分反映了交通流的随机性。在Vissim 中构建仿真路网,通过对比仿真实验 结果与模型计算结果可知,两者基本一致,误差在5%以内,且指数模型较线性模型适用范围更 广,更符合实际情况。     

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...     

基于谱分析的路段行程时间多步预测方法

路段多步行程时间预测数据是动态交通诱导系统的重要参数,但已有研究成果,大多集中于一步预测,且存在适应性不强、计算量大、基础数据需求多等不足.应用谱分析及Karhunen-Loeve（K-L）变换对历史及当前检测行程时间序列进行分解与重构,重构时以历史序列与当前检测序列的欧式距离作为相似性度量指标,优化重构时的特征向量系数,使与当前检测序列相似度高的历史序列信息在重构中占据主要地位,通过重构,实现对后续若干时段的行程时间的预测,实测数据检验显示该方法可实现多步预测,预测精度良好,较以往方法有所提高,且历史数据需求量小,计算量小.     

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。     

谱分析法在路段行程时间预测中的应用

路段行程时间超前预报是动态交通诱导方案制定的基础,应用短时交通预测的方法可以获得将来某个时刻的路段行程时间数据,但已有研究成果,还存在适应性不强,计算量大,基础数据需求多等不足。应用谱分析及Karhunen-Loeve变换对随机序列的分解与重构功能,通过挖掘路段历史行程时间序列与当前检测行程时间序列的相似性特征进行序列重构,实现对后一时段路段行程时间的预测,结果显示,该方法具有良好的预测精度。     

动态路段行程时间函数与BPR函数的比较研究

从交通流参数的处理入手 ,研究和分析了动态路段行程时间函数的确定过程 ,提出了动态路段行程时间函数式 ,并且与计算路段行程时间常用的BPR函数进行了比较 ,指出动态路段行程时间函数不但考虑了路段机动车交通量的动态性 ,更注重了路段出口交通量的变化情况 ,符合实际交通状况 ,具有实时、简单、实用等特点 ,适于在交通管理中运用