基于多色集合的立体车库车位分区管理建模与仿真

针对自动化立体车库车辆存取能耗高的缺点,以提高车库运行效率和降低车库运行能耗为目标,以车辆到达间隔时间服从泊松分布,车辆停留时间服从正态分布,建立车位分区管理的车库运行模型,在此基础上,采用多色集合理论对立体车库车位进行分区管理.编写仿真程序,通过比较车位分区管理和车位就近分配下的车辆平均等待时间和车辆平均运行能耗的仿真结果,证明了车位分区管理在提高车库运行效率和降低车库运行能耗上的有效性.仿真结果表明:在特定车辆到达间隔时间分布和车辆停留时间分布下,该车位分区管理模型能够使得顾客的平均等待时间减少0.05min并降低车库运行能耗达10.63%.     

基于顾客到达拟合的立体车库搬运器待命位设计策略

为提高立体车库服务效率，依据实际工程数据，对顾客存车到达过程与车辆库内停留时长 进行拟合，将拟合结果与存车到达优先的出库策略结合，作为预测下一任务为存车或取车可能停 放位置的判断依据；建立车库搬运设备调度及运行环境模型，利用Dijkstra算法确定搬运设备到 各可能出库位置节点的最短路径节点集合，通过确定集合分叉节点设计出库待命位置。仿真结 果表明：以顾客存取车到达拟合结果为预测的下一待命位设计，相较原地待命策略减小了顾客平 均等待时间、平均服务时间，增加了搬运器平均能耗、平均利用率，符合待命位设计原理，显著提 高了立体车库服务效率；相较以最小化至各可能出库车辆位置最短路径的出库待命位设计更优， 表现为顾客平均等待时间、搬运器平均服务时间、平均能耗及平均利用率分别减小9.2%、19.2%、 25.6%及13.5%；顾客到达率水平不同，待命位策略的适用性不同，本文设计待命位策略更适用于 顾客到达率较低水平。     

基于排队论的立体车库堆垛机效率分析

在对立体车库国内外研究现状分析的基础上,以排队论为理论依据,通过对立体车库堆垛机作业时间和用户存取车排队系统概率特性的研究,给出了对立体车库堆垛机作业效率进行评价的多种指标,并利用这些指标对某项目实例中的堆垛机效率进行了分析.     

基于不确定理论的常规公交车辆调度优化

为提高公交车的利用效率，本文将公交车辆调度方案划分为高峰型和平峰型。在考虑乘 客候车时间与站间运行时间不确定的现实条件下，综合考虑不同车型的运营成本和乘客候车成 本；基于不确定理论建立混合车型下的双重不确定多目标规划模型，并通过遗传算法的python编 码求解。以南昌市211路公交上行为例，进行sumo仿真结果表明：在保证公交持续运营的前提 下，调整车辆调度方案有助于降低成本和提高运行效率；在高峰期，将发车间隔降低25%，公交车 统一使用纯电动客车，总成本降低5%，平均延误减少4%；平峰期，总成本降低10%，平均延误降 低3%。两组仿真结果发现，考虑不确定因素的公交车辆合理调度安排有利于充分利用公交车辆 资源和提高运行效率。     

轨道交通枢纽换乘乘客到站时间均值特征研究

换乘乘客到站时间分布是决定换乘乘客平均候车时间,优化并制定公交协调调度策略和方案的关键性因素。首先,选取世界之窗地铁换乘枢纽为调查地点,分高峰和平峰时段分别调查换乘乘客到站时间、送客车辆发车间隔等。然后,根据均值间差异的显著性分析和方差分析确定影响换乘乘客到站时间均值的因素。基于此,应用回归分析建立换乘乘客到站时间均值的模型。研究结果表明：高峰时段和平峰时段换乘乘客到站时间均值有很大的差异,且高峰时段换乘乘客到站时间均值是换乘客流量的二次函数,而平峰时段换乘乘客到站时间均值不受换乘乘客客流量大小的影响。     

天津公交

公交运营精细化 保障市民元旦出行 2016年元旦,集团结合往年市民出行规律,通过加强运营现场管理,实现精细化车辆调度,缩短平峰时段车辆发车间隔,保障市民节日出行. 据集团相关负责人介绍,针对往年元旦期间客流情况,今年元旦小长假期间客流分布呈现出三个特点.一是在小长假期间,平峰时段客流高于高峰时段客流.二是在12月31日16:00后的晚高峰时段,会形成高于当日早高峰的客流.且客流集中程度高于元旦小长假平峰时段.三是在1月3日14:00后,各大长途汽车站、火车站周边会出现较大的返程客流.     

基于改进Dijkstra算法的水平循环类立体车库存取车辆路径优化模型

为缩短水平循环类立体车库车辆存取运行时间和用户平均等待时间,设计了一种改进Dijkstra算法的存取车辆运行路径优化模型。基于水平循环类立体车库存取车辆工作逻辑,在构建存取车辆路径运行时间模型的基础上,建立了立体车库的排队模型;以车辆平均排队队长和车辆排队等候时间为评价指标,在搜索方向、搜索范围及动态节点变化方面引入双向扇形动态Dijkstra算法进行优化。研究结果表明：相比于传统Dijkstra算法,改进Dijkstra算法提升了目标节点的搜索效率,且能弥补其缺乏动态搜索能力的缺陷,输出源节点与目标节点之间的最短路径,有效缩短存取车辆运行时间和用户平均等待时间,提升水平循环类立体车库服务效率。     

道路环形交叉口机动车冲突风险区识别模型研究

为定量识别城市非信控环形交叉口区域内的机动车冲突风险易发生点,降低环形交叉口的事故发生率,本文构建针对非信控环形交叉口机动车冲突风险识别模型。首先,利用无人机采集高精度、连续的多车辆轨迹视频,结合Kinovea视频运动分析软件实现运行车辆状态识别与跟踪,并记录车辆每一帧的运动数据;其次,基于交通冲突识别指标TTC(Time to Collision),提出适应环形交叉口道路线形特征的车辆TTC计算方法,并使用累计频率法确定严重、一般和轻微冲突的阈值分别为1.2,2.8,4.4 s;最后,通过绘制高峰和平峰交通冲突空间异步图,并结合交通冲突数和严重冲突率,对环形交叉口的36个子区段进行交通冲突风险等级评定。研究结果显示：在高峰时段,某一子区段的平均交通冲突发生次数约为15次,严重冲突率为17.45%;在平峰时段,某一子区段的平均交通冲突发生次数约为8次,严重冲突率为8.28%。重度风险区域在高峰时段占比达到50%,而在平峰时段为8.33%,这些重度风险区域主要集中在交织区段。因此,环形交叉口在高峰时段且位于交织区段的情况更易发生交通事故。本文研究成果有助于交通管理部门了解环形交叉口在不同...     

�źŽ�������γ�ͷʱ��ֲ�����

了解信号交叉口下游车辆的车头时距分布特征是进行城市道路控制、通行能力计算、交通安全分析等的基础.利用NC200、MC5600对信号交叉口下游不同断面不同车道的车头时距进行调查.采用χ2检验法对信号交叉口下游车辆的车头时距分布进行拟合,得到高峰时段和平峰时段的不同断面、不同车道车头时距分布.研究结果表明:随着高峰时段向平峰时段过渡,以及车辆由交叉口向下游移动,车道的车头时距在移位负指数分布和M3分布之间进行过渡.     

基于租还行为特性的公共自行车调度优化研究

文章分析了公共自行车租赁行为特性,在此基础上提出了"分区调度、总量控制,动静结合、错峰调度"的公共自行车调度总体思路;对区块划分的步骤进行了分析,提出空间聚类的区块划分方法;根据公共自行车租还历史及预测数据,提出了高峰时段采用站内调度、下架囤积、随时补充的静态调度方法,平峰时段采用实时调度的动态调度方法。以衢州市公共自行车系统为对象进行了实证研究,结果表明基于租还行为特性的公共自行车调度方法是一种行之有效、操作性强的调度方法,有效地解决了衢州市公共自行车"租车难、还车难"的问题。     

基于模拟退火的交叉口自适应信号控制优化研究

在车联网环境下,以交叉口车辆的平均延误时间最小为优化目标,通过神经网络预测各进口短期时间窗交通流到达情况,进而基于模拟退火算法提出了交通信号控制动态配时方法。选取成都市某一交叉口的实测交通流数据,在VISSIM环境下对COM进行二次开发实现了早高峰、平峰和晚高峰时段下的自适应信号优化控制,对固定信号配时情况和模拟退火优化情况进行仿真,结果表明基于模拟退火算法的自适应信号控制能够显著提高交叉口的通行能力。为进一步说明本方法的优越性,将结果与遗传算法优化结果进行对比,发现模拟退火算法结果更优,三个时段内车辆的平均延误分别节省了15.61s/veh、0.47s/veh和8.53s/veh,平均停车次数也分别降低了0.59次/veh、0.04次/veh和0.27次/veh,证明了方法的有效性。     

公交优先 重庆第一条公交优先道正式投入使用

正9月12日,重庆市第一条公交优先车道正式投入使用。由于重庆特殊的地理环境等因素,导致主城区在早晚高峰时段车流量激增,而平峰时段车流量又大幅降低。根据最新数据显示,主城区占用道路资源20%的公交车辆承担了83%的客流,占用道路资源80%的社会车辆仅承担了17%的客流,城市道路资源分配严重失衡,而城市公交优先是有效解决城市道路资源分配失衡问题的技术措施之一。两路口至大黄路立交双向路段运行的公交线路有16条,     

智能导航车载系统

为了提高公交系统的运营效率,设计了基于短信服务的智能导航车载系统,分析了导航系统和车载系统的运行原理和功能。采用公交车到站发短信的方式,能够在每个停车站点的电子站牌上显示距离本站最近的车辆到达所需的时间,同时控制中心可对车辆进行实时调度,动态查询车辆的位置区间。实验测试结果表明：该系统设备性能稳定,能够实现运行车辆的有效管理,且投资小,收益快,同时具有一定的扩展性,易于与相关的智能系统衔接。     

北京奥运会观众交通需求预测

科学的奥运观众交通需求预测是奥运期间合理交通调度,提高交通运行效率的前提。介绍了奥运观众交通需求预测的重要意义,并对预测方法及内容进行了分析,为奥运期间比赛场馆专线公交车辆的配置和场馆周边临时公交场站的设置提供了参考。提出应重点把握早晚高峰时段专线公交车辆的调度、多场馆车辆协同调度和观众入退场交叠场馆的交通组织问题,并据此从整体、分区域、分场馆三个层面分析了奥运观众交通需求,提出针对性建议,如增大安检缓冲区面积等。     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

基于空间特性的行李跟随系统的车辆调度方法

为了提高车辆配送初始解获得的效率,在不确定条件下,研究了上海世博会行李跟随系统需求点的空间特性,提出了基于空间特性的车辆调度方法,建立了需求点的空间特性SLINK聚类分析方法和聚类分析结果评估方法。计算结果表明:在需求点群聚状态下,采用基于空间特性的聚类分析法的调度初始解总距离为583,而传统SWEEP扫描法的调度初始解总距离为595,因此,在对车辆调度问题进行求解时,对需求点的空间分布特性进行分析有助于不确定环境下车辆调度问题的最终求解。     

基于人工免疫算法的公交车辆调度优化问题研究

公交车辆调度是公交运营组织中的关键环节.通过对大连市公交IC卡数据管理中心公交IC卡数据信息进行的采集和分析,构建了基于公交线路时段客流数据的公交车辆优化调度模型,并进一步提出了采用基于信息熵的人工免疫算法对模型进行求解的基本流程和方法.实验的结果表明,该方法能够快速地搜索得到全天不同时段的最优发车间隔,并可以在短时间内根据公交客流量的变化对公交车辆发车时刻表做出有效的调整.     

考虑服务水平可靠度的单点交叉口信号配时研究

为实现单点交叉口在满足一定服务水平可靠度需求下的信号控制方案,使交叉口信号配时更合理、更符合实际,使用连续型概率分布模型分析刻画交叉口进口道车辆到达率的随机性;在考虑车辆到达率随机性的基础上,研究考虑服务水平可靠度的信号配时模型。文章把服务水平可靠度作为信号控制交叉口可靠性指标,研究其与车辆到达率随机性的关系,借助信号配时约束条件,建立信号配时模型;利用概率论方法,推导给定服务水平可靠度指标下的周期时长和绿灯时间的计算公式。仿真验证表明,该计算方法能实现交叉口在满足一定服务水平可靠度需求下信号控制方案,达到使交叉口信号配时更加合理、更有效、更符合实际的效果。     

自动驾驶混合交通流的交通和环境效益评估

为研究自动驾驶混合交通流的交通和环境效益,利用VISSIM微观仿真模型和MOVES机动车尾气排放模型,搭建一套基于自动驾驶车辆的驾驶行为的综合仿真体系,对不同市场渗透率的自动驾驶车辆运行过程进行仿真模型研究.考虑不同交通流水平(高峰期、平峰期、低峰期),选用总出行时间、平均速度、平均停车次数和平均延误4个交通效益评估指标,PM2.5,NOx、CO污染物排放量和能源消耗量4个环境效益评估指标.研究结果表明:随着自动驾驶车辆市场渗透率的递增,混合交通流的交通和环境效益均呈递增趋势,且高峰期优于平峰期,平峰期优于低峰期;以交通效益为例,在高峰期时,当自动驾驶车辆的占比达到100％,可降低45.59％的总出行时间、98.77％的停车次数和96.46％的平均延误,提升122.73％的平均旅行速度;在平峰期时,可降低84.43％的平均延误和86.42％的停车次数;而在低峰期时,只降低了 1.62％的总出行时间,提升了 1.03％的平均旅行速度.     

自供电路侧单元能量-时延均衡分组调度策略

考虑了自供电路侧单元在分组传输过程中能量收集、车辆到达与车速的随机性, 基于受限马尔科夫决策模型建立分组调度系统模型, 研究了分组平均传输时延与能量消耗; 分析了在能量队列约束下最小分组平均传输时延的优化问题, 提出了自供电路侧单元能量-时延均衡分组调度策略, 通过仿真试验分析了最优分组调度策略性能, 并与贪婪中继方案和Q-learning算法进行对比。仿真结果表明: 该分组调度策略具有双门限结构, 系统通过自供电路侧单元的能量队列状态以及到达车辆的车速状态确定决策变量, 使系统可以在考虑能量利用效率的前提下降低监测数据分组的平均传输时延, 保证自供电路侧单元在能量存储不溢出不耗尽的同时, 最小化系统分组平均传输时延; 在单分组发送模型中, 提出的分组调度策略的平均传输时延相比贪婪中继方案降低了15.7%, 相比Q-learning算法降低了13.5%;在批量分组发送模型中, 其分组平均传输时延相比贪婪中继方案降低了20.4%, 相比Q-learning算法降低了11.5%。