城市道路交通流离散模型优化分析

研究信号控制干道不同交通流状态下路口间车流离散模型。针对我国特有的机非混行、机动车交通流车辆构成复杂等交通特性,首先基于实际调查数据分析交通流离散特性,然后对Robertson几何分布交通离散模型进行修正,考虑下游到达车流与上游驶出车流的相关关系,提出3种线性回归模型。最后将多个模型的预测效果进行对比分析,结果表明,在所试验的路段条件下,考虑上游对应时段车流到达、上游对应时段的前一时段车流到达、上游对应时段的后一时段车流到达、下游前一时段车流到达的四元线性回归模型在不同的交通流状态下,能够更好地拟合车流离散规律。     

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.      

基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

基于改进时空耗散法的交通承载力理论模型研究

针对传统的时空耗散法模型计算交通承载力的不足,提出了以相邻信号控制交叉口间路段为出发点进行交通承载分析改进的理论模型。根据快速路和非快速路的特性,分别进行交通承载力计算。其中,对于非快速路,根据下游交叉口的服务水平和路段的服务水平,对相邻信控交叉口之间的排队路段和非排队路段的交通承载力分别进行分析计算,并最终通过计算不同等级道路的交通承载力,构建了全路网的交通承载力计算模型。改进的交通承载力计量模型从微观角度分析,以期从理论上系统认识这一问题,为提高城市交通承载力提供理论依据。     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.      

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于K近邻算法和支持向量回归组合的短时交通流预测

为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。     

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。      

快速路连续入口交通流对主线影响差异研究

分析了快速路连续入口匝道的交通流对主线的作用机理;考虑速度、匝道距离等因素构建匝道影响指数,量化研究上下游匝道车流对主线影响的差异;选取武汉市西二环汉西一路和解放大道连续入口区域进行微观仿真,结果表明,下游匝道车流对主线交通运行的影响更大。     

基于FCD的桥下积水导致城市交通拥堵点段识别方法研究

城市暴雨天气不仅导致了城市大范围的交通拥堵甚至全路网交通瘫痪,同时还造成了严重的经济损失和人员伤亡.文中通过对比分析降雨导致桥下积水日和正常日天气状况下的快速路浮动车交通流特性,综合考虑积水导致交通拥堵的空间影响范围、积水路段的速度变化和时空分布情况,提出了基于样本量比率和交通流速度变化、速度差三者共同作为积水交通拥堵点段识别指标的方法.该方法可排除GPS受随机因素的干扰,减少积水时段内常发性交通拥堵的影响.并将基于ArcGIS程序应用识别算法与实际情况对比,分析结果表明该算法具有一定的准确性和实用性.      

高速公路改扩建工程周边路网交通瓶颈识别

为满足日益增加的交通需求和提高通行质量,同时保障高速公路区域路网和作业区的交通正常运行,有必要开展高速公路改扩建工程周边路网交通均衡诱导研究,对改扩建高速公路上过载的交通流量进行分流和转移。准确地识别高速公路周边路网的交通瓶颈路段,是进行高速公路改扩建工程周边路网交通均衡诱导的重要基础。在对国内某高速公路改扩建工程周边路网交通运行状况调研的基础上,耦合了速度-密度关系模型和服务水平法,构建了交通瓶颈识别模型。然后,基于所构建的交通瓶颈识别模型,结合周边路网的通行能力和不同时段的服务水平,对周边路网不同时段下的交通瓶颈路段进行识别。     

一种用于道路交通预测的时空图卷积模型

准确而实时的交通流量预测对成功的交通管理与控制变得越来越重要。然而,传统的基于流量数据的预测仿真方法缺乏对复杂道路网络拓扑关系、交通情况随时间的不稳定变换、天气条件变化等时空依赖关系的考虑。为了获取这些时空关系对于交通流量的影响,基于图卷积模型(GCN)与长短期记忆模型(LSTM),搭建一种基于神经网络的交通流量预测方法,即时空图卷积模型。图卷积模型用于学习道路的复杂拓扑结构,来获取空间依赖关系;长短期记忆模型则用于学习交通数据(流量,天气,事故等)随时间的剧烈改变,来获取时间依赖关系。实验数据显示,时空图卷积模型可以获取道路交通的时空依赖关系,该模型的预测精确度高于传统的交通流量预测方法,也高于不考虑时空依赖关系的其他机器学习预测方法。     

北京市快速路可靠性分析及应用

快速路作为城市交通网络的重要组成部分,其速度的可靠性直接影响整个城市交通系统运行效率的高低。为了更好地分析快速路的速度特征,选取具有代表性的几条快速路进行了速度可靠性分析。应用SPSS统计软件,对快速路基本路段车辆速度进行了分断面和分时段的研究;通过对各快速路断面和时段的对比分析,得出各条快速路速度可靠性的高低和对应的服务水平,以及城市中向外辐射方向的快速路服务水平高,起联络线作用的快速路部分路段速度可靠性低,车辆在行驶过程中受到的干扰大,快速路应有功能没有得到充分发挥的结论。     

基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

城市快速路设计重难点分析

为了更全面正确地了解快速路设计在不同间距出入口组合设置条件下,在不同的交通流量下对快速路通行能力的影响,文章通过对厦门市仙岳路的运行状况分析,总结主要影响因素及问题所在,对快速路设计中要重点做好的出入口位置、间距、组合形式及交通影响分析等进行研究探讨,并通过VISSIM仿真模拟不同间距出入口在不同交通流量下的运行速度。结果表明:交通流量的大小比出入口间距组合对快速路通行能力的影响更大;快速路出入口间距设置对主线通行能力的影响与相交道路交通服务水平及通行能力密切相关;出入口加减速车道及辅助车道的设置对通行能力的影响。     

基于车流波理论的城市快速路出口减速车道设置研究

针对城市快速路出口减速车道设置不合理,高峰期间引起交通冲突增加影响交通安全的问题,通过交通流波动理论对城市快速路分流区减速车道交通冲突产生机理展开研究。分析交通集结波的产生对交通冲突的影响及减速车道长度的关系,通过公式推导计算出交通流波集散时间及集结波长度。为了避免集结波发生的概率及排队长度,应该由高峰时段车流流量、车流速度和密度来确定。以西安市南二环城市快速路为例,使用VIP/T视频交通检测模块对减速车道交通流平峰和高峰时段车道的车流量、车流密度、车头间距和车道占有率进行数据统计及分析,通过研究发现高峰时段城市快速路交通冲突的发生与车流量、车流速度和密度有正相关关系,减速车道的长度可由高峰时段车流量、集结波波速和车流密度确定,同时兼顾排队长度。通过计算,南二环的减速车道长度为188m比目前的实际长40m。     

基于速度特性的城市快速路常发性交通拥堵研究

基于城市快速路浮动车技术,获取北京市快速路瓶颈路段全天交通流运行速度时间序列数据,对快速路常发性交通拥堵形成及消散进行精细化定量分析。首先应用小波分析技术对数据进行降噪处理,依据速度变化特性将快速路瓶颈处交通流运行状态划分为稳定运行态、拥堵形成态、拥堵态及拥堵消散态4种状态,并分析不同状态下的速度表现特征。研究表明,应用速度变化量可以判别交通流所处状态,而后利用统计学方法给出不同状态之间变化的判断阈值,并归纳出快速路常发性交通拥堵形成时刻、消散时刻及持续时间的判别方法。该方法对拥堵特性判别精度可达80%以上,对交通拥堵预测及交通管理具有明显实际应用价值。      

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

城市交通拥塞辐射模型及其对路网服务能力损伤研究

为预防和治理城市路网系统中交通拥塞的辐射扩散以及由此造成的路网系统服务能力损伤，从新的视角对交通拥塞辐射扩散规律进行研究。将毒气在有限空间内的泄漏扩散抽象为交通拥塞的辐射蔓延，首先运用Python软件对高德地图API的WEB服务进行实时路况数据爬取，并对爬取的数据、浮动车数据、SCATS监测的流量数据以及其他交通信息数据进行预处理。在此基础上建立基于高斯烟雨模型的城市道路拥塞辐射时空模型并且充分考虑邻居节点和路段的交通运行状态以及不同道路等级对拥塞传播范围的影响。对模型调节参数U进行标定，得出快速路、主干路U值均为1，次干路U值为0.7。然后通过实例进行验证，结合实际值将模型计算结果与高德地图预测值进行比较，所建立模型的拥塞最大辐射边界、拥塞辐射时间预测精度要更准确，整个拥塞过程模型拟合度较高，模型适用性强。最后在城市道路拥塞辐射时空模型的基础上利用材料力学中切应力对材料的损伤原理，以拥塞某传播方向为研究对象，计算出拥塞辐射传播给路网中的某路段造成的通行能力失效值。分析路网中路段通行能力下降对路网服务能力的损伤影响，进而给出路段重要性识别方法。研究成果可为交通管理部门加强关键路段治理以及制定缓堵政策提供参考。