信号控制交叉口自行车流运行特征模型

为科学合理地解决城市道路信号控制交叉口自行车交通流通行能力的计算问题,在分析大量实测数据的基础上,对信号控制交叉口自行车交通流的运行特征进行了分析,得出自行车停车排队密度随交叉口自行车道宽度增加而线性递减的关系。根据自行车在启动后匀加速到匀速行驶的特征,建立了自行车交通流启动时间-速度、时间-距离模型;根据实测数据,标定了自行车流排队膨胀模型;根据绿灯时间自行车流量与车道宽度之间明显存在的线性关系,建立了交叉口自行车饱和流量和通行能力计算模型,为形成交叉口自行车通行空间设计、混合交通流信号控制理论奠定了基础。     

基于交通波特征的车道级车流溯源方法

为支撑城市道路中低渗透率轨迹数据条件下车流溯源分析,本文提出一种基于交通波特征的车道级车流溯源方法。基于NGSIM(Next Generation Simulation)数据集中的真实车辆轨迹信息,解析不同来源车流的交通波特征差异性;结合信号配时方案,从车辆初次停车时刻、集结波起始时空位置、集结波斜率、集结波覆盖长度等多个维度验证了交通波应用于车流溯源的可行性。在此基础上,提取集结波5项特征参数,构建4种基于机器学习的车道级车流实时溯源模型。采用NGSIM数据对模型参数进行训练标定,并对不同归一化方法、不同数据量、不同数据精度下的模型效果进行灵敏性分析。结果表明,在低数据量场景下,特征参数宜采用Min-Max法进行归一化处理,溯源流量平均误差比例最大不超过23.60%;当数据量较为充分时(超过100个信号周期),特征参数宜采用Z-Score法进行归一化处理,平均误差比例最大不超过9.90%,效果最佳的梯度提升回归模型的平均误差低至0.01%。此外,数据误差对不同模型的影响有所差异,但在误差较大时模型不会出现失效问题。本文所构建方法不依赖于固定检测器数据,未来可进一步研究交通波在网络层面...     

基于线性模型的高速公路交通事件和干预作用影响下的车流波分析

交通事件的发生导致高速公路正常交通流发生改变,为了促进发生交通事件时车流拥挤或阻塞的消散,减少排队延误,应在事件发生点上游对车流采取一定干预措施.运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速-交通密度线性模型下的车流波波速模型,干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用下的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

公交影响条件下基于交通波理论的排队研究

以交通波理论为指导,以平面信号交叉口为分析对象,重点研究了公交影响条件下单机动车道的排队过程. 结合不同车型机动车混合行驶的特点,通过引入不同车型间的饱和车头时距值并对其进行统计分析,刻画信号周期内交通波的传递情况,探讨了车流平均饱和车头时距和排队消散密度的变化规律,改进了传统的交通波排队模型. 基于北京四道口信号交叉口的实际交通情况,结合通调查结果和MATLAB程序计算结果,对模型进行参数标定和有效性验证,得到相关评价指标及其变化规律. 研究发现,交通波理论在公交车－小汽车混合车流的排队问题研究中,具有较强的适用性;另外,研究饱和车头时距值的变化规律有利于更加准确地刻画排队过程中交通波的传递行为.     

动态宏观路段行程时间模型研究

在分析和对比了静态交通分配和动态交通分配条件下的路阻函数的不同之处和静态交通分配下路阻函数局限性的基础上，根据交通流理论和集散波分析，提出考虑信号交叉口排队长度的有度动态路段行程时间模型(SQ)，该模型以在动态交通分配条件下的车流密度和交叉口信号参数为变量的动态路段阻抗函数模型，文中实例证明SO模型能适用于大型动态交通网络复杂的动态交通分配(DTA)计算．     

考虑上游信号的交叉口延误计算

延误是交叉口交通设计和信号优化的重要评价指标.针对传统延误计算仅考虑单个交叉口的不足,本文构建了综合考虑上下游交叉口交通运行参数的延误计算模型. 模型以交通波理论为基础,综合考虑了上下游交叉口的相位相序、绿灯时长、流向流量、路段长度及相位差等因素,通过计算下游交叉口队尾时空点在各相位的演变构建队尾时空多边形,计算队尾时空多边形的面积即可得到下游交叉口计算车道组的停车延误,将其加上加减速延误最终得到交叉口信号控制延误.示例分析表明,该模型与VISSIM 和 SYNCHRO等软件相比,延误计算精度较高.     

考虑驾驶员预测特性的带有上匝道的宏观交通流模型

高速公路入口匝道车流对高速公路主路车流存在较大影响，在未来车联网环境下，驾驶员能够获取更为丰富的交通信息，并对下一时段的交通状态做出预判.本文提出考虑有驾驶员预测特性的带有匝道的新格点流体动力学模型.基于线性稳定性分析方法，得到关于新格点模型的中性稳定性条件；在非线性稳定性分析中，采用还原扰动法推导模型在临界点附近的mKdV(modified Korteweg de Vries)方程，求解方程所得的扭结-反扭结孤立波，可以用于描述交通密度波在中性稳定曲线附近的传播机制.最后，基于仿真算例验证匝道交通流率和驾驶员预测时间对交通流稳定性的重要影响.     

考虑逆行行为的混合自行车流微观建模及仿真

非机动车逆行严重威胁驾驶人的人身安全,且对道路通行效率影响极大。为研究逆行行为对混合自行车流交通特性的影响,建立了考虑逆行行为的混合自行车流微观仿真模型,通过仿真分析电动自行车比例、逆行车辆比例对混合自行车流的影响以及单侧双向非机动车道的设置条件。研究结果表明：逆行行为会降低混合自行车流的速度和流量;混合自行车流的速度和流量与逆行车辆比例成非线性关系;车流密度相对较小时,随着密度的增加低逆行比例的车流平均速度下降速度比高逆行比例的车流平均速度下降速度快;逆行比例较小时的最大流量比逆行比例较大时的最大流量小;合理设置单侧双向非机动车道可以提高通行效率。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。      

白行车阻滞干扰对交通流的延误影响模型

机非混合交通流是我国城市交通的一个主要特征,在机非混行路段,自行车对机动车的行驶会造成干扰影响,容易造成交通延误,目前尚缺乏对这种延误进行分析的数学模型和计算方法．本文针对交通流中出现的离散流和连续流的不同情况,分别采用概率论理论和流体动力学理论两种不同的方法提出了机非混行路段的自行车阻滞干扰对交通流的延误影响模型。该...     

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

网联环境下混合交通流偶发拥堵演化机理研究

针对混合交通流中智能网联车辆(Connected and Autonomous Vehicles, CAVs)和人工驾驶车辆的交织干涉问题,本文在传统交通流统计理论模型和一阶连续介质模型的基础上,通过引入智能驾驶员跟驰模型(Intelligent driver model, IDM)和协同自适应巡航控制模型(Cooperative Adaptive Cruise Control, CACC),构建人工驾驶车辆和CAVs的混合交通流偶发拥堵演化模型,探索CAVs混入和诱导干涉措施对混合交通流偶发性拥堵传播规律的影响。实验选取重庆市华陶立交至巴南立交路段为路网原型,对CAVs不同渗透率( Pc )下的路段拥堵演化情况进行仿真。实验结果表明：CAVs渗透率越高,混合流流量、占有率和速度的改善情况越显著,但只有当 Pc ≥ 0.2 时,网联车辆对拥堵消散的改善效果才较为明显;Pc ≤ 0.8 时,干涉措施下,拥堵消散状态的持续时间约为不采用干涉措施的 50%;当 Pc = 1.0 时,网联车辆的通行能力是纯人工驾驶交通流的2.34倍;分别在非干涉措施和干涉措施下计算拥堵评价指标,与仿真结果进行对比,最大相对误差在5.38%之内,验证了模型的准确性。研究成果对疏散交通拥堵具有重要意义。     

信号控制交叉口自行车流体扩散模型

如何确定信号控制交叉口自行车的通行能力对交叉口配时和渠化设计有重要意义。揭示了信号控制交叉口自行车流的运行特性,建立了自行车流体扩散模型,对不同交叉口宽度、不同信号配时的混合交通条件下交叉口自行车通行能力进行计算,得出交叉口宽度与自行车通行能力呈负线性相关。通过自行车流体扩散影响分析,得出自行车对机动车、尤其是同向右转及对向左转车辆的通行能力影响较大的结论。最后,根据哈尔滨市4个信号控制交叉口实际调查数据,得到考虑机动车影响的信号控制交叉口自行车通行能力计算结果,并与北京市观测值进行了对比。     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

考虑排队阻滞和换道的改进宏观交通流模型

考虑路段上车辆换道及交叉口处排队阻滞作用,对交通流宏观演化模型进行改进.首先在排队中考虑不同车道的速度、密度差异,建立了换道模型;然后在交叉口内部划分各流向排队车辆的累积路径,分析不同的排队溢出位置对其他车流的阻滞影响;综合考虑车辆换道及交叉口处阻滞影响,建立了改进的车道组宏观交通流模型;最后设计仿真实验对模型进行验证.结果表明,在高流量需求下,本文模型能够模拟出下游的排队溢出对其他车流的阻滞影响;且在低中高3种不同的流量需求下,改进模型计算结果与仿真输出的驶离流量基本相符,与原有模型相比精度更高;由此证实了改进模型的准确性.     

机动车混合交通占有率-流量模型研究

在交通流基本参数模型中,密度参数难以直接获取,占有率-流量模型具有较强的实用价值。提出占有率分析单元概念,分析混合交通不同跟车组合下,大型车辆混入对分析单元中占有率参数的影响机理,综合分析单元出现概率,得出在占有率-流量模型中,原始占有率难以反映出大型车辆对交通流影响效应的结论,随后基于车头时距和大车率修正原始占有率,最终建立了机动车混合交通情况下的占有率-流量模型,并用北京快速路实测数据对模型进行了检验,证明占有率修正之后,占有率-流量模型更加精确。此模型等式两边都考虑了大型车辆的影响效应,具有更好的实际物理意义。     

基于射频数据的道路交通流路径识别优化模型

针对非RFID(Radio Frequency Identification)覆盖道路交通流路径识别误差较大等问题，本文提出基于FCD(Floating Car Data)校核下RFID道路断面交通流路径识别优化组合模型。首先， 利用平移不变小波变换将RFID初始数据切分为可追溯交通流、非追溯交通流及随机项；然后，根据统计路段中浮动车数量将路段分为Full、Defect、Null这3类，并建立FCD-RFID追溯路径模型识别可追溯交通流路径构成，同时，提出考虑出行时间、道路等级和驾驶偏好因素的综合成本阻抗效用函数，通过路径感知随机用户平衡分配模型估算非追溯交通流与随机项路径；最后，通过路径叠加识别断面交通流最终路径构成。结果表明：相较于单一RFID交通流路径识别，组合模型具有更高精度，MAE(Mean Absolute Error)为 72 辆，较单一 RFID 算法下降 62.5%，MRE(Mean Relative Error)为9.5%，下降72.2%；在非RFID覆盖校核道路中，组合模型MRE为13.3%，较单一 RFID算法下降82.0%，有效验证了本文模型的可行性及适用性。