考虑交叉口不同饱和度的路网动态分区方法

为了便于信号控制策略的实施,针对路网中不同状态的交叉口,考虑子区内交叉口的同质性和关联性,提出了基于不同拥挤程度的路网动态分区方法.首先考虑相邻交叉口的交通关联度和相似度,建立了路网动态分区模型;然后结合谱图理论设计了动态分区算法,根据特征向量元素,对路段、交叉口的拥堵程度进行划分;最后提出了动态子区划分评价准则.算例结果表明,本文提出的方法既能有效地保证相关性较强的交叉口划入同一子区,又使得各子区内部路段的拥堵程度比较均衡,有利于各种不同拥挤程度的子区信号控制方案的选择和实施,对于交通信号控制方案的设计有实际的指导意义.     

基于MFD的城市区域路网多子区协调控制策略

针对城市路网中区域性的大范围交通拥堵问题,提出了基于宏观基本图(Macroscopic Fundamental Diagram,MFD)的多子区协调控制策略,以提升路网的整体运行效益.该策略将城市区域路网划分为多个子区,每个子区的交通流又划分为内部流和转移流,综合两者建立了基于MFD的多子区交通流模型,并给出了对各子区交通流诱导时的边界约束条件;通过调节子区边界控制输入,设计了边界反馈控制器对各子区转移流进行动态诱导,继而进行了迭代分析,以判断其是否满足边界约束,并对控制器进行了Lyapunov稳定性分析.仿真结果表明,所提策略使城市区域路网中各子区车辆总数渐近收敛于设定值,且整体平均流量提高了约11%,大范围交通拥堵状况得到明显缓解.     

山地城市干线交通控制子区划分方法研究

山地城市干线承载了道路交通较大比例的出行需求,单一固定的管控手段难以适应当前复杂的交通环境,需要协调控制才能满足交通管理需求。交通控制子区划分作为协调控制的首要任务,影响着交通管控效果的优劣。当前交通子区划分研究重点已从静态交通控制子区划分转变为动态交通控制子区划分,主要集中在关联度指标计算、子区划分算法等方面。针对目前子区划分方法与实际应用关联度不足,且不太适用于山地城市干线的局限,基于交通管控应用分析了山地城市干线多维不均衡性,从数据库构建、关联度建模、子区划分算法等方面提出了子区划分算法思路,构建了基于距离、流量、交通流结构的多因素山地城市干线交通控制子区划分方法。     

基于双层规划的城市交通拥塞疏导优化研究

为研究城市路网区域信号控制下的交通子区划分及交通拥塞疏导优化问题,明确交通拥 塞控制子区划分影响因素并建立相邻交叉口关联度模型,将拥塞控制区域划分为“疏散区”“平衡 区”。考虑“疏散区”“平衡区”不同的优化目标构建城市路网交通拥塞疏导优化双层规划模型,并 以昆明市部分城市路网作为实验对象,通过仿真将实际控制方案与本文模型计算方案的控制效 果进行对比,以此验证模型的适用性和有效性。仿真结果表明：除两个方案的平均停车次数优化 效果一般以外,其他控制效果指标均具有很大的优化提升,其中车辆平均延误时间降低了7.7 s, 重度拥塞里程比例下降了10.1%,路网车辆占有率下降了14.1%。综上可知,本文的疏导优化模 型控制可快速疏导和有效缓解交通拥塞,模型具有良好的有效性,可为路网交通拥塞分区治理及 疏导控制提供参考。     

宏观基本图稳定性评价方法及在子区划分的应用

提出宏观基本图稳定性的评价方法及指标,对MFD进行了特征分析,定义三个特征参数:路网运行最大加权平均交通量、路网运行临界加权平均交通量、路网运行临界运行车辆数;通过特征分析提出基于MFD的交通状态划分方法,划分为顺畅、临界、拥堵等三种交通状态;着重讨论临界状态的交通特征,提出利用临界状态的路网加权平均交通量作为路网交通运行离散度来评价MFD的稳定性。在子区划分的应用中,通过考察不同子区数量下的全路网交通运行离散度,得到最优的路网路网子区数量及相应的划分方案。最后,在微观交通仿真平台上,通过对现实路网的交通运行历史数据进行模拟,在广州市海珠区江南片区给出实例分析。把路网总长度为约25 km,覆盖范围约4 km2的路网划分为两个子区,为交通管理决策提供支持。     

大型活动中突发事件对交通流的时空影响

为了研究大型活动消散过程中交通流分布状况,分析了大型活动中突发事件对交通流分布的时空影响特征,总结了突发事件下常用的交通管制和疏导措施,将静态多路径交通分配方法与元胞传输模型(CTM)相结合,设计出了适合突发事件下的准动态交通分配方法.对一个小规模路网进行仿真,计算了突发事件下各交叉口节点的拥堵时刻,研究了路网拥堵的形成及消散的时空变化规律,并对两组不同管控方案下交通流疏散效率进行了对比.对比结果表明:不同控制方案下的路网在仿真时段内平均车辆延误分别为197、232 S·pcu-1,由该指标可以判断方案一优于方案二,因此,基于CTM的准动态交通分配方法可定量评价突发事件下交通组织方案的效果.     

考虑超级街区的城市路网边界控制策略研究

为缓解城市中心区交通拥堵状况,提出基于超级街区的路网多子区边界控制策略. 将城市区域路网划分为中心区、郊区及超级街区3个子区,结合宏观基本图(MFD)建立各子区交通流动态平衡方程;以中心区车辆出行完成率最高为目标,以边界收费费率和出、入口数量为控制变量,建立考虑车辆通道选择行为的路网多子区边界控制优化模型;并以实际路网数据为算例验证模型有效性.结果表明：边界控制策略下的中心区服务能力比无边界控制提高 7%;利用超级街区实现路网边界控制能够有效改善区域交通密度分布均衡性,提升路网服务效率;通过改变超级街区出、入口数量,实现边界控制兼备有效性和实践性.     

考虑超级街区的城市路网边界控制策略研究

为缓解城市中心区交通拥堵状况,提出基于超级街区的路网多子区边界控制策略. 将城市区域路网划分为中心区、郊区及超级街区3个子区,结合宏观基本图(MFD)建立各子区交通流动态平衡方程;以中心区车辆出行完成率最高为目标,以边界收费费率和出、入口数量为控制变量,建立考虑车辆通道选择行为的路网多子区边界控制优化模型;并以实际路网数据为算例验证模型有效性.结果表明：边界控制策略下的中心区服务能力比无边界控制提高 7%;利用超级街区实现路网边界控制能够有效改善区域交通密度分布均衡性,提升路网服务效率;通过改变超级街区出、入口数量,实现边界控制兼备有效性和实践性.     

MFD子区交通状态转移风险决策边界控制模型

根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基础,考虑诱导与控制条件下驾驶人的路径决策对子区交通状态的影响,以路网最大完成率和最短总行程时间为约束,通过模糊风险管理,建立平衡MFD子区交通状态与成本的风险决策模型,并采用ALRS算法对模型进行求解.仿真结果表明,建立的交通状态风险决策模型可有效提高控制和诱导的效率,同时保证突发情况下交通控制的实时性和有效性.     

���ھ�������ij��н�ͨ·�λ����о�

根据交通流特性的相似性进行交通路段划分对城市交通管理和控制具有重要作用。交通流数据具有时间序列特征,相似性度量问题是时间序列聚类中的最基本的问题之一。本文为交通流数据聚类给出了一种基于灰色关联的相似性度量方法,通过比较试验确定了它具有较高的聚类精度。在每个时段时间序列间的相似性差异、在某一个时段的异常数据等会影响到在整个时间区间的交通流数据聚类,为此本文提出了一种基于时段划分的交通流数据聚类方法。这个方法首先对每个时段数据进行聚类,然后采用最大频繁项集方法得到最终聚类结果（即交通路段划分）,实例证明了方法的有效性。     

静态多路径交通分配模型综述

静态交通分配反映路网交通流的拥挤性、路径选择的随机性等典型交通流特征,是交通规划方案评价和路网分析的重要方法.文章在介绍交通分配理论的基础上,对静态多路径交通分配的发展进行分析,并总结了静态多路径非平衡交通分配法的关键问题,分别对路阻函数及路权的计算、有效路径的定义、路网最短路算法、分配算法流程设计4个方面进行研究,总结静态交通非平衡分配法存在的不足,可为交通分配研究提供参考.     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

���е�·����ʧЧ������������Է���

为了更加准确而有效地描述复杂、时变的城市道路网络和交通状况,并且为道路网络功能的合理级配和缓解城市交通拥堵的局面提供一个切实可行的途径,本文提出了城市道路网络失效相关分析的方法。该方法是在采用改进的多路径交通分配得到的路网流量数据基础上,使用失效准则判定道路单元,再使用Monte Carlo方法和线性回归方法计算道路单元的失效概率和相关系数,最后结合概率网络估算技术判断道路网络失效的相关性。本文还具体结合一个测试网络给出了该方法的使用流程,并论证其可行性。而且分析了失效相关性的影响因素和道路网络功能级配与失效相关性之间的关系。     

电动汽车混入条件下随机动态用户均衡分配模型

为分析电动汽车动态充电需求对公共充电设施服务水平的影响, 给充电设施网络规划与运营提供参考, 在考虑燃油汽车和电动汽车出行者行为差异、路段拥堵状态、车辆能源消耗、充电设施布局与服务水平等因素的基础上, 采用巢式Logit模型描述了包含充电需求判断、充电设施和路径选择的电动汽车出行联合选择行为; 建立了考虑用户在途快速充电行为的动态交通流分配模型, 提出了混合交通下随机动态用户均衡条件及等价的变分不等式模型, 并设计了融合电动汽车充电排队仿真的动态交通流迭代算法; 通过算例验证了模型与算法的有效性, 并进一步探究了在电动汽车推广的不同阶段, 需求和供给关键因素对充电设施服务水平的影响。研究结果表明: 受路网交通流量分布和充电设施布局的影响, 充电设施利用率在时间和空间上具有明显的非均衡性; 电动汽车混入率的提高会增加平均充电等待时间, 并改变充电高峰期的时间分布; 电动汽车电池初始电量和充电设施处的排队长度均对用户的充电需求判断呈负效应; 当路网中充电设施数量与需求规模不匹配时, 会导致服务水平急剧下降, 同时极易诱发局部拥堵; 用户在充电设施处的逗留时间以15~20 min居多, 约90%用户的等待时间在9 min以内, 因此, 提出的模型符合实际, 能够充分反映混合交通网络中电动汽车充电行为引发的一系列影响。      

基于群体决策的多交叉口协同控制方法

基于竞争-合作的群体决策机制，将单点信号优化构建为各相位的交叉口通行权的竞争过程，将多点协同构建为上下游相位之间的协作过程，提出了一种兼顾多交叉口协同效益和单交叉口控制优化的路网信号配时设计方法；利用车路协同环境下路网内车辆路径信息的可感知性，动态精准地量化解析上下游交通耦合关系；在此基础上建立了分层动态决策框架，在单层决策中剥离了上下游交叉口控制决策对本地决策的影响，解耦协同控制模型中路网交通状态和信号控制决策之间的复合关系；设计了基于交叉口内各交通流向竞争力的分布式信号配时决策算法，并通过仿真试验平台比较了群体决策协同控制方法与传统协同控制方法的控制效果。研究结果表明: 相较于传统协同控制方法，群体决策协同控制方法可动态适应路网交通需求，在交通效率和稳定性上具有显著优势，在不同饱和度的交通需求水平下可降低车均延误15%以上；在路网交通饱和度较高的情况下, 群体决策协同控制方法延误降低幅度可达19.2%，控制优势更加明显；由于群体决策协同控制方法可在下游交叉口进口道车辆排队过长时减少上游车辆流出，可降低路网最大排队长度超40%，有效规避路网溢流风险；通过对群体决策协同控制模型的分布式求解，可实现单次决策过程计算时间小于0.01 s，具有应用于大规模复杂路网的实时信号配时决策的潜力。      

基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力，提出以改进元胞传输模型模拟路网流量分布状态，以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足，明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动，构建出行决策行为与元胞流量传输的强耦合机制，提出一种新的动态分流元胞传输模型；基于动态分流元胞传输模型获得的路网性能参数，以路网效率为路网基础性能指标，构建反映扰动事件影响期内路网效率累积动态变化的韧性指标；并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型，提出的动态分流元胞传输模型通过设置交叉口动态分流参数，建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制，可准确描述路网实际流量分布状态；提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能，直观展示路网抵御扰动并从扰动中恢复的能力，契合韧性内涵；韧性评估中若忽视出行决策行为潜在影响，将获得次优甚至明显偏离实际的方案或结果。     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。