共查询到20条相似文献,搜索用时 78 毫秒
1.
为了改善不对称交通流导致信号交叉口进口道交通负荷分布不均、通行效率低下的问题,对交叉口对向交通流的分布形式及其适用的相位方案进行了分析,建立了信号周期动态相位方案的生成规则,并以综合交通效益最大为目标建立了交叉口不对称交通流的动态相位信号控制参数优化模型,并给出了其求解算法.分析了不对称系数大小及其阈值变化、不对称信号周期比例对优化方法的影响,并以哈尔滨市红旗大街-淮河路交叉口为例,VISSIM仿真结果显示,采用动态相位优化方法后,该交叉口的车均延误、平均排队长度和停车率等评价指标下降了27.8%以上,验证了动态相位优化方法的有效性.该方法能减少直行车流的停车等待时间、避免交叉口部分进口方向时空资源的空耗,有利于信号交叉口通行效益的提升. 相似文献
2.
3.
4.
为了提高交通控制算法的适应性和鲁棒性,缓解城市交通拥堵,提出了一种改进的D3QN(dueling double deep Q-network, D3QN)自适应信号控制方法。首先对几种强化学习自适应控制模式进行分析,然后在固定步长动作模式的基础上提出了不定步长动作模式,并构造了一种基于空间占有率的奖励函数;最后使用Sumo软件,对中山市东区街道某交叉口分别在稳定流和随机流场景下进行仿真。仿真结果表明:该方法具有良好的收敛性,有效地降低了延误时间和排队长度。 相似文献
5.
基于冲突率的交叉口交通安全评价方法研究 总被引:5,自引:0,他引:5
交叉口是城市道路的瓶颈,也是交通事故多发点,因而,研究有效的安全评价方法是很有必要的.本文在简要分析现有评价方法不足的基础上,引出非事故统计的交通冲突技术(TCT).交通冲突技术具有大样本生成、快速评价的特征,可以定量评价小区域地点(例如交叉口)交通安全现状以及改善措施效果的特点.然后,基于交通冲突技术计算出交叉口的各类交通冲突率(机-机、机-非和机-人冲突率),并由此建立起起综合交通冲突率模型评价交叉口的交通安全水平.最后,结合南京市的一个代表性交叉口进行实例应用. 相似文献
6.
城市机非混行交叉口的管理与控制是交通管理的重要内容.针对信号交叉口设置非机动车等候区的交通组织方式,建立了交叉口元胞自动机模型.对机动车流采用基于经典 NaSch(NS)的改进多车道元胞自动机模型,建立了交叉口换道规则,增加主动减速规则;对非机动车流采用具有侧向运动的扩展多值 CA模型.研究了设置等候区的车流状态特性,以及非机动车密度和等候区纵向长度对信号交叉口的影响.研究结果表明:设置等候区能在一定程度上提高交叉口的通行能力,但长度并非越长越好,当长度过长时在一定条件下会增大对机动车流的阻滞,总体上等候区是一种值得借鉴的方式;非机动车密度对机动车流的基本图具有显著影响. 相似文献
7.
对比现有交叉口主要控制方式的控制原理及优缺点,根据环形交叉口交通流特性,兼顾当前绿灯相位车辆到达情况与红灯相位车辆排队长度,提出相位相序可变的环形交叉口模糊自适应控制模型。 相似文献
8.
针对沪宁高速公路G42马群互通出口匝道拥堵蔓延至高速主线上的问题,提出了基于Aimsun仿真的自适应信号控制策略。通过数据的采集、拥堵原因分析、提出缓堵策略,在关键监测点布设检测器检测速度和占有率,并实现与相连交叉口信号控制器的联动控制,达到对交叉口的自适应控制,基于仿真软件Aimsun对方案实施的效果作了评价研究,结果表明文中提出的自适应信号控制策略,可以有效地降低车辆的延误时间和排队长度,提高道路的通行能力。 相似文献
9.
对于过饱和平面交叉口运用传统的左转交通组织设计来改善路口的运行性能很难取得令人满意的效果。为此文章针对国外提出的USC型交叉口,介绍了其工作原理和特殊的左转交通组织方式。运用微观交通仿真软件VISSIM对USC型交叉口和常规4相位信号控制交叉口进行模拟。在对比分析模拟数据的基础上,发现USC型交叉口能有效减少交叉口冲突和延误。提高交叉口的通行能力。特别适用于左转流量较大的交叉口。但是.这种类型的交叉口交通组织方式特殊.在投入实际应用前.还须深入研究以下问题:标志标线设计、与其他交叉口的衔接、信号配时的优化设计、行人过街组织、具体技术指标的确定。 相似文献
10.
城市机非混行交叉口的管理与控制是交通管理的重要内容.针对信号交叉口设置非机动车等候区的交通组织方式,建立了交叉口元胞自动机模型.对机动车流采用基于经典 NaSch(NS)的改进多车道元胞自动机模型,建立了交叉口换道规则,增加主动减速规则;对非机动车流采用具有侧向运动的扩展多值 CA模型.研究了设置等候区的车流状态特性,以及非机动车密度和等候区纵向长度对信号交叉口的影响.研究结果表明:设置等候区能在一定程度上提高交叉口的通行能力,但长度并非越长越好,当长度过长时在一定条件下会增大对机动车流的阻滞,总体上等候区是一种值得借鉴的方式;非机动车密度对机动车流的基本图具有显著影响. 相似文献
11.
基于灰色控制系统的交叉口交通冲突预测 总被引:1,自引:0,他引:1
基于灰色控制系统对交叉口的交通;中突数进行预测,并结合工程实例,引入Matlab软件进行分析运算,所得结果表明灰色模型可较好地用于交通冲突数的预测。 相似文献
12.
为了更好地模拟城市信号交叉口集聚车辆的跟驰行为,进而应用于城市信号交叉口信号配时和交通流理论研究,采用一种基于视频的交通流数据采集方法来采集信号交叉口的微观交通行为数据.运用灰色关联分析方法对采集到的微观交通数据进行分析,挖掘出其中的有用信息,从而寻求能够最大程度反映信号交叉口集聚车辆跟驰行为的影响变量.构建城市信号交叉口车辆集聚过程中的跟驰模型并进行参数标定、效果验证和比较分析.研究表明,新提出的跟驰模型能够很好地拟合信号交叉口集聚车辆的跟驰行为实测数据,其拟合性和稳定性优于重新标定后的扩展GM模型. 相似文献
13.
为了预测路口交通信号控制所需的转向交通流量,提出了基于改进BP(back-propagation)神经网络的路口交通流转向比预测模型,给出了相应参数的计算方法;采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性,并用调查数据对模型进行了检验.研究结果表明,与传统的平均值法相比,用所提出的模型,平均绝对相对误差减小约1%~3%. 相似文献
14.
城市交叉口交通流特征与短时预测模型 总被引:11,自引:0,他引:11
时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求, 通过对广州市中心区交叉路口交通流长期观察和数据采集, 分析了各种时间尺度的交通流特性, 提出以路口信号周期作为时间尺度, 绿灯流率作为变量的ARIMA (p, d, q) 短时交通预测模型。以1个和3个信号周期的时间尺度为例, 对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA (p, d, q) 预测模型结构稳定, 算法简单, 时间尺度为3个信号周期的预测模型可以很好地保持交通流特征, 均方根误差为0.015 9, 预测精度较高。 相似文献
15.
目前,我国大多数城市交通趋于饱和,对城市交叉口信号优化控制是缓解目前交通现状的有效方案.根据城市交叉口交通流的特点,本文提出一种新的智能控制方法.判断交叉口的交通强度,选择定时控制或自适应模糊控制.在自适应模糊控制中,考虑到非机动车辆的影响,根据各相位排队长度,确定绿灯相位的延时时间和下一个最佳绿灯相位.在绿灯延时期间,通过自适应模块实时输出的延时校正量确定最佳延时时间.仿真结果表明,此方法能够有效地降低车辆平均延误. 相似文献
16.
17.
针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高. 相似文献
18.
交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基 础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时 间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态 可变的区域间隔长度.此方法主要特点是基于Gath-Geva 模糊聚类的时间序列分割,利用 模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化 趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区 间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义. 相似文献
19.
为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度,
本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络
(TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征;
引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网
中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节
点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明:TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive
Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN
(Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。 相似文献