城市快速路先进的交通管理系统应用软件开发研究

在分析上海城市快速道路交通管理需求的基础上，针对系统功能的实现，提出了软件层次结构组织方法和多层数据对象结构。研究开发了交通流分析模型的动态链接库，并将其集成于快速道路系统的先进交通管理系统软件中，实现了实时交通信息的整合、处理、分析功能，有效地节约了系统资源，同时也保证了系统运行的可靠性和稳定性。     

智能交通在上海城市快速路网运行管理中的应用

从分析上海城市快速道路交通管理的需求入手,对系统功能、总体结构和核心交通流算法模型进行了介绍。这些理论、方法指导规划了上海高架道路先进的交通管理系统实施方案,并集成于延安高架道路上完成了先进的交通管理系统示范工程,显示了良好的社会、经济效益。     

高速公路短时交通流预测方法对比分析

高速公路短时交通流预测对于高速公路智能管控具有重要意义。通过总结不同文献中关于高速公路短时交通流预测的研究内容，发现了目前高速公路短时交通流预测研究存在的不足，给出了高速公路短时交通流预测的流程，对高速公路短时交通流预测模型进行了分类比较，明确了不同模型的适用场景和优缺点，通过具体案例数据分析比较了KNN模型、SVM模型、LSTM模型的预测精度，研究发现KNN模型的预测精度最高，明确了数据质量和算法精度是交通流预测的关键。本研究可以为高速公路短时交通流预测发展提供借鉴。     

高速公路动态交通流的模型与仿真研究

从高速公路交通流的宏观，动态特性出发，首先给出了交通流控制和仿真中常用的宏观，动态，确定性交通流模型，通过对各种交通状况的分析，指出该模型存在的缺陷，在此基础上提出了一种改进模型，仿真结果表明，改进模型能够比较准确地描述交通流真实行为。     

美国道路作业区交通管理研究与启示

道路养护维修工作是维持道路正常运行的基本保证,设置养护维修作业区往往需要封闭部分车道,这常常会给道路上的交通流带来不利影响,特别是对高速公路和城市快速道路影响更大。该文通过对美国道路养护维修作业区交通管理的研究分析与借鉴,探讨我国道路养护维修作业区交通管理的若干问题。     

一种基于交通熵的交通流无序度量方法

交通流无序转化过程的研究需要对交通流无序进行定量的描述。为了定量描述交通流无序，通过对有序、无序概念的分析，给出了一种交通流无序的定义；在此基础之上，应用交通熵理论提出了一种交通流无序的度量模型，并应用该交通流无序度量模型对实际道路交通流无序阂值作了分析。计算了9种不同道路交通流的无序阈值，通过其结果比较分析，得出一个基本结论：当阈值N为1．10时，实际道路交通流为交通流无序状态。此时，车速一般小于设计车速的30％。该模型成功地解决了交通流无序度量问题，为交通流有序与无序之间的转化过程研究提供了理论基础。     

考虑进出口匝道排队约束的城市快速道路交通系统动态控制方法

城市快速道路进口匝道的超长排队对地面道路交通所造成的障碍影响，以及因出口匝道的车辆排队，而产生的主线交通自然阻塞已成为不可忽视的交通问题，以线性规划方法为基础，提出同时考虑进出口匝道排队约束，主线通行能力的约束以及行驶速度的 束的城市快速道路流入交通的动态的控制手法，探讨在流入交通需求和路网上交通状态实时变化条件下，各约束条件对流入控制解的影响，通过简单的算例，对控制模型的有效性和基本性质加以分析     

理论.方法.数据：交通流模型成功三要素

本文通过分析现代交通流模型研究中存在的问题，指出认识理论，方法和数据在交通流模型研究中地位问题的必要性，提出并论述：在交通流模型研究中，交通流行为理论是基础，方法是工具，数据是原料，三者缺一不可，构成交通模型成功的三个必要因素；同时，对理论，方法和数据使用中存在的问题进行了详细分析并试图提出相应的解决途径。     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

周相似特性下的交通流预测模型研究

针对城市路段交通流的周相似的特性，提出将路段的每日交通流数据分解为日交通流规律和日交通流水平，同时认为每日的交通流规律是由对应的类交通流规律和随机干扰构成。借用电路中的放电规则，给出交通流预测的模型。具体算例的结果显示：将交通流进行分解和采用本预测模型是合理的，它具有计算简单、使用数据少等优点，具有一定的工程应用价值。     

高速公路动态交通流的建模与控制策略

从高速公路交通流的宏观、动态特性出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并结合交通调查数据，利用仿真和优化技术对模型中的参数进行辨识，从而获得了能比较准确地描述了交通流真实行为的模型，然后提出了低密度区的可变速度控制，中密度区的可变限速和入口匝道联合控制及出口匝道分流和入口匝道协高控制模型，并给出了上三个问题的最估解，最后利用计算机模拟了受控和未控交通流，其结果令人满     

交通流仿真系统软件设计及应用

依据车辆跟驰理论和面向对象程序设计思想，探讨了交通流仿真系统（traffic flowsimulation system，TFSS）开发中的一些软件技术，从符合我国城市交通实际的路网模型、交通流生成模型、跟驰模型、换车道模型和交叉口信号控制模型入手，采用二维动画的方式模拟车辆的运行，给出了软件设计思路、系统结构设计、主流程图、界面设计及应用，最后提出了开展混合交通条件下城市交通流仿真研究的方向。     

基于跟驰模型的交通流混沌转化影响因素的仿真研究

为分析交通流混沌转化机理，利用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流时间序列。在一定参数组合情况下，仿真研究了交通流车队中前后车辆的车头间距变化过程。通过分析这种车头间距的变化曲线，可以明显地观察到交通流混沌运动和有序运动之间的转化过程；在此基础上，通过考虑模型参数和仿真参数变化的大量仿真试验，应用最大Lyapunov指数改进算法对仿真交通流混沌转化的影响因素进行了理论分析。该研究结果有助于进一步理解、解释诸多交通流混沌转化现象，并为短时交通流预测和智能交通控制提供理论依据。     

高速公路稳态交通流的最优问题

本文针对高速公路稳态交通流，首先建立了高速公路稳态交通流模型，并将总服务流量，行程时间作为稳态控制的性能指标，提出了稳态交通流状态下的两个最优问题及解法。     

路段交通流无超车换道的动力学模型及其仿真

通过对交通流参数的微分分析，建立路段交通流的运动微分方程和欧拉方程，与流体力学对比，根据牛顿第二定律，提出计算简便的交通压力和粘性阻力系数及粘性阻力，定义来自下游交通波的干扰为交通流的粘性。波速与最大波速之差定义为沿程粘性阻力系数。沿程粘性阻力与车道长度、流量沿车流方向的变化率和沿程粘性阻力系数成正比。模型能够得出交通流参数之间的关系。仿真实例表明，模型能够反映交通流的基本特性．     

高速公路交通流低密底区可变速度控制

本文首先建立了高速公路交通控制系统设计和交通系统的计算机仿真所常用的宏观、动态、确定性交通流模型，并在此基础上，结合我国高速公路交通流的特点，提出了低密度区的可变速度控制策略，最后利用计算机仿真的方法模拟了受控交通流和未控交通流，其结果令人满意。     

基于Multi-agent的交通流优化模型

交通流的优化模型是城市交通控制和管理问题中十分重要的研究课题。利用合理的道路优化控制策略，可以提高道路通行能力和车辆平均速度，改善城市交通状况。本文将人工智能的新技术，用于城市道路交通流控制模型中，通过灵活的agent自主控制算法和Multi-agent协商策略，构造交通流的优化模型，从而解决车辆阻塞和交通疏导问题。这种新的优化模型和相应控制算法的应用，可以有效解决城市交通路口的车辆阻塞问题，提高交通路口的车辆通行能力。     

利用数据挖掘技术建立城市区域交通流状态分析预测模型

ITS中的一个重要研究领域就是交通流的诱导，而为了要正确地诱导交通流，就需要对交通流的状况进行实时分析和预测。本运用计算机科学领域中的数据挖掘技术，提出了一个城市区域交通流分析预测模型。通过模型中的预测级神经网络、决策树约束集、关联规则约束集和修正级神经网络，全面地考虑了区域内交通流本身与其它动态、静态指标对未来交通流状况的影响，因而具有较高的正确率。     

智能网联环境下异质交通流基本图和稳定性分析

为研究人工驾驶车辆和智能网联车辆（CAVs）的混合运行对交通流产生的影响，以其基本图和稳定性为突破口研究提高异质交通流运行效率的关键技术与方法。选择全速度差模型（FVDM）作为人工驾驶车辆跟驰模型，将加州伯克利分校实车数据标定的协同自适应巡航控制（CACC）模型作为CAVs跟驰模型。建立了异质交通流基本图模型，研究了CACC车辆的混入对道路通行能力的影响；对比了不同人工驾驶模型对异质流通行能力产生的差异性。从大车-小车组成的传统异质交通流研究方法入手，利用跟驰模型建立人工-网联异质流的稳定性解析方法，并运用Matlab验证了不同CACC比例下的稳定性分析。结果表明:与人工驾驶交通流相比，CACC同质交通流的道路通行能力大约提升了95%；实验中选用不同人工驾驶模型对通行能力实验结果造成的差异不大。平衡态速度为15 m/s时，低比例CAVs（如低于20%）并不能改善交通流；当CAVs比例达到20%及以上时，异质流稳定性随着CAVs的比例增加逐渐呈现出稳定趋势；当CAVs比例达到70%以上时，异质流基本稳定。      

改进时空步长一维交通流的数值模拟

在研究了现有的交通流宏观模型的基础上，采用差分方法对BD型交通流模型进行了数值模拟。为保证计算的精度和稳定性，引入“声速”概念；提出了时间和空间步长的改进算法，使得在时间步长的计算中考虑了地点平均车速和交通流密度的影响。数值模拟结果表明了改进算法的可行性。