城市主干路路段行程时间估计的BPR修正模型

为提高城市主干路交通流平均行程时间的估计精度,根据路段上游检测器采集的截面流量,建立了3种BPR(bureau of public roads)修正模型,包括全状态累积流量BPR修正模型、分状态标定的BPR模型和分状态累积流量BPR修正模型.仿真结果表明:全状态累积流量BPR修正模型明显优于传统的BPR模型;分状态标定的BPR模型和分状态累积流量BPR修正模型可以进一步提高估计精度,且后者可将阻滞交通状态下的平均估计误差降低至8.05%.     

基于改进遗传卡尔曼算法的短时路段行程时间估计

为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法。利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数。实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度。根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息。     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

基于k-NN和SCATS交通数据的路段行程时间估计方法

为了改善利用SCATS交通数据估计路段行程时间的效果,通过分析SCATS实际交通数据获取时间间隔不一致的特征,构建了SCATS交通数据虚拟时间序列,将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素,用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以路段行程时间估计误差最小为目标选取当前交通模式的近邻数,对交通模式之间距离的倒数进行归一化处理,确定了相似交通模式的行程时间权重,设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明:与多元线性回归方法相比,本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s.      

基于浮动车数据的城市道路行程时间估计

为提高城市道路行程时间估计模型的准确度和有效性,本文利用浮动车数据,依据对传统模型思路的总结分别建立了基于路段长度比例和点速度调和平均值的两种行程时间初阶估计模型,并利用统计学中的同分布融合思想建立了行程时间融合模型,以修正初阶模型结果的精度,弥补传统估计模型中准确度低、效率不高的缺陷。最后选取成都市具有代表性的路网区域为算例,验证了初阶模型假设分布的正确性,同时计算出融合模型路径总时间的平均偏差仅为12%,说明了融合模型的准确度和有效性。     

基于合理路径的拥挤路网交通状态分析方法

为防止路网交通拥堵的扩散,考虑路段状态指标饱和度和行程时间的影响,建立了基于合理路径集的路网分析模型.将非拥挤区域从内到外分为控制层、诱导控制层、诱导层和无关层4个层次,反映了路网状态的空间分布和潜在演化趋势.基于交通分配得到的流量,对本文的状态分析模型进行了数值验证,仿真结果表明:各层次路段在路网中的比例随流量的增大而变化,且拥堵区域呈现扩张趋势;高峰时段各层次路段的比例为20%、5%、10%、10%和56%;同层次中饱和度越大的路段对拥堵区域的影响越大.     

欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

�Ϻ�������ҵ���ͻ���Ͻ�ͨ���ع����ģ���о�

对商业中心区的货运交通情况进行分析,总结了货运车辆运行规律和停车规律,深入研究配送货运交通活动对路段行驶车速的影响情况,结果表明商业中心区道路的货运车辆流量、停车次数和停车时长均是影响路段行驶速度的主要因素;进一步分别对商业中心区干路和支路建立货运车辆和客运车辆混合行驶的交通流模型,以及商业中心区有货运车辆参与的路段交通流特性函数,这为正确分析车辆的运行状态、合理判断车辆的路段行驶时间和计算配送路线行程时间等提供参考。     

短时路段行程时间分布预测方法研究

为有效利用历史路段行程时间数据,提高短时路段行程时间分布估计精度,提出了一种自适应数据融合方法。通过分析历史行程时间数据与实时行程时间数据间的关系,构建了二者间的映射模型,有效地将非精确对应下的数据区间映射为精确对应状态,并根据所建非线性模型得到预测数据分布,极大地提高了行程时间分布的预测精度。考虑时间延迟等因素,采用DYNASMART仿真软件对所提出的方法进行了模拟验证。结果表明:随着采集步长的增加,应用自适应数据融合方法得到的短时行程时间预测分布与随时间变化的实际行程时间分布状态保持一致,这有效保障了数据预测的质量,为智能交通管控策略的制定提供可靠的依据。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

����������·��ͨ���������˻�״̬����

基于行程时间对交通需求的影响,建立路段交通流模型,对路段交通流量稳定性及通行能力的退化状态进行分析.在出行者的交通需求具有弹性的情况下,路段行程时间越长,交通需求越低.模型中行程时间由道路上的交通状态决定,车辆行驶过程的计算利用MITSIM模型,通过数值模拟方法分析弹性需求对交通流的稳定性及通行能力的影响.仿真结果表明,在交通需求和路段性能相互作用下,路段交通流量趋向于稳定,非饱和状态下的稳定流量随着交通压力的增加逐渐上升到最大通行能力,而饱和状态下的稳定流量小于最大通行能力且交通压力越高通行能力退化越严重.因此在城市路网规划时,应综合考虑路网中各路段通行能力,避免路段通行能力下降.     

城市规划中支路的设置

为了提高支路的通行效率,减少道路拥堵,针对支路使用中存在的问题,从支路的定位、功能及与用地的关系等方面出发,通过相关因素对通行能力和行程时间的分析,说明合理的道路设置,可以提高道路使用效率,增加通行能力,减少行程时间。     

���ڵ�·�����빫ƽ�Եĵ���ͨ��֯�Ż�

为了提高支路的利用率以缓解城市主干道的拥堵,本文从道路负荷与公平性的角度出发,确定单向交通组织优化方法. 建立了以路段饱和度超限量和车辆绕行系数最小化为目标的双层规划模型,其中上层模型通过优化支路的单向方案以使目标值最小,下层模型按照用户均衡分配准则进行配流. 进而设计了求解模型的模拟退火算法,在算法每一步迭代时,从当前达到一定拥堵程度的支路路段集中选择其一调整单向组织方案. 算例结果表明,单向交通组织可以降低路段饱和度超限量,缓解干道路段的拥堵,但随着绕行系数比重的增大,路段饱和度超限量的优化能力逐渐减弱.     

考虑交通状态影响的服务区凝聚层次聚类入区判别模型

为了精准掌握高速公路服务区入区车辆特征、提升服务区运营管理水平,基于高速公路ETC门架通行和收费数据,在分析服务区路段和邻近服务区路段车辆行程时间和速度分布特征基础上,考虑路段交通运行状态影响,提出了基于凝聚层次聚类的运行状态识别方法和服务区分车型入区判别模型。以G65包茂高速大观服务区为例,通过关联上、下游门架路段交通运行状态,明确了服务区路段车辆在4种不同运行状态下的速度概率分布特性,结合聚类给出了各个运行状态下车流密度和速度变化的入区判定条件,并利用服务区视频卡口数据进行验证分析。结果表明：判别误差主要分布在拥堵时段,全日客车和货车在考虑运行状态下的相对误差分别为1.5%、7.0%,与不考虑路段运行状态情况相比分别提高了2.9%、4.1%,验证了模型的有效性,为获取高速公路服务区入区车辆特征提供了一种新的思路。     

路段平均行程时间估计方法

为了有效利用线圈检测数据,精确估计路段平均行程时间,提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点,通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程,用Markov排队模型描述车辆排队过程,用生灭过程描述排队车辆数,得到车辆排队模型,计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长,计算了平均通过路口时间。计算结果表明:平均行程时间估计值与实测值的误差小于12%,说明路段平均行程时间估计方法可行。     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

���ھ�ֵ�ͱ�׼��ĸ��ٹ�·�г�ʱ��ɿ���Ԥ��

在密苏里州圣路易斯市I-270/I-255州际公路上,可变限速标志实时控制高峰期车速以缓解拥堵.本文研究可变限速系统对行程时间分布和可靠性的影响,分析伽马分布、最大极值分布、log-logistic概率分布、对数正态分布及威布尔分布与24小时行程时间数据的拟合程度,得到后可变限速情形下行程时间的分布.结果表明,后可变限速情形下行程时间的分布服从对数正态分布.提出基于行程时间均值和标准差方法计算行程时间可靠性最关键指标之一——第95百分位数的行程时间基于I-270/I-255公路四个拥堵路段36个实测数据集,用参数和非参数统计验证了方法的有效性.     

建设中的上海新南北通道

<正>上海南北高架(内环线内)白天12小时驶入车次35万pcu,路段交通已达到100万pcu公里,占全天24小时的72%;高峰小时流量占白天12小时的9.0%。南北高架白天12小时平均断面流量13万~14万pcu。高峰小时平均断面流量1.2万pcu,全线饱和度0.90,早高峰平均行程车速23公里/小时。南北高架全天基本都处于拥堵状态,尤其是中环至内环路段长时间处于红色拥堵状态。观察现状区域路网结构可以看到,在南北高架最拥堵路段即南何