基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.      

基于群决策和熵权法的换道轨迹评价研究

针对换道轨迹评价中指标间的信息重叠和指标权重设定的主观性问题,提出了基于相关性分析和因子分析的评价指标选取方法,从16个参数中选出了表征舒适性、高效性、平顺性、生态性和安全性的11个评价指标;运用层次分析法计算指标主观权重,运用群决策理论计算专家权重,运用熵权法计算指标客观权重,从而提出层次分析法、群决策理论和熵权法相结合的指标权重设定方法,计算得出安全性、高效性、舒适性、生态性、平顺性的权重分别为0.73、0.15、0.06、0.04、0.02,从而建立换道轨迹评价体系,并用该体系对驾驶模拟获取的换道轨迹进行了评价。结果表明,提出的换道轨迹评价体系较为全面且减少了指标间的信息重叠,综合了主观上的专家经验和客观上的数据信息使评价结果更为合理,对轨迹性能的重要性排序可为轨迹规划中设置约束条件时的侧重倾向提供参考;构建的换道轨迹评价体系和提出的评价方法为换道轨迹评价提供了参考。     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...     

基于Agent控制器的单路口信号灯学习控制方法研究

将强化学习中的Q学习算法与Agent技术相结合,构成Agent控制器对单路口的信号灯进行控制.介绍了将经验知识与Q学习算法相结合实现的Agent学习机制,提出了一种适合交通环境的强化函数,以解决单路口的动态实时控制.经仿真软件Paramics对实际路口进行仿真实验,验证了该方法具有较好的控制效果.     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

重复驾驶条件下驾驶员记忆增长模型研究

驾驶员的记忆影响视觉搜索及路径规划等驾驶行为,进而影响道路通行效率与交通安全.为了描述重复驾驶条件下驾驶员记忆变化的特征,设计模拟驾驶实验,研究同一场景下重复驾驶对驾驶员记忆的累积刺激.通过场景记忆量表衡量驾驶员的记忆程度,分析了驾驶员记忆增长与重复驾驶次数的动态变化关系,分别采用单分子式、修正Weibull方程及Richards方程建立累积刺激作用下驾驶员记忆增长模型,并以误差平方和、均方根误差和调整 R2为评价指标对模型精度进行对比分析.结果表明,3种模型均能对驾驶员记忆增长特性进行描述,其中 Richards模型精度最高,其平均调整R2为0.9884.Richards模型揭示了记忆的同化与异化作用的本质,更适合建立重复驾驶条件下驾驶员对场景的记忆增长模型.      

考虑次干道出入车辆和行人过街影响的单向绿波相位差优化方法

针对干线绿波控制效果受次干道出入车辆和行人过街影响的实际问题,首先在分析上游次干道左转车辆对下游交叉口排队影响的基础上,将两相位排队消散模型改进为4相位排队消散模型,并依据该模型对传统相位差进行优化;然后分析行人过街对干线车流的影响,采用加权平均法计算车辆因行人过街干扰而产生的时间延误,并据此进一步对相位差进行优化.最后利用Vissim进行仿真验证,结果表明:改进的绿波控制优化方法和传统绿波控制方法相比,车均延误减少了20.5%,车均停车时间减少了17.6%,车均停车次数减少了8.7%,平均行程时间减少了3.5 s,对于干线绿波协调具有更好的控制效果.      

交通控制与诱导集成的关键问题评述

分析了交通控制和交通诱导的相互影响与相互作用。综述了交通控制系统和交通诱导系统集成的研究现状,重点对交通控制和交通诱导集成的6个关键问题进行了讨论分析。提出应用演化博弈论、有限理性和人工情感等研究探讨驾驶员对交通诱导信息的反应机理和先由交通诱导系统将交通流诱导到合适的路网上然后由交通控制系统来适应这些交通流的思想建立集成模型。提出应用人工交通系统与平行系统的思想来研究交通控制和交通诱导的集成实施问题,通过人工交通系统的"计算试验"对交通控制方案和诱导方案进行试验和评估,期望为交通控制和交通诱导二者的集成提供新的思路和方法。     

针对主辅路的Vissim仿真模型参数标定方法

微观交通仿真模型的参数标定是保证仿真模型有效性的基础和前提。针对车辆在主路和辅路运行特征的差异,提出了1种针对主辅路的微观交通仿真模型参数标定方法。该方法以进口道的车均延误的偏差作为评价指标,以遗传算法作为求解工具,分别实现了微观交通仿真软件Vissim中主路和辅路驾驶行为参数的标定。同时,结合工程实例将该方法应用于北京市朝阳路与高碑店北路交叉口、南苑路与久敬庄路交叉口仿真模型的参数标定中。结果显示,采用该方法标定后的主路和辅路延误与实测延误的平均偏差分别为2.1s和2.5s ;采用主路和辅路统一标定的方法,主路和辅路延误与实测延误的平均偏差分别为7.1s和7.5s。结果表明,仿真模型参数能够有效地提高参数标定的仿真试验效率与仿真精度,验证了该方法将主路和辅路仿真模型参数分开标定的有效性。      

交通信号倒计时对驾驶员启动反应时间的影响

为分析信号倒计时对驾驶员启动反应时间的影响,首先采用数字图像处理技术实现驾驶员启动反应时间的自动检测.然后分别采用描述统计法和核密度估计法对有、无倒计时的驾驶员启动反应时间进行对比分析.其中,核密度估计法核函数采用高斯核,最优窗宽采用递归法进行求取.结果表明:信号倒计时对驾驶员的启动反应时间产生了显著影响,有倒计时的启动反应时间的均值比没有倒计时的要快0.5251 s,并且在有倒计时情况下驾驶员的启动反应时间更快、更集中,说明倒计时装置可以减少绿灯初期的启动损失时间,提高交叉口的通行能力.