单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

关联路网拓扑特性的车辆出行行为画像分析研究

基于交通时空大数据的微观出行行为分析可以为精细化、个性化的交通管控措施制定提供支持,车牌识别数据作为一种精度高、准确性高、采样率全的时空大数据,近年来受到广泛关注。但是现有基于车牌识别数据的出行行为分析文献在进行行为分析的过程中较少考虑路网特征,即没有将出行者的行为与路网特性结合起来分析,这导致挖掘得到的出行模式与路网本身的关联不高。本文首先对车牌识别数据和路网拓扑数据进行数据融合,基于此融合数据,根据机动化出行者的出行行为特性使用聚类算法进行车辆画像,将路网上的车辆划分为临时办事车辆、频繁过境车辆、家庭不常用车辆、通勤车辆、网约出租车辆五类车辆。同时,结合复杂网络方法和聚类算法对交叉口进行画像分析,挖掘出交通管理者需要重点关注的交叉口。在此基础上,结合车辆出行行为和路网拓扑信息深入挖掘出行车辆的出行模式,构建车辆画像-交叉口画像-过车频次矩阵、车辆画像-交叉口画像-过车占比矩阵,进而对车辆出行时空特性进行深入挖掘,为交通管控措施的制定提供支持。     

双环相位结构约束下的强化学习交通信号控制方法

随着信息技术的快速发展,近年来深度强化学习方法在交通运输领域得到广泛应用,特别是在交通信号控制领域,已成为当前交通信号控制发展的重要方向。本文针对强化学习在交通信号控制领域应用中存在的随机相位选择导致无法实际应用的问题,提出了一种考虑NEMA双环相位结构的单点交通信号控制强化学习方法。以典型十字交叉口的NEMA双环相位结构为约束,设计优化了在相位切换决策过程中智能体的控制结构,通过增加1个智能体决定前置和后置相位顺序以提升相位切换的灵活性、部署2个智能体决定前置相位是否切换、设置1个智能体同时切断后置相位绿灯,通过经验共享机制,有效降低了状态-动作空间维度,提高了智能体训练效率。在此基础上,采用定制化PPO算法,基于SUMO仿真平台分析了不同交通需求、不同信号参数等场景下的单点深度强化学习信号控制方法的效果。结果表明,在高中低不同交通需求下,本文的方法都优于传统的固定相位相序方法。     

基于多源数据融合的城市道路网络宏观基本图模型

宏观基本图(MFD)是描述路网平均流量和平均密度的关系模型,在路网服务水平评估、区域控制和宏观交通建模中具有重要的作用.本文以路网加权流量和加权密度为MFD描述指标,提出了一种融合微波检测器数据和车牌识别数据的MFD构建方法.为了评估不同数据源下路网MFD的有效性,提出了采用状态比指标描述 MFD的差异性.以青岛市实际数据为例,分析了单一数据来源和融合数据下的MFD变化规律.结果表明,在路网中存在不同类型检测器时,融合模型仍能够精确描述路网MFD.     

电动汽车与清洁能源融合发展技术研究与展望

以光电、风电为代表的清洁能源发电技术可为电动汽车提供清洁的电力供给,减少全生命周期碳排放,助力交通领域“双碳”战略目标的实现,因此近年来得到迅猛发展。为了推动交能融合技术的应用,明确相关研究中的关键问题,该文综述了国内外学者过去10年在电动汽车与清洁能源融合技术方面的研究进展。首先,介绍了二者融合发展的必要性与现实意义;其次,将已有研究成果分为公路环境与城市道路环境两类,分别从电网、充电站、车辆3个层面归纳了当前电动汽车与清洁能源融合技术的研究成果;最后,考虑到清洁能源发电以及电动汽车充电存在较强的随机波动,对未来发展提出了加强公共领域交能融合发展、构建多种互补型清洁能源发电策略、建立“源—网—荷—储”集成优化技术、强化分布式微电网能源自洽调度、加强无线光伏充电公路运营管理等建议。     

海事行政处罚程序浅析

研究海事行政处罚程序违法问题,可以使海事行政机关在做出行政处罚的具体行政行为时尽量避免做出程序违法的具体行政行为,有利于监督海事行政机关依法行政,进一步促进行政管理活动的法律化、规范化、程序化。由于长期以来"重实体,轻程序"传统执法观念根深蒂固,现阶段经济转轨、法律制度不健全等原因的影响,海事行政机关执法违法尤其是行政处罚程序违