基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型和GM (General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明：采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。     

基于活动链的出行需求预测方法综述

基于活动链出行预测理论主要研究人们对社会经济活动(以下简称活动)和出行行为的决策特性。介绍此理论的发展过程,给出6个重要的模型系统,并简要评价各个模型的优缺点。然后简单介绍1994年由Ben Akiva提出的基于活动链出行需求模型,进一步说明系统的框架和预测过程。通过对基于活动链理论发展过程和实际模型应用效果的分析,给出目前模型系统存在的缺点和问题,探索改进出行需求预测方法的途径。     

常规公交风险的 SEM 与 Bayesian Network组合评估方法研究

常规公交系统具有载客量大、班次多、线路固定等特点,存在多种安全风险隐患.为综合评估常规公交风险,对国内外554条事故数据分析整理,构建了常规公交风险指标体系.建立了常规公交风险评估的结构方程模型,得到常规公交风险因素对事故的单向拓扑结构.在结构学习的基础上,利用信息熵理论研究风险因素对预测结果可信度的影响权重,从而进行变量筛选.以失火事故为例利用贝叶斯网络模型进行了城市常规公交风险评估参数学习.研究结果表明,失火事故的主要风险因素为油气泄漏、车内外温度均较高等.在风险因素组合作用下失火事故发生概率范围为 0 .002 1至0 .842 9 .所建模型预测精度高,验证了方法的科学性和准确性,可用于进行定量化的常规公交风险评估.      

考虑多车影响的分子动力学智能网联跟驰模型

为研究含智能网联汽车(Connected and Automated Vehicle, CAV)和人工驾驶汽车(Regular Vehicle, RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、 加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在 混行交通流中的跟驰过程。稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性。数值仿真与模型验证结果表明,与PATH 实验室的CACC(Cooperative Adaptive Cruise Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19 m∙s-1 ,平均误差减小26.79%,拟合精度提高了0.91%。同时,在CAV和 RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加。迟滞回环曲线表明,与全速度差(Full Velocity Difference, FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强。该模型可用于同质流或CAV与人工驾驶车辆等混行环境下的CAV跟驰控制,在目前开展混行实车实验困难的情况下,为混行交通流场景下的车辆控制及交通设施规划设计提供理论依据和模型支持。     

轨道交通对房地产增值影响的计算

城市轨道交通对房地产增值的定量研究是目前探讨轨道交通与土地利用协调发展问题的热点。本文从正负两方面分析城市交通对房地产价格的影响,介绍了国内外常用于轨道交通对房地产增值影响计算的模型,并通过比较选择出适用于本次实例研究对象一长春市轻轨3号线的模型。在此基础上,选择能够较好地表达轨道交通与土地利用两者关系的因素作为特征变量纳入模型中,计算得到长春市轻轨3号线影响沿线房地产的增值量,同时根据计算结果得到轨道交通对沿线房地产增值的正面影响大于负面影响的结论。     

考虑多前车作用势的混行交通流车辆跟驰模型

基于自动驾驶车辆(AV)和常规人驾车辆(RV)混合行驶的情况，在全速度差(FVD)模型的基础上考虑了多前车和一辆后车的车头间距、速度、速度差、加速度差等因素，建立了适用于AV和RV 2种车辆的混行车辆跟驰模型；引入分子动力学理论定量化表达了周围车辆对主体车辆的影响程度；利用RV和AV混行场景跟车数据，以模型拟合精度最高为目标，对所有参数遍历寻优，进行标定；对比分析了混行车辆跟驰模型和FVD模型控制下交通流的稳定性，解析了车速对交通流稳定性的影响；设计了数值仿真试验，模拟了城市道路和高速公路2种常见场景，分析了混行车辆跟驰模型的拟合精度。研究结果表明:考虑周围多车信息有利于提高交通流的稳定性；车辆速度越低交通流稳定性越差；考虑多车信息的分子动力学混行车辆跟驰模型可以提前获得整个车队的运行趋势，更好地模拟AV的动力学特征；与FVD模型相比，在城市道路条件下混行车辆跟驰模型中的RV平均最大误差与平均误差分别减小了0.18 m·s-1和13.12%，拟合精度提高了4.47%；与PATH实验室的ACC模型相比，在高速公路条件下混行车辆跟驰模型中的AV平均最大误差和平均误差分别减小了7.78%和26.79%，拟合精度提高了1.21%。可见，该模型可用于混行环境下AV的跟驰控制与队列控制，以及AV和RV的跟驰仿真。