城市公路客运枢纽选址布局方法研究

城市公路客运枢纽选址布局不合理使枢纽周边成为城市交通秩序最混乱、拥堵最严重的地区之一,许多城市尝试公路客运枢纽外迁来缓解城市拥堵局面。文中提出依据城市交通小区进行交通流分配,结合客运枢纽选址布局原则,采用聚类分析方法选址布局公路客运枢纽,并以许昌市为例进行了分析。     

基于序关系的交叉口信号配时区间优化模型

为处理交通流不确定性,提高交通信号控制方案的可靠性,结合非线性区间规划理论,提出交叉口信号配时参数区间优化模型.首先,在高峰时段以5min为采集标段对交叉口进行数据统计,并以此构造交通流量区间来区间化不确定参数;其次,以交通流量区间为控制系统输入参数,结合区间数理论,构建以机动车平均延误区间最小为目标的交叉口信号配时参...     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上，运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境，解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型，利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟，仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明:CACC车辆占比为40%~50%时，混合交通流安全性恶化最严重，TET和TIT分别增加约68%和89%，车辆速度离散系数为0.9以上；通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m），可有效降低混合交通流的追尾碰撞风险。      

在圆圆沙警戒区及附近水域设立避航区的建议

本文分析了圆圆沙警戒区及附近发生的两起典型的紧迫局面和海损事故,针对目前警戒区船舶交通流特点,在原有的警戒区设置及推荐交通流向的基础上,提出了在警戒区及附近设立避航区的建议,以期提高警戒区船舶航行安全性。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

基于无人驾驶车数据的快速路排队长度实时检测方法

交通拥堵是造成城市交通延误和运输资源浪费的重要原因。为了实时有效的对交通拥堵现象进行检测及预测,本文搭建了一套基于无人驾驶车数据的快速路排队长度实时检测系统。针对交通拥堵中的交通流现象和特点,本文基于无人驾驶车采集数据的特点,应用交通波理论,提出基于斜率法和LWR交通流模型法的两种方法对交通波波速进行估计,进而对排队长度的实时检测,最后使用NGSIM数据集对该系统进行验证。结果表明,基于LWR交通流模型法的方法二估计结果更接近于真实值,且无人驾驶车比例越高,估计结果越准确。实验证明该系统具有实时性、高效性和准确性的优点。     

周家嘴路车流起动波速统计研究

通过实际观测和统计分析 ,论证了平面交叉口红灯转绿灯时车流起动波速可以满足正态分布假设 ,更可以满足泊松分布假设 ,后者拟合优度高于前者。揭示了在周家嘴路条件下 ,随着车辆排队长度增加 ,起动波速会相应变大 ,呈负指数规律上升的趋势 ,与低速混合路段有明显差异。据此建议 ,如将交通流动力学模型应用于高速公路或城市高架道路一类问题时 ,状态指数取值在 2 .5左右为好。     

基于OVM模型的交通流混沌研究

研究基于OVM模型的交通流混沌问题。用Matlab结合C 语言编写OVM模型的仿真程序来产生交通流时间序列。在一定的参数组合下,仿真研究交通流车队中不同序号的前后车辆之间的车头间距变化过程。通过分析这种车头间距变化过程的变化曲线并利用小数据量方法计算Lyapunov指数,证明了基于OVM模型产生的交通流中存在着混沌现象。讨论模型参数和仿真试验参数对该理论交通流运动状态的影响,给出相应的仿真研究结果,得出对于研究与应用交通流理论有益的结论。