基于元胞自动机的高速公路瓶颈交通演化仿真

为分析高速公路中道路瓶颈造成的堵塞现象,本文改进KKW (Kerner-Klenov-Wolf) 模型, 建立跟驰规则;综合考虑车间距和车速对车辆换道的影响,建立自由换道和强制性换道规则;并对高速公路中不同车流量条件下,道路瓶颈上游的堵塞区域分布、换道行为特征和车道上交通参数的变化情况进行仿真研究。结果表明：在给定的交通量条件下,汇流车道的拥堵区域长度处于动态平衡状态,不会随时间而变化,且道路瓶颈前的汇流行为会导致目标车道上严重的速度下降,汇流车道和目标车道上车辆速度变化趋同;从换道集群特征来看,道路瓶颈前因高交通流量形成的低速汇流车辆倾向于以小集团的方式统一进行换道,造成目标车道上剧烈的交通震荡;瓶颈消失后,交通恢复时间随进口交通流量的上升而线性增长。     

区域路网交通信息提取方法

为提取区域路网交通信息,基于物元分析理论提出了道路交通状态的判别方法．将交通状态的判别结果作为决策属性,综合考虑道路等级、时间及交通参数,构造区域路网的交通流特征信息表．用粗糙集方法提取交通流特征．用区域路网交通流特征提取示例验证了提出的方法的有效性．该方法可实际应用于在线交通状态判别和历史数据库的交通信息提取．     

车头间距与高速公路交通流混沌

为了分析交通流混沌的转化机理，探讨了车头间距与高速公路交通流混沌的关系．提出了一种快速判别交通流混沌的最大李雅普诺夫指数改进算法，并用此改进算法和功率谱法研究了高速公路实测交通流的混沌问题，绘制了实测交通流的功率谱曲线．通过分析功率谱曲线，可以明显地观察到交通流频谱出现了噪声和宽峰的变化；用最大李雅普诺夫指数改进算法计算实测交通流的最大李雅普诺夫指数，结果表明，高速公路实测交通流中存在混沌现象．研究表明，车头间距的变化是交通流混沌现象产生的根本原因．     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律,提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量,对输入的车辆到达数据序列进行切割构建时空相似度矩阵,得到相邻断面之间的时延参数. 基于时延特性建模,将多断面之间的流量信息进行融合,使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析,验证所提方法的有效性和实用性.     

浮动车数据在城市宏观交通特性研究中的应用

回顾和总结了国内外浮动车数据在交通信息服务和路网评价方面的研究及应用现状,提出浮动车数据的三阶段应用.重点阐述了面向城市宏观交通运行规律分析的第三阶段应用,提出基于历史交通流状态数据的数据分析流程.并以北京市浮动车系统采集的数据分析结果为例,分析了北京市路网运行速度的时空分布特性以及不同等级道路的里程利用情况.     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

城市交通噪声分析及其系统研究

利用流体力学与噪声理论建立了交通流和交通噪声数学模型.根据路段实际情况,在一维交通流的交通状态下,通过数值模拟与实测结果比较,实现了动态交通模拟,其模拟结果基本符合现实的交通噪声状况.从而解决了从交通流模型到噪声计算的顺利转接,为交通规划、城市建设、政府决策等方面提供了理论依据.     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。