混合车流交通流特性分析

混合车流基本交通流特性描述是混合车流理论研究的基础。分析了未来我国高等级公路车型结构、界定混合车流研究的合理范围;提出描述混合车流运动自由度的随机度和相互影响的粘度两个基本概念;通过理论计算和实地测定得到混合车流的速度模型和堵塞密度。     

信息融合技术在交通流量预测中的应用

交通流量预测是智能运输系统的一个重要组成内容，但传统的数学方法一直未能取得令人满意的预测效果。信息融合技术是最近十多年来新兴的技术。它通过合理协调多源数据，充分综合有用信息，在较短的时间内，以较小的代价获得对未来交通流量的预测。实验证明，借助信息融合理论建立的聚类分析模型和神经网络模型对未来交通流量的预测比较准确，有实际意义。     

基于交通流元胞自动机模型的车辆当量换算

将一维元胞自动机模型用于模拟周期性边界条件下高速公路的车流运动,用随机慢化FI模型对一定交通环境下车流的车速与密度之间的关系进行仿真分析。探讨了不同车型和车速对道路最大流量(最大通行能力)的影响。依据不同车型在同一道路上的不同通行能力,提出了一种不同车型车辆之间当量换算系数的确定方法。在模拟仿真过程中,考虑不同类型车辆的最大行驶速度及所占空间不同,仿真模型具有不同的参数。通过计算机模拟,得到不同车型的交通流基本图,根据相同道路条件下的最大流量值,给出了以通行能力作为基准时当量换算系数的计算公式。     

非拥挤路段自行车交通流特性研究

自行车是城市居民出行的主要方式之一，研究自行车交通流的特性对于合理规划道路交通资源，提高白行车交通服务水平具有重要意义。针对白行车交通流与机动车交通流的不同特征，提出了以单位面积车道上车辆集散程度定义白行车交通流密度的新方法，并基于调查数据，研究了非拥挤状态下自行车交通流密度、车速和流率3个参数的相关性，发现非拥挤自行车流的速度总是分布在接近期望车速的范围内，且与流率、密度无关，而速度的离散程度随着密度的增大而减小。最后，分析了车道、宽度与交通流3个参数的相关性，并建立了相应的回归模型，模型可用于在给定自行车交通需求以及服务水平条件下自行车道的设计宽度。     

基于深度学习的时空交通流预测算法

在智能交通系统中,准确地预测交通流量对优化交通管理和提高城市整体流动性起着至关重要的作用。随着深度学习技术的广泛应用,人们对交通流时空特征提取展开了深入的研究。本文提出了一种基于图卷积网络和Transformer的交通流预测算法,利用深度学习算法的强大功能来捕获交通动态数据中固有的复杂的时空模式。首先,通过时空图卷积网络提取空间特征;其次,通过Transformer动态地提取全局时间依赖关系;最后,为了验证该算法的性能,我们在真实交通数据集上进行了大量实验,结果表明该算法的预测准确性优于对比模型。     

基于粒度计算的交通管理决策支持

将粒度计算理论运用于交通管理决策支持,给出了交通信息颗粒及其粒度的定义,并建立了基于粒度计算的交通管理决策逻辑框架.以一个示例路网探讨了交通流信息颗粒的构造方法及其粒度层次,验证了粒度计算可以整合现有交通信息处理方法,并满足交通管理决策需要.     

一种新的交通流矢量场微观模型

在分析非机动车行驶特性的基础上 ,根据场的理论与相关的交通流理论 ,用矢量表示非机动车的速度与加速度 ,综合考虑周围所有运动物体与道路的影响 ,建立了一种新的非机动车流矢量场微观模型 ,仿真与回归分析的结果证明该模型能准确地实现非机动车的交通特点     

局部比较的变点统计理论及其在交通流突变研究中的应用

交通流变点就是交通流模型中的某些参数起突变化之点，在变点附近的局部中，某种量有了显著的变化，而在非变点的局部中，量保持稳定，本文针对ITS开发，依据交通流理论并结合均值变点模型，建立用局部比较的方法分析交通流突变的变点统计理论，利用某种交通流参数构造有针对性的统计量并考察它在各个局部内的变化，取其显著之处作为突变发生位置的估计，使用实测数据对算法进行标定和检验，证明方法的有效性。     

平面交叉口细胞自动机交通流模型的研究

文章以细胞自动机(cellular automata，CA)理论为基础，结合我国城市道路情况及交通流特性，把车辆在双车道直线行驶开始到通过平面十字独立信号控制交叉口的整个过程用细胞自动机语言进行了描述，完整地建立起一套新颖的细胞自动机交通流模型。该模型符合实际，可灵活转变为各类城市交叉口模型。