山区高速公路组合线形路段车道偏移行为

为在道路设计阶段确定平纵组合与相邻路段线形对车道偏离的影响,并为减少因道路线形因素引发的侧碰、追尾甚至车辆驶出路外事故提供改善依据,基于真实的山区高速公路道路设计参数及周边地形,搭建驾驶模拟场景,利用驾驶模拟试验获取小客车车道偏离数据,并对应获取车辆当前所在路段及上、下游路段的线形参数。以车辆车道内行驶为参照,沿道路行进方向,将车道偏离行为分为左偏驶离车道与右偏驶离车道。因车道偏离受驾驶人影响,采用双层Logit模型,分别判定道路线形及驾驶人层的影响。研究结果表明：相比直线路段,曲线更易引发车道偏离行为,驾驶人易偏向于曲线内侧行驶;上游300 m路段曲率差越大、平均车速越大,则车道偏离的概率增大;相对于缓坡（-2%≤坡度S≤2%）,行驶于上坡（S>2%）或下坡（S<2%）路段时,车辆车道偏离概率减小;车辆行驶于外侧车道的左偏驶离车道概率大于行驶于内侧车道;驾驶人因素对左偏驶离车道的影响比例为8.8%,对右偏驶离车道的影响比例为25.6%。研究结论可从组合线形角度帮助工程师设计更安全的山区高速公路。     

社交网络信息对出行时刻选择行为的影响

随着社交媒体和基于定位的智能手机普及,人们可以通过社交平台获得其他人的出行经验,同时与别人分享自己的出行信息.这种媒体形式为人们提供了新的出行参考途径.显然,信息的准确与否,对人们的行为和交通系统性能会造成影响.本文使用贝叶斯学习更新机制描述人们的动态学习行为,建立出发时刻选择的Agent-based模拟模型,比较准确社交信息、不准确社交信息和没有社交信息对交通系统的影响.数值结果表明,本文所建立的模型可以刻画出行者的行为特征,并反映信息对交通系统的影响.     

车道识别过程中搜索车道线的方法

提出了一种在RO I(region of interest)即感兴趣区域中建立搜索窗口的车道识别算法,使其能够很好地处理非理想路况的各种不确定因素,并建立实时动态搜索窗口,除了能精确地追踪车道标志线之外,还能应用于弯路路况。运用LM edSquare曲线拟合算法提高了车道拟合过程的稳健性和精确性。由于RO I的建立,整个识别过程的计算量大大降低,适应实时性要求。     

基于改进Hough变换的车道线检测

针对车道线检测中存在的诸多问题,在道路图像预处理的基础上,对Canny算子中的双阈值选取进行改进,能够自适应精确提取车道线边缘特征,并利用带极角约束的Hough变换完成直线检测。算法能够在不同道路环境中准确检测车道线标识,降低光照等因素对车道线检测结果的影响。     

重庆轨道交通白居寺车辆段段内发车能力研究

重庆轨道交通2号线是我国第一条跨座式单轨线路,2004年运营至今客流急剧增加,现状客流已达到远期设计客流,正线运营行车间隔已缩短至3 min,从而对车辆段的出段能力提出了更高的要求.车辆段出段能力的主控制因素是段内发车能力,对白居寺车辆段段内发车能力的研究不仅能提升该车辆段的出段能力,而且对提升2号线的运营效率和降低运...     

Stockholm congestion charging: an assessment with METROPOLIS and SILVESTER

This paper reviews and compares the performance of two dynamic transportation models – METROPOLIS and SILVESTER – which are used to predict the impacts of congestion charging for Stockholm. Both are mesoscopic dynamic models treating accumulation and dissipation of traffic queues, route choice, modal split and departure time choice. The models are calibrated independently for the baseline situation without charges and applied to forecast the effects of congestion charging. The results obtained from the two models are mutually compared and validated against the actual outcome of the Stockholm congestion charging scheme. Both models successfully predict the outcomes of the congestion charging trial at both aggregate and disaggregate levels. Results of welfare analysis, however, differ substantially due to differences in model specification.     

An application-oriented model of passenger waiting time based on bus departure time intervals

This paper develops an application-oriented model to estimate waiting times as a function of bus departure time intervals. Bus stops are classified into Type A and B depending on whether they are connected with urban rail transit systems. Distributions of passenger arrival rates are analyzed based on field data for Beijing. The results indicate that the best fits for the distribution of passenger arrival rates for Type A and B bus stops are the lognormal distribution and gamma distribution, respectively. By analyzing relationships between passenger arrival rates and bus departure time intervals, it is demonstrated that parameters of the passenger arrival rate distribution can be expressed by the average and coefficient of variation of bus departure time intervals in functional relationships. The validation shows that the model provides a reliable estimation of the average passenger waiting time based on readily available bus departure time intervals.     

地铁发车间隔对列车再生制动功率吸收的影响

以国内某地铁为例进行分析,计算出列车再生制动能量和功率,并对不同列车发车密度情况下制动功率吸收进行了仿真,最后得出结论。对地铁发车时刻安排和再生制动能量吸收装置的设置有一定的指导意义。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

基于非均匀发车间隔的大小交路时刻表优化模型

基于客流时空分布规律，考虑列车平均发车间隔、运行时间、最大载客量等约束条件，将列车在车站的停站时间与上、下车客流量相关联，建立城市轨道交通高峰时段基于非均匀发车间隔的大小交路时刻表优化模型，对乘客平均旅行时间及列车发车间隔平均偏离值进行协同优化。以某城市轨道交通线路实际运营数据验证模型的有效性。结果表明，优化后乘客在各个车站平均等待时间较优化前减少幅度为0.4%~13.1%，其中全线客流量较大的第7、8、9站优化幅度较为明显，分别为 11.7%、13.1%、11.9%。优化后列车在各个车站最大满载率较优化前降低幅度为1.8%~8.5%，且所有车站站台均无滞留乘客，体现了优化后列车运输能力与客流需求的良好匹配。灵敏度分析讨论了目标函数权重系数及列车平均发车间隔值对模型的影响，表明本模型具有良好的可用性及稳定性，能够为城市轨道交通列车时刻表优化提供参考。