基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.     

混合交通流条件下区域交通信号控制优化模型

针对传统区域交通控制技术无法应对机非冲突干扰的问题, 结合中国城市道路混合交通流的特点, 研究了交叉口与路段非机动车对机动车的干扰。分析了区域路网机动车交通特征, 确定了混合交通特性相似的区域。基于路段非机动车的阻滞作用, 分析了交叉口通行能力的折减与相邻交叉口相位差的优化。以区域路网机动车总延误为优化目标, 建立了非机动车影响条件下的区域交通信号控制优化模型, 优化了信号周期时长、绿信比和相位差等参数, 并利用遗传算法求解模型。利用VISSIM仿真软件, 以上海市杨浦区五角场环形区域路网为例对优化模型进行验证。验证结果表明: 现状信号控制方案下区域路网7个交叉口机动车的车均延误为24.5~42.9s, 平均为35.99s, 路网总延误为256.39h, 优化后交叉口的车均延误为21.8~36.4s, 平均为30.12s, 路网总延误为214.57h, 7个交叉口车均延误减少了10%~24%, 平均为16.31%。可见, 优化模型能够显著降低区域路网车均延误与总延误, 提高区域路网通行效率。     

非均衡网络交通流动态演化规律研究

为描述非均衡网络交通流实际成本-流量状态,考虑置存成本和路段行程时间,建立行程时间动态函数,将其引入用户均衡模型,构建基于出行总成本动态、路径流量动态、路段行程时间动态的交通流演化模型。利用简单网络,采用四阶龙格库塔方法对建立的模型进行数值模拟。动态模型弹性需求下,出行成本调整范围由大到小,趋于平衡值;路径流量迅速增加后,以较小调整范围,趋于平衡值;路段行程时间迅速增加后,逐步趋向于平衡值。固定需求下的出行成本、路径流量、路段行程时间均是反复调整多次后趋近于平衡值,调整范围缩小,次数增加。算例模拟结果表明,模型能够描述网络交通流从一种非均衡状态到另一种非均衡状态的动态调整过程。     

城市干路宏观基本图稳定性研究

本文基于大量的车牌识别数据,运用宏观交通流模型,构建了城市交通干路的宏观基本图,分析了以单日车牌识别数据构建的宏观基本图在长期观测下的稳定性以及临界密度同最大流量的分布特征。在此基础上,利用统计分析方法,比较了多种不同天数的车牌识别数据选取方式下所构建的宏观基本图的稳定性。结果显示,低密度下的宏观基本图具有较高的稳定性,高密度下基本图稳定性随统计数据天数的增加而提高,且利用连续多个工作日的数据选取方式能迅速有效地获得范围误差较小的宏观基本图。     

终端区空域结构调整对进场交通流的影响

根据终端区空域运行规则, 采用网络理论建立了终端区空域网络模型, 基于终端区航空器微观行为建立了空中交通流跟驰模型和等待模型, 基于NetLogo仿真平台进行了仿真试验, 分析了不同入度分布的空域结构对交通流的影响。仿真结果表明: 当密度小于等于0.075架次·km^-1, 速度大于等于0.04 km·s^-1时, 交通流处于自由相; 当密度为0.075~0.200架次·km-1且速度大于等于0.04 km·s^-1时, 交通流处于畅行相; 当密度大于0.200架次·km^-1, 小于最大密度时, 交通流处于拥塞相; 随着航班波作用的减弱, 交通流进入反向畅行相, 之后进入反向自由相; 当进场交通流分布一定, 入度值依次为2、3、1时, 交通流速度小, 密度大, 拥塞消散最慢, 入度值依次为3、2、1时, 交通流速度大, 密度小, 拥塞消散最快。可知, 增大空域网络上游关键节点的入度, 使进场交通流提前完成汇聚, 有利于交通流快速运行, 增大交通流量; 减小空域网络下游关键节点的入度, 有利于交通流在达到拥塞相后快速完成消散。     

基于聚类分析的交叉口状态识别方法

针对城市交叉口交通状态有效识别的问题,建立了三种交叉口交通状态识别方法。结合实际交通流数据,利用模糊聚类传递闭包法、K均值聚类算法和模糊C均值聚类算法对交叉口交通流周期平均速度、排队长、平均车头时距等向量进行聚类分析,给出适合城市交叉口交通流特点的交通状态划分方法,能够实时、准确、全面地识别城市交叉口的运行状态,为城市交通管理部门交通控制、交通诱导、交通指挥等提供数据基础。定性定量分析的影响,所得结论对城市道路路内停车设施优化具有重要的参考作用。     

苏虞张市域（郊）铁路线路宏观走向方案研究

为有效弥补苏州市域北向向心功能的不足,加强苏州城区北向辐射,打造“1小时通勤圈”的轨道交通骨干线路,基于苏虞张线的功能定位,总结宏观走向影响因素、布局原则,从上位规划、国土空间规划、吸引客流、旅客出行便捷性、工程投资及枢纽衔接等角度,对东、西通道宏观走向方案进行优缺点分析、综合比选,提出最优方案。     

大型活动交通特性分析及管理对策研究

为在城市举办大型活动时避免交通拥堵的情况发生,保证居民正常出行,结合交通需求特性、交通流特性、交通组织管理三个方面讨论城市大型活动中的交通特性内容,提出管理对策,以期为相关人员提供参考。