广州市中心区轨道交通2011-2015年施工期间交通疏解对策研究

广州市计划2011-2015年在中心区新建八号线北延段、十一号线、十三号线等线路,如何做好轨道交通施工期间的交通疏解工作,尽量减少对道路通行能力的影响,确保轨道交通建设的顺利进行,是一个重要课题.本文以现状交通为基础,通过模型测试,分析轨道交通施工对城市交通的影响,根据影响程度,相应提出路网容量改善、区域交通分流、交通需求管理、施工工法优化等具体的交通疏解对策,并对交通疏解效果进行评价.     

公交动态客流与公交客流信息化分析

公交客流是借助于公共交通工具去目的地而产生的移动人群.公交在编制营运计划工作前会对公交线路进行客流调研.随着城市轨道交通的迅速发展,新的问题又产生了,调研公交沿线的企业、学校、商场等大客流的方法只是一种静态客流(基本不变),而轨道交通的重要站点成了公交大客流新的产生点和集散点,对于分布在全市不同地段的轨道交通集散点,就很难去作类似的调研了,因为这是一种动态客流(几乎每天都在发生变化).     

面向特大城市未来发展的交通模型研究——数据密集型分析概念下的交通模型

从中国特大城市发展过程中交通领域所面临的挑战出发,围绕城市交通战略管理能力的提升,提出了新的交通模型所需要具备的分析功能.在此基础上引入数据密集型研究的概念,讨论了模型在分析流程中的应用位置,提出了四个层次的模型技术框架结构,并在实际研究工作的基础上,提出了有待克服的主要技术瓶颈.     

信号控制交叉口左转非机动车过街模式适用性

为分析信号控制交叉口两种左转非机动车过街模式(机动车和非机动车一体化模式以及行人和非机动车一体化模式)的适用条件,在动态交通条件下,定量分析两种模式对典型两相位和四相位信号控制交叉口通行效率和安全性的单独与综合影响.在通行效率方面,选取机动车通行能力作为评价指标;在安全性方面,引入一个可比选交通设计方案的指标——交通当量冲突.通过理论与实例分析,从通行效率和安全性两方面给出了两种模式的适用性.结果表明:两种模式在上述方面均有单独优势;两相位信号控制交叉口,在相应的左转非机动车和机动车交通量条件下两种模式均能同时提高交叉口通行效率和安全性;四相位信号控制交叉口,两种模式均不能同时起到积极作用.     

基于乘客感知的常规公交服务质量评价方法

针对当前城市常规公交服务质量评价的理论研究与实践多侧重设施指标水平的统计分析,而对公交服务主体——乘客感受考虑不足的现状,引入“顾客感知服务质量”的概念.提出了以乘客感知和期望之差为基本依据的常规公交服务质量评价方法,建立了公交服务质量评价体系.选取上海市北安跨线和成都市119路公交线路为案例,通过分析实际调查数据,量化评价了两条公交线路的服务质量,验证了评价方法的可行性与有效性.案例研究表明,票价、候车时间、车内空间、换乘便利性是公交服务亟待改善的问题.     

高科技园区步行和自行车交通系统构建——以北京市中关村科技园区电子城北扩区为例

为构建高科技园区安全、便捷、舒适的步行和自行车交通系统,从分析高科技园区特征以及步行和自行车交通的必要性入手,归纳总结其步行和自行车交通系统构建的技术路线和方法,提出规划、设计、管理不同阶段需要重点解决的问题.以北京市中关村科技园区电子城北扩区为例,探讨在规划、设计、管理中落实步行和自行车交通系统优先的途径.从步行和自行车交通需求特征、功能定位、与其他交通系统的关系角度详细阐述步行和自行车通道和节点规划方案.同时,探讨如何在设计和管理阶段落实规划中步行和自行车交通优先理念的具体对策.     

基于BOD模式的慢行交通体系分析——以杭州为例

近年来,以自行车交通为主导的BOD开发模式在国内外得到广泛应用,许多国家和城市纷纷采取措施建设城市慢行交通体系,以缓解小汽车带来的交通压力.以杭州为例,阐述了以公共交通为骨架、自行车交通为主导的慢行交通体系构建理论,分析了该体系在杭州实施的现状与成功经验,同时指出现存问题与不足,并针对未来发展方向提出建议.     

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.     

旋转角对道路交通逆反射材料测试的影响研究

通过对逆反射相关术语定义和测试系统的分析研究和不同旋转角下反光膜光度性能的测试计算,认为旋转角是逆反射测试技术中的重要术语,对逆反射材料测试的影响十分显著.在逆反射材料测试中引入旋转角,将规范和完善逆反射测试方法,消除因材料方向性而造成的光度性能测量误差,指导对反光膜等逆反射材料的质量评价和正确使用.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.