交叉口可变车道车道功能转换过程延误分析

基于主预信号协调控制的交叉口可变车道,在车道功能转换时,其转换过程的延误不可忽略。通过分析车道功能转换过程的车辆到达-驶离累计曲线图,得出不同情况下延误计算公式。并通过案例分析说明延误公式的选取及计算,最后讨论了不同因素对转换过程延误的影响。     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

考虑同伴群动态交流分组的行人仿真模型研究

朋友、家人等社会群体结伴出行的同伴群在行人流中常占有较高比例.由于交流需求,同伴群趋于肩并肩行走以横向成排或接近浅V型的形态前进.在现有研究中,基于社会力的同伴群行人微观仿真模型对这一现象的描述最符合实际.本文观测发现,随着人流密度的增加或同伴群成员数量增多,同伴群通常动态呈现前后分组、横向成排空间形态,这是每个同伴群成员为寻求一个合适的行走位置,对满足交流需求和降低前进阻力权衡决策后呈现的自组织现象.本文提出动态交流分组模型对同伴群成员个体决策机理进行刻画,在此基础上,通过仿真实验分析同伴群对行人流动力学特性产生的影响.仿真研究结果表明,模型较好重现了同伴群随密度和人数增加的动态分组现象;同伴群的存在会降低行人流速度,但其影响强度随人流密度的增加而减弱;同伴群动态交流分组模型的引入会提升仿真行人流的通行效率,使之更加接近真实行人流的运动特性.     

车路协同下考虑绿波协调的公交优先控制

在绿波协调控制交叉口群中,为分析公交优先控制对后续交叉口群的扰动,基于车流运行时间偏移分布,以概率期望描述了交叉口各相位绿时左端和右端时长变化引起的后续交叉口群在绿波带内、绿波带间的延误变化;采用组合优化的方法,以交叉口群在车速引导下的公交通行效益优化为上层模型,以交叉口群在公交优先控制下的延误优化为下层模型,对公交引导车速和信号控制参数进行协同优化.通过算例分析表明,公交优先控制模型有效提升了交叉口整体通行效益,最大化减小了对周边交叉口群的不利影响.     

信号控制下人行横道宽度优化模型

为了提高行人过街安全,本文分析了信号控制下行人过街的时空分布特性,研究行人过街空间区域最大宽度与时间和人行横道纵向位置映射关系;通过对行人流量和分担率两因素的分析,对行人过街空间区域特性进行数学描述,根据实测数据并利用轨迹提取技术获取行人时空数据,建立了满足过街时间约束下的人行横道宽度优化模型;最后利用长春市4处人行横道的行人过街时空信息,以群体过街时间为验证指标对模型进行了验证,结果显示,利用本文建立的人行横道宽度优化模型所确定的行人过街时间在3处地点分别减少5.60%、3.29%和2.58%.本文建立的基于时空安全的人行横道宽度优化方法可为人行横道宽度的设计提供理论参考和技术支持.     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

基于延误分析的交叉口信号配时优化研究

为了有效减少在饱和度很大甚至超饱和状态下的信号交叉口延误计算误差,更好地优化周期长度和有效绿灯时间,以总延误为目标函数,从饱和度出发,根据饱和度的计算结果,选取不同的延误计算模型。在饱和度较小时,采用Webster稳态模型;当饱和度增大到0.9以后,采用Akcelik瞬态延误模型。并通过实例计算,把优化结果和原有结果进行比较,说明根据饱和度来选取延误的计算模型能有效减少延误,提高交叉口通行能力。同时对信号周期和有效绿灯时间进行优化,避免了单项优化的弊端。     

车辆离散特性研究及仿真

针对目前有关分车道行驶的方案,对不同车辆行驶速度特征进行的研究,以及对不分车道行驶和分车道行驶两种情况下的车辆运行状况进行的有效仿真,可为当前公交优先通行提供较好的理论基础.     

恶劣天气红外热成像行人检测方法研究

为了提高智能汽车在恶劣天气对行人检测的速度和精度,本文提出一种基于YOLO V4的红外热成像行人检测方法.通过迁移学习对YOLO V4模型进行再训练,可快速而准确地实现恶劣道路环境的行人检测.