重型货运车辆出行时空差异性和影响因素分析

重型货运车辆能促进城市经济生产和物流效率,但也因显著的排放、噪声和拥堵等外部属性对城市空间品质有明显影响,对其活动时空特征和影响因素分析是当前城市空间品质提升和交通管理精细化的迫切需求。基于深圳注册的12 t以上重型货车GPS轨迹数据,考虑不同类型货运车辆作业差异,提出利用统计抽样中最小样本量的观察结果确定不同类型重型货车轨迹数据出行切割阈值水平的方法;针对5类重型货车,分析出车强度和出行时段的差异性,与小客车进行对比分析发现,重型货车出行活动与小客车出行在时间上存在错峰特征,且夜间出行比例较高;重型货车的活动空间具有组内差异性,集装箱卡车具有显著的跨城市活动需求,更多承担中长距离运输功能,而土方车和重型罐式车更多承担本地化运输服务功能;重型货车的活动空间具有集聚特征,出行活动的节点强度具有无标度幂律分布特征;利用广义加性模型分析两类典型货车活动空间的影响因素,集装箱卡车活动与港口及交通仓储园区等物流设施呈现非线性关系,而普通大货车与工业园区等产业用地具有紧密关系。本文可以为重型货车交通精细化管理和交通需求模型建设提供新的思路和方法。     

多优先级多车种动态应急交通网络反流策略研究

危化品爆炸泄漏和火灾爆炸等局部突发事件下,疏散车辆与救援车辆在路网上通行的优先级具有差异性。为研究多优先级多车种动态应急交通网络协调优化问题,本文根据多车种的优先级差异性,松弛路段传输模型,模拟疏散和救援交通在路网上的动态加载过程,引入交叉口冲突转向消除与道路反流约束;考虑到优先通行车辆的反流策略会占用低优先级车辆的道路通行能力,设置救援交通的逆行路段数限制。设计分阶段优化方法求解多优先级多车种动态应急交通网络协调优化的多目标混合整数线性规划模型(MPCDETN-MMILP)。最后,以 NguyenDupuis路网为例,分析优先通行车辆使用的逆行路段数对疏散和救援交通的影响。算例结果表明：救援交通逆行路段数和对救援车辆迅速到达受灾区域的提升存在上限,且这种提升趋势是逐渐变缓的,而对疏散车辆迅速到达安全区域的抑制呈现波动式的增加趋势;救援交通逆行路段数对救援优先的疏散和救援交通运行优化效果有较大协调作用;连接受灾区域和外部救援场站,且可构成最短径路的路段更会被选择为救援交通逆行路段。     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

基于元胞自动机的高速公路瓶颈交通演化仿真

为分析高速公路中道路瓶颈造成的堵塞现象,本文改进KKW (Kerner-Klenov-Wolf) 模型, 建立跟驰规则;综合考虑车间距和车速对车辆换道的影响,建立自由换道和强制性换道规则;并对高速公路中不同车流量条件下,道路瓶颈上游的堵塞区域分布、换道行为特征和车道上交通参数的变化情况进行仿真研究。结果表明：在给定的交通量条件下,汇流车道的拥堵区域长度处于动态平衡状态,不会随时间而变化,且道路瓶颈前的汇流行为会导致目标车道上严重的速度下降,汇流车道和目标车道上车辆速度变化趋同;从换道集群特征来看,道路瓶颈前因高交通流量形成的低速汇流车辆倾向于以小集团的方式统一进行换道,造成目标车道上剧烈的交通震荡;瓶颈消失后,交通恢复时间随进口交通流量的上升而线性增长。     

无信控路段人行横道处行人过街建模与仿真

为精细化描述无信控路段人行横道处行人过街决策及微观运动行为,本文在行人过街行为分析的基础上,基于战术层-操作层构建行人过街双层模型。其中,在战术层面,针对行人分步决策特性,利用二元Logistic回归模型构建路侧和路中行人过街决策模型;在操作层面,针对传统社会力模型在描述行人过街时表现出的局限性,引入行人主动避让力和人行横道对行人的作用力,构建行人过街微观运动模型。最后,通过AnyLogic仿真平台实现行人过街双层模型仿真,并根据实际数据和仿真结果分析模型有效性。结果表明：相较于路侧决策模型,行人性别、停车视距内的车辆数和行人距潜在冲突点的距离这3个因素对行人路中决策结果影响更显著,引入行人主动避让力和人行横道对行人作用力的改进社会力模型,能更好地反映无信控路段行人过街时的行为特征。无信控路段人行横道处行人过街行为仿真模型的有效建立,能为后续行人过街安全改善方案提供决策支持。     

网联环境下混合交通流偶发拥堵演化机理研究

针对混合交通流中智能网联车辆(Connected and Autonomous Vehicles, CAVs)和人工驾驶车辆的交织干涉问题,本文在传统交通流统计理论模型和一阶连续介质模型的基础上,通过引入智能驾驶员跟驰模型(Intelligent driver model, IDM)和协同自适应巡航控制模型(Cooperative Adaptive Cruise Control, CACC),构建人工驾驶车辆和CAVs的混合交通流偶发拥堵演化模型,探索CAVs混入和诱导干涉措施对混合交通流偶发性拥堵传播规律的影响。实验选取重庆市华陶立交至巴南立交路段为路网原型,对CAVs不同渗透率( Pc )下的路段拥堵演化情况进行仿真。实验结果表明：CAVs渗透率越高,混合流流量、占有率和速度的改善情况越显著,但只有当 Pc ≥ 0.2 时,网联车辆对拥堵消散的改善效果才较为明显;Pc ≤ 0.8 时,干涉措施下,拥堵消散状态的持续时间约为不采用干涉措施的 50%;当 Pc = 1.0 时,网联车辆的通行能力是纯人工驾驶交通流的2.34倍;分别在非干涉措施和干涉措施下计算拥堵评价指标,与仿真结果进行对比,最大相对误差在5.38%之内,验证了模型的准确性。研究成果对疏散交通拥堵具有重要意义。     

行人过街风格多参数融合识别

行人作为城市慢行交通系统中的弱势群体,探究其过街行为特征,对减少人车冲突,提升行人过街的本质安全具有重要的现实意义。本文针对特定交叉口,设计自由过街及心理临界过街两种场景状态下的行人过街试验。分析过街速度、心理临界时窗及视觉特性等参数之间的耦合关系,选取风险感知因子与临界安全系数作为心理临界过街状态下行人风格的表征指标,构建过街风格识别模型,透析不同风格行人过街行为可靠性。结果表明：年龄对过街速度和心理临界时窗有显著影响;心理临界时窗与过街速度和信号灯区域注视概率呈负相关关系,与车行区域注视概率呈正相关;心理临界过街状态下,依据风格识别结果,男性谨慎程度高于女性,冒险型行人过街失败率为65.22%;冒险型老年人对自身运动机能的评估能力以及视觉搜索特征存在重要缺憾。研究结果可为交叉口基础设施设计与优化,行人过街教育与培训等提供参考。     

考虑行驶时间不确定性的合乘路径鲁棒优化方法

为应对实际合乘过程中时间不确定性带来的负面影响,本文研究不确定行驶时间下的合乘问题。采用预算不确定集合描述时间变量,引入不确定性水平可调节的预算系数,构建以车辆总里程最短和车辆数最少为目标的合乘路径鲁棒优化模型。并设计两阶段算法求解,第1阶段以两乘客间的可行合乘路径为基础,从车辆总里程节省率和乘客时间窗匹配灵活性两方面设计公式量化合乘匹配机会,以匹配机会为权重构建乘客图网络并聚类乘客需求;第2阶段设计以顺序插入启发式方法构造初始解的禁忌搜索算法求解。案例数据实验结果表明：本文聚类方法能保证优化质量并提高85%以上的计算效率,同时能缩减乘客等车时间和绕行距离;增大预算系数时解的鲁棒性逐渐提高,但会增加10%~40%的车辆数并降低1%~10%的里程节省率;大规模乘客案例和窄时间窗案例的合乘路径对不确定时间的敏感性更高,宽时间窗案例无需增加过多额外车辆和总里程就能达到较高水平的路径鲁棒性。