高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法：①路段平均车速算法；②交通流区段类型判定算法；③排队类型判定算法。考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况，使得模型所提供的信息更能反映路段的真实交通状况。采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性，并且采用“客观”标定临界车速作为基于现场数据判定车队状态的一种方法。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,设计了启发式算法来求解该模型,其中模拟退火算法确定需求拆分下的车辆配送路径,且在当前最优解判断时调用BLF算法检验物品的二维装箱约束,来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性,且所提出的算法的求解结果波动不大于0.8%,能在合理的时间范围内求解得到较好的配送方案,在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。     

纤维增强聚合物改性沥青混合料路用性能研究

为弥补单一外掺剂改性沥青混合料的不足,以聚酯纤维和热塑性树脂为主要原料,制备一种新型复合改性材料纤维增强聚合物(FRMP).通过车辙试验、浸水马歇尔试验、冻融劈裂试验、低温弯曲试验和弯曲疲劳试验研究不同掺量FRMP对沥青混合料路用性能的影响,并与聚酯纤维和SBS对比.结果表明:加入外掺剂提升了沥青混合料的路用性能,相比...     

钢-混工字组合梁横向分布系数计算方法研究

针对钢-混工字组合梁的横向分布系数计算方法问题,以4×30 m钢-混工字组合连续梁桥为算例,分别采用杠杆法、铰(刚)接板法、(修正)刚性横梁法进行计算,通过5种理论计算结果与ANSYS实体模型计算结果的比较分析,得出不同理论计算方法的误差,指出了适用于该类桥型的简化算法,且讨论了计算结果对不同横梁形式参数变化的敏感性....     

基于行程时间累积分布曲线的微观交通仿真模型参数标定

仿真模型参数标定是微观交通仿真技术科学应用的前提,以单个集计点作为校核目标制约了参数标定结果的可移植性.将校核对象拓展为多点组成的曲线,提出以行程时间累积分布曲线作为校核对象的模型参数标定思路,并结合动态时间规整算法(DTW算法)重新设计校核目标函数,提出基于Kolmogorov-Smirnov检验(K-S检验)、信息...     

基于节点承载力的高密度路网诱导路径选择方法

针对高密度路网诱导路径选择问题,基于图论对路网进行结构化选取,构建高密度路网模型.从节点评估的角度出发,提出综合考虑结构属性和交通运行状态属性的节点承载力指标.采用均质性、连通性2个指标评价路网节点结构属性,采用流量裕度、通行效率2个指标评价路网节点交通运行状态属性,提出一种基于TOPSIS算法(Technique f...     

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...     

一种基于深度学习的交通标志识别算法

在无人驾驶和驾驶辅助领域,交通标志识别是非常重要的.现实道路中,许多交通标志目标较小且存在相互遮挡的问题,导致标志很难被准确检测.为了解决这一问题,文章利用深度学习网络YOLO v3模型实现对交通标志进行检测.首先,利用数据增强用不同的方式模拟现实天气条件对清华-腾讯交通标志集进行数据集增强,得到更为真实、丰富的标志数...     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。