综合交通系统“多网合一”交通分析模型与算法

为解决综合交通体系中不同交通方式各自为政、条块分割的问题,研究了综合交通体系融合发展中缺乏一体化交通分析技术的瓶颈,提出了以交通枢纽为关键,覆盖铁路、公路、水运、航空、管道以及城市道路的“多网合一”的物理网络与虚拟网络拓扑结构模型; 构建了服务各交通运输方式、结果量化可比的交通阻抗函数模型与优势运输距离模型; 研发了异质交通网络环境下的一体化交通分配模型与算法,提出了综合交通系统客运组合出行与货运多式联运的交通量分析方法,形成了服务于综合交通系统一体化融合发展的交通分析模型与技术体系; 通过完全自主的“交运之星——TranStar”综合交通版交通仿真分析软件,搭建了综合交通系统虚拟仿真平台,实现了对大规模综合交通网络规划建设与运行管理的快速响应,并验证了分析模型与算法的可行性。研究结果表明：相比传统分析方法,提出的交通分析模型与算法可满足“多网合一”条件下综合交通系统的各类分析需求; 利用提出的交通分析模型与算法对综合交通网络的交通流量进行分析,相对误差不超过3%,平均误差不超过2%,分析结果精度高,满足工程实践要求。     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

平行流交叉口行人过街控制策略研究

为解决平行流交叉口行人与机动车冲突问题,考虑行人与机动车在冲突点为寻找间隙穿越的交替穿插的抢行博弈过程,重新设计行人过街信号相位方案,提出人车搭接相位行人过街模式;考虑行人专用相位过街模式,给出两种行人过街模式的信号控制策略;构建优化模型,并对模型等价变换,降低计算复杂度.结果显示：常规交叉口处于高饱和状态时,两种行人过街模式下平行流交叉口分别降低了73.8%、50.3%的车均延误,故人车搭接相位过街模式效益更优;人车搭接相位过街模式与不考虑行人过街模式相比,交叉口车均延误仅增加 0.6~3.8 s⋅ pcu-1 .研究成果可为平行流交叉口行人信号配时提供理论依据.     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著,本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据,调用开放地图接口地理编码解算事故地点经纬度,使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入,为解决这一局限,建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型,并与原始聚类模型进行对比.结果表明,优化算法在参数确定上更加智能,对簇的划分更加准确,对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分,证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

快速路入口匝道与衔接交叉口联动控制优化方法

针对快速路入口匝道排队过长造成的衔接交叉口拥堵问题,提出一种快速路入口匝道和 衔接交叉口的联动控制优化方法。分析快速路匝道排队溢出原因,提出基于交通状态估计的入 口匝道与衔接交叉口的系统控制策略。以系统总通行能力最大和交叉口车均延误最小为目标, 分别从交叉口配时、匝道调节及系统排队长度这3个方面构建系统约束方程,建立快速路入口匝 道与衔接交叉口联动控制优化模型。以长春市典型快速路和交叉口为例,选择高峰、平峰、低峰 这3种交通环境,运用联动控制优化模型进行仿真实验,并与经典优化方法进行对比分析,结果表 明：不同交通状况下,联动控制优化方法均能有效改善快速路运行情况,缓解入口匝道排队溢出 现象,同时提高衔接交叉口通行效率;特别是在饱和交通状态下,联动控制优化方法表现优异,系 统整体车均延误和排队长度分别降低了5.67%和19.25%。     

基于乘客感知的多模式公交服务质量差异性研究

针对多模式公交服务质量的差异性，提出一种以TAN贝叶斯网络与支持向量机(SVM)为 基础的多方法组合评价模型，评价各模式公交服务质量，并预测检验了指标优化效应。首先，采 集2015—2018年市区线路、郊区线路、快速公交、定制公交的服务质量调查数据，基于公交方式截 面，使用TAN贝叶斯网络推理得出各因素对乘客满意度的影响能力及潜在影响关系；其次，结合 IPA分析方法，基于时间截面定位分析各模式公交选取指标的服务水平，辨识各模式公交需优化 的主要指标；最后，选取多层感知器(MLP)、长短时记忆神经网络(LSTM)与SVM进行对比，验证 了SVM回归预测的精准度，并采用SVM与OAT方法预测得到各模式公交满意度变化及指标敏 感性，参照因素间潜在的影响关系提出优化方案。结果表明：4种公交模式的服务质量影响关系 网络具有差异性，各模式公交均存在车厢拥挤问题，市区线路的指标优化效果最佳，正效应为 36.4%；市区和郊区线路均应与其他模式公交匹配发车计划，通过缩短乘客候车时长可分别提升 39%、32.2%的乘客满意度；快速公交需提升车辆行驶的稳定性，定制公交需要调整线路规划，减 少乘客乘车总时长，优化为整体服务质量提升带来的正效应分别为42.7%和37.4%。     

交叉口动态车道与交通信号协同优化方法

以往动态车道研究倾向于在固定信号配时或预先设定的信号配时方案下进行优化,无法充分利用交叉口的时空资源.本文根据实时交通需求,以交叉口车辆平均延误最小为目标,以信号周期、相位绿灯时间和车道数为约束条件,构建动态车道与交通信号协同优化模型.模型分两部分,第1部分考虑进出口道车道平衡,计算可行的动态车道备选方案,将备选方案的输出参数作为第2部分模型的输入参数;第2部分根据实时交通需求,生成动态车道优化方案和信号优化方案.将本文优化方法与传统信号配时方法进行比较,实验结果表明,本文模型能更好地降低交叉口平均延误,有效提升信号交叉口时空资源利用率.     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型,模拟驾驶人感知过程,获得期望的车间距;预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹,即决策过程;优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作,即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析,结果表明,本文模型预测车间距平均误差仅为1.47%,证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

轨迹数据驱动的单点信号交叉口运行效率评价方法

为解决信号交叉口运行效率评价方法偏理论化、实用性不强等问题,以出租车、公交车、驾图(车联网)多源GPS轨迹数据为基础,充分利用车辆减速、停车、加速等连续速度变化特征及位置信息,提出交叉口个体车辆排队长度、通行时间、停车次数等交通参数提取技术.基于此,构建以信号交叉口运行指数为一级指标,车辆平均通行时间,第95％分位排队...