多用户多准则城市交通网络非稳定均衡分析

为了反映现实中交通出行者实施出行与否的决策过程,通过对实际城市交通网络状态的分析,引入了非稳定均衡网络状态的概念。同时通过对出行者出行选择行为的深入分析,引入了多用户多准则非稳定均衡网络状态的非线性互补问题模型和变分不等式模型,并利用超级网络的概念证明了两者的等价性。新模型能够将出行者的路径选择决策、目的地选择决策、出行方式选择决策以及出行与否决策合理的整合在一起,从而可完整的反映城市交通流的形成模式。给出了求解多用户非稳定均衡态的变分不等式模型的修正投影算法,并通过一个数值例子验证了算法的有效性。结论部分给出了多个可进一步深入研究的方向。     

基于SARIMA模型的城市道路短期交通流预测研究

以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均（SARIMA）模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即预测误差绝对值均值和预测误差百分比绝对值均值,来对模型预测表现进行衡量与比较。研究结果显示,虽然只考虑城市道路短期交通流数据中周周期性的SARIMA模型预测能力比只考虑日周期性特征的SARIMA模型好,但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的SARIMA模型表现差。     

关于交通噪声与交通流状态关系的研究

结合交通流理论、概率统计理论和噪声传播理论,分析了交通噪声的传播规律,给出了通过噪声测量检测高速公路交通流状态的实验方法和参数设置原则,并通过实验具体分析了交通噪声与交通流之间的相关关系。     

无信号十字交叉口交通流冲突模型研究

无信号十字交叉口的交通流冲突,不仅体现在机动车与机动车之间,行人和机动车之间的冲突也很明显。建立了一个能体现机动车流之间,以及和行人流之间的冲突特性的模型,并运用较排队论和概率论更准确、形象的图形法对模型进行分析计算。     

区域路网交通信息提取方法

为提取区域路网交通信息,基于物元分析理论提出了道路交通状态的判别方法．将交通状态的判别结果作为决策属性,综合考虑道路等级、时间及交通参数,构造区域路网的交通流特征信息表．用粗糙集方法提取交通流特征．用区域路网交通流特征提取示例验证了提出的方法的有效性．该方法可实际应用于在线交通状态判别和历史数据库的交通信息提取．     

浮动车数据在城市宏观交通特性研究中的应用

回顾和总结了国内外浮动车数据在交通信息服务和路网评价方面的研究及应用现状,提出浮动车数据的三阶段应用.重点阐述了面向城市宏观交通运行规律分析的第三阶段应用,提出基于历史交通流状态数据的数据分析流程.并以北京市浮动车系统采集的数据分析结果为例,分析了北京市路网运行速度的时空分布特性以及不同等级道路的里程利用情况.     

基于交通流预测的城市干道相交路口信号控制

提出了一种基于交通流预测的主干道相交路口优化控制方法,将交通流预测与交通信号控制相结合,用于解决交通流量较大的城市主干道相交路口的信号控制问题.建立神经网络预测模型,用变异粒子群优化算法优化网络结构以提高预测精度和速度,将预测的下2个相位队长作为模糊控制的输入以确定下一绿相位时间,在后一绿相位持续时间内放行该相位经预测但尚未全部排队的车辆.仿真实验表明该方法能有效地减小平均车辆延误时间,达到了保持干道交通通畅的目的.     

基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比（或相位时长）以及相位差的确定思路。仿真试验结果表明：以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。     

混合车流交通流特性分析

混合车流基本交通流特性描述是混合车流理论研究的基础。分析了未来我国高等级公路车型结构、界定混合车流研究的合理范围;提出描述混合车流运动自由度的随机度和相互影响的粘度两个基本概念;通过理论计算和实地测定得到混合车流的速度模型和堵塞密度。     

信号灯控制下的交通流模型

首先引入交通流基本函数,推导出流量、密度、速度３者之间的关系,在此基础上对交通流连续运动建立方程,并引入特征线,从几何意义上分析求解结果。发现对于沿车流方向前面车流密度小,后面密度大的情形完全适合,但对于相反情形却不适用,从而引出了间断交通流方程。最后利用这两方程讨论了红绿灯相继出现时交通流的变化全过程。