港湾式公交停靠站设置条件研究

针对城市道路中公交进出直线式与港湾式停靠站对外侧车道通行能力产生影响的问题,运用排队论与间隙接受理论相关成果,分别建立了直线式、港湾式排队无溢出及港湾式排队有溢出3种情况下公交进出停靠站对外侧车道的影响时间模型;在此基础上以公交出站延误及站点服务强度作为约束条件,推导出外侧车道通行能力计算模型,并给出设置条件;对仿真模拟试验结果与模型计算结果进行对比,并对模型适用性进行了检验,给出了不同公交到达率下3种模式设置港湾式公交停靠站的通行能力范围值。结果表明:该模型具有较高的精度和可靠性,能够为城市道路设计提供必要的参考依据。     

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）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

关于公交停靠站影响区范围的研究

随着城市公共交通系统的发展,公交停靠站对道路交通流的影响已逐渐引起人们的注意。分析公交停靠站的影响首先应该对停靠站的影响区范围进行界定。在分析前人研究成果的基础上,基于交通波理论,按考虑超车与否,分析公交停靠站的影响区范围长度,得到不同交通流密度条件下公交停靠站影响区长度的计算公式。     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

非均衡网络交通流动态演化规律研究

为描述非均衡网络交通流实际成本-流量状态,考虑置存成本和路段行程时间,建立行程时间动态函数,将其引入用户均衡模型,构建基于出行总成本动态、路径流量动态、路段行程时间动态的交通流演化模型。利用简单网络,采用四阶龙格库塔方法对建立的模型进行数值模拟。动态模型弹性需求下,出行成本调整范围由大到小,趋于平衡值;路径流量迅速增加后,以较小调整范围,趋于平衡值;路段行程时间迅速增加后,逐步趋向于平衡值。固定需求下的出行成本、路径流量、路段行程时间均是反复调整多次后趋近于平衡值,调整范围缩小,次数增加。算例模拟结果表明,模型能够描述网络交通流从一种非均衡状态到另一种非均衡状态的动态调整过程。