交通流信息挖掘的非参数概率变点模型研究

交通流状态辨识是智能运输系统(ITS),尤其是其先进的交通管理系统(ATMS)和先进的出行者信息系统(ATIS)研究的一个重要内容.以往算法主要集中在交通流预辨识(即交通流预测)和交通流实时辨识(即事件检测或交通流突变检测)的研究上,而忽略对交通流关键参数量变模式的辨认.依据交通流理论,结合非参数变点统计方法,以在淄博市人民路上采获的拥挤车流数据的研究为例,建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点(时间)位置的搜索算法作了研究.结合实地数据对本方法进行了标定和检验,验证了本方法的有效性和可行性.     

杭州城市诱导体系建设理论探索与实践

杭州城市诱导体系是以各类智能交通信息采集设备为基础,以数据处理、融合等相关理论及数学模型为支撑,并充分结合具有地方特色的杭州城市交通实践经验,开发出的城市智能交通诱导软硬件系统。以建成的杭州城市诱导体系为例,对其框架体系、交通流预测与检测纠错等若干关键技术进行阐释,可以引发对该诱导体系功能的进一步提高和完善。     

智能网联卡车车队混合流通行能力分析方法

智能网联卡车车队有望成为网联自动驾驶率先应用的场景之一,本文针对智能网联卡车车队混合交通流通行能力开展研究。首先,以智能网联卡车车队、人工驾驶卡车及人工驾驶小汽车构成的随机混合交通流为研究对象,考虑智能网联卡车车队规模空间分布特征,分析混合交通流中10种跟驰行为类型,理论推导其概率表达式,进而构建智能网联卡车车队混合交通流通行能力的通用性分析方法。然后,考虑实际交通流运行中卡车分布的随机性,将智能网联卡车车队混合交通流分为优势流、随机流和劣势流3种态势,以此提升混合交通流通行能力分析方法的普适性。最后,选择实测数据标定的跟驰模型进行案例分析,验证理论分析方法的有效性。研究结果表明：智能网联卡车比例提高或其车队规模增大均有利于3种态势混合交通流中车辆转换系数及相对熵的减小,从而可有效提升混合交通流通行能力。不同智能网联卡车比例条件下,智能网联卡车车队随机分布最优车队规模为2~4辆,同时,优势流、随机流和劣势流3种混合交通流通行能力依次递减。研究结果揭示了智能网联卡车车队混合交通流通行能力提升的内在机理,为未来智能网联卡车车队的运营管理提供方法支撑。     

智能网联混合交通流稳定性解析方法综述

交通流稳定性分析是研究交通拥堵形成机理、车队队列控制的基础,面向智能网联环境下的混合交通流队列线性稳定性分析已成为近年来的研究热点. 根据受到的扰动大小和范围,介绍了线性稳定性、非线性稳定性、局部稳定性和队列稳定性的相关概念,并指出了交通流队列稳定性的基本判别准则. 基于控制理论,回顾了交通流车队队列线性稳定性条件的经典解析方法,其中,特征方程法评估了交通流内部扰动的增长速度,传递函数法依托于拉普拉斯变换构建了扰动的传递关系. 从经典跟驰模型、考虑时延的跟驰模型和考虑多前车驾驶信息反馈的跟驰模型出发,系统分析并总结了国内外学者对于混合交通流稳定性问题的研究现状,同时回顾了交通流稳定性理论研究在车队队列控制等方面的实验和工程应用. 最后,展望了混合交通流稳定性分析领域的研究前景,指出了在后车跟驰行为、智能网联汽车的交互协同、复杂混合交通流等几个方面是今后需要重点研究的领域.      

短时交通流预测中的特征选择算法研究

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于 ReliefF和 Delta Test的特征选择算法来对特征向量进行选择.首先使用 ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以 Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream,MTS)下智能网联车(Intelligent Connected Vehicle,ICV)实现鸣笛意图(Horn’s Intention,HI)识别,更好地遵循常规车辆(Manual Vehicle, MV)的驾驶意图,提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR),采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声;采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV;再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明,HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%,定位角度估计误差小于5°,HI 识别率达 82.5%,为ICV在MTS中的智能驾驶决策提供依据.     

基于路段检测器布局的短期交通流预测模型

通过分析路段上各点以及交叉口之间交通流的内在联系,利用连续性和相关性原理,建立基于检测器布局的短期交通流预测模型.探讨了检测器布局的一般方法,阐述了布局位置对交通流预测结果的影响.根据路段上游、下游2点的检测器数据可建双点预测模型,能用于隧道、桥梁等特殊路段的短期交通流预测.根据路网上多个检测点的数据,可建立多点预测模型,各检测点的权重用F-AHP法确定,模型系数矩阵用最小二乘法标定.以重庆市某路段的交通量预测为例,分别用双点预测法和多点预测法进行了预测,并对预测效果进行了分析和比较.     

基于冲突技术法的主路优先交叉口通行能力研究

在分析主路优先交叉口交通特性的基础上,确定交通流优先等级,引入冲突技术法构建通行能力模型.以442型交叉口为例,给出不同车道布局形式下的通行能力计算模型.通过实例分析,给出了模型中各参数的建议值,并验证了模型的有效性.     

城市交通路段机、非混合运行速度特性分析

近年来,交通问题受到了国内外专家们的重视,提出了各种各样的交通流模型,其中元胞自动机(cellular auotmation,CA)交通流模型的研究受到了广泛的关注.但是通常在元胞自动机模型中并没有考虑非机动车,然而机、非混合路段在我国大量存在.文中提出的机非混合元胞自动机模型模拟了3种车辆(长车、短车、非机动车)在混合路段上的运行,分别对3种车辆在不同密度、混合比例的情况下进行了计算机模拟,最后对运行的数值结果进行分析.该模型能够更加合理的描述机、非混合道路上车辆运行的状况,并且更加符合我国交通流中大量非机动车存在的特点.