交通流中临界车间作用的研究

利用摄像采集交通数据的方法,在河北省境内不同公路结构几何断面获得了大量交通数据。运用这些实验数据对交通流中车间相互作用机制和分布规律进行了分析研究,建立了车间相互作用的微观模型,得出了具有我国混合交通特性的临界车间作用结果。     

城市道路路段拥挤交通流特性研究

通过现场调查,从定性和定量两个方面对城市道路路段拥挤交通流特性进行研究,以获得客观评价城市交通拥挤与明确交通拥挤实际状况。实际调查具有典型代表特征的路段,采用摄像观测法进行交通调查与数据采集,在分析造成拥挤成因的基础上,对调查数据进行处理,从地点车速、行程车速、交通量等指标进行分析,并与非拥挤状态交通流进行比较,发现拥挤状态下交通流特性具有显著的差异,而车型在拥挤交通流中也是一个重要的影响因素。     

城市干道交通流速度一流量关系模型研究

为研究适合我国城市干道交通流特点的速度与流量之间的关系,在建立Greenshields模型和Re-Greenshields模型的基础上,结合城市干道交通流为间断流的特点,采用分段建模法建立了G-LN模型。通过拟合判定系数R_(sq)对Greenshields模型和Re-Greenshields模型进行对比,并利用实测数据标准差S对Re-Greenshields模型和G-LN模型进行对比,结果表明:G-LN模型能更好地描述城市干道速度—流量关系。最后分析了模型参数,采用对分区间迭代法计算模型通行能力值。     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题。短时交通流预测是实时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位。通过对交通流数据进行分析,得出交通系统具有耗散系统特性,并且存在混沌。在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测。通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度。     

京秦高速公路动态监测数据的价值分析

为合理利用京秦高速公路的现有设施,有效预防和减少交通拥挤,保证应有的服务水平,很有必要采取相应的控制与管理措施,以保障高速公路运行在畅通和安全的状态。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。     

基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律,提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量,对输入的车辆到达数据序列进行切割构建时空相似度矩阵,得到相邻断面之间的时延参数. 基于时延特性建模,将多断面之间的流量信息进行融合,使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析,验证所提方法的有效性和实用性.     

多类型信息下的网络交通流演化模型

交通信息发布机构提供描述信息和规范信息给不同的出行者,描述信息接收者依据信息和经验更新路径行程时间认知,根据认知选择路径;规范信息接收者仅根据经验更新认知.规范信息遵从者选择推荐路径,非遵从者依据认知选择路径.两类信息遵从率都取决于信息准确度.依据非线性动力学理论分析了模型性质,研究表明,模型不动点存在但是不一定唯一,不动点状态与信息混合使用情况有关.数值试验结果表明,模型不动点与随机用户均衡点不同,以恰当比例混合使用两类信息可提高交通流稳定性.