双向双车道超车行为的智能车队间隙控制优化

建立了双向双车道环境下单车超越车队模型, 分析了影响双向双车道超车危险区域范围的主要因素; 设计了分步式单车超越车队算法, 研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系, 提出了车辆入队所需最小安全间隙的速度匹配方案; 建立了单车超越车队算法的目标函数, 设定最大允许超车时间内超车车辆与车队行驶距离最大, 超车车辆超越车队车辆数最多, 前、后车形成安全间隙过程中加速度、减速度最小; 提出了基于改进粒子群的分级约束多目标优化方法, 为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明: 双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系; 改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度, 平均收敛时间缩短39.2%;在分步式单车超越车队过程中, 车队车辆平均速度提升9.04%, 即在车队间隙生成过程中, 虽然部分车辆速度减小, 但车队整体平均速度得到提升; 超车车辆平均速度提升16.8%, 即在超车过程中, 不仅超车车辆的安全性得到保证, 其运行效率也得到提升。     

解析无线网络技术在智能交通系统中的应用

随着社会经济的快速发展,城市交通问题日益突出,智能交通系统是解决城市交通问题的主要措施之一。无线网络技术作为一种融合短程无线通讯技术被运用在智能交通系统中,能够有效的进行信息采集,对路口各方向的车辆进行监测,从而提高交通效率。主要阐述了ZigBee、蓝牙以及GPRS等无线网络技术在智能交通系统中的应用。     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于宏观基本图的路网多子区状态一致协同控制

针对基于宏观基本图(MFD)的路网多子区协同控制未考虑各子区拥堵状态差异性及均衡性的问题,本文提出以多子区状态可达一致为目标的子区边界状态反馈控制设计方法. 首先,基于路网 MFD模型建立路网多子区协同模型;进一步,基于部分变量稳定性理论,设计多子区状态可达一致的边界状态反馈控制律.在此基础上,考虑子区拥堵状态的差异性,设计了子区间的协同控制策略,快速缓解子区拥堵状态;同时,提出子区边界输入流的分配优化策略.最后,以潍坊市实际路网为背景建立仿真模型.实验结果表明,本文方法可实现子区交通流分布的均衡性,快速缓解子区拥堵状态,较大幅度地提升路网运行效率.     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。     

基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题,提出改进的行程时间估计模型,并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进,用路段节点的到达速度代替同一出发时刻下测得的速度,通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先,基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径;其次,分别用改进的行程时间估计模型估计K条最短路径的行程时间;最后,以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%;算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度,而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

面向中小型城市的公安、交通智能化指挥系统解决方案

未来若干年内,100万以内人口规模的中等以下城市仍将占据中国大陆城市的主体。如何在现有条件下充分利用现代高科技手段提高城市公安、交通日常业务管理效率成为中国中小型城市普通面临的课题,这也是中国城市智能交通系统（ITS）发展亟待解决的难题。本基于公安、交通智能化指挥系统提出面向中小型城市的现代化公安、交通管理解决方案。     

适应中国国情的城市智能化交通信号控制算法研究

智能交通系统（Inteligent Transportsation System,简称ITS）就是将数据通信、计算机网络、自适应控制、信息检测等现代高等科技技术,有效地应用于道路交通运输及其管理所建立的一种实时、准确、高效、大范围、全方位发挥作用的交通运输管理系统。它是充分发挥现行交通基础设施的潜力和路网特点,提高交通运输及其管理效率,保障交通安全、缓解交通拥护的有力措施。作为近期中国城市交通管理的重要手段。“智能化交通信号控制系统”是未来中国城市交通管理以及ITS应用技术的重要发展方向,本旨在针对我国现行城市路网的结构及交通流特点对其核心控制算－－“城市智能化交通信号控制算法”的研究展开讨论。     

智能交通系统在新加坡的应用与发展

新加坡国土狭小,却以其健全发达的交通路网和前瞻性的交通规划管理,为高密度的人流与车辆提供着优质的服务。其中,富有成效地开发和运用智能交通系统,是新加坡在城市交通发展规划和实践中引人注目的一环。本将着眼于智能交通系统在新加坡应用与发展的现状,着重介绍其智能交通系统构架中各项交通技术的相关概念及其功效。希望智能交通系统在新加坡的成功经验能为中国大陆现代化城市发展和交通建设提供有益的参考。