排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
Paramics与外部程序间数据通讯机制的研究与实现 总被引:1,自引:0,他引:1
介绍了微观交通仿真软件Paramics的插件技术及其API、基于Windows的进程间通讯及消息传递技术。在此基础上,建立了Paramics与外部程序间数据通讯机制,详细描述了该通讯机制的逻辑结构和实现算法流程。应用此通讯机制,编写了一个外部应用程序,对一个由信号灯控制的十字路口的4个方向、8个出人口的车流数量进行仿真时间间隔的采集,并进行动态OD矩阵的估算。程序演示表明:运行效果良好,该通讯机制达到了设计目的。 相似文献
2.
基于约束卡尔曼滤波的短时交通流量组合预测模型 总被引:3,自引:0,他引:3
为了克服单一的交通流预测模型性能不稳定的问题, 提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量, 交通流量为观测变量, 预测结果是单一预测模型的加权和, 加权系数由约束卡尔曼滤波方程递推动态确定, 最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明, 在不同预测步长情况下, 约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平, 并且不受某一较差的预测模型影响, 具有较高的鲁棒性。 相似文献
3.
车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果. 相似文献
4.
5.
基于移动通信的交通信息采集是智能交通系统中新兴的应用技术之一,将车载 手机定位到电子地图上是其应用的基础,而地图匹配技术则是解决车载手机定位的关键. 本文通过对车载手机行驶在不同的路网时所产生的基站切换数据信息,分析得到车载手 机实际运行时基站切换的基本规律;并结合电子地图的数据结构特点,对使用基站切换 数据进行地图匹配时需解决的难点问题展开研究;在使用基站切换对代替道路稳定切换 序列的方法的基础上,提出了结合切换对和基站源址的混合地图匹配算法.此算法可以缩 小待选路段集,有效处理交叉口和平行路段等复杂情况,提高匹配准确率.最后,选取广州 大学城为实地测试区域,验证了此算法的可行性. 相似文献
6.
7.
针对传统电子地图在生成时只包含路网拓扑关系,不具备路口转向规则的自动生成及更新能力,提出了利用大规模浮动车数据自动生成交叉口转向规则的算法.该方法建立转向规则数学表达和存储模型,并依托大规模浮动车数据分析和处理,引入置信点概念,提出基于首尾置信点控制的转向规则自动提取算法;以广州市为例,选取1d的浮动车GPS数据,对提出的算法进行效用评价,实验结果表明提出的算法准确率达90.4%,可准确实现多数交叉口转向规则的自动提取. 相似文献
8.
排队长度作为评价信号交叉口运行效率的一个重要指标,能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器,且模型假设过于理想化,本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法,方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔,主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系,在浮动车比率较高的许多主干路交叉口,精度可以达到理想效果,30 m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值. 相似文献
9.
考虑动态红灯排队消散时间的改进MAXBAND模型 总被引:2,自引:0,他引:2
通过分析上游交叉口的驶出车流图式的变化规律,得到下游交叉口红灯排队消散时间与相邻交叉口相位差之间的函数关系,推导出动态红灯排队消散时间模型.并将动态红灯排队消散时间模型与传统MAXBAND模型相合,考虑绿波带控制中红灯排队消散时间随相位差的动态变化,建立了改进的MAXBAND模型.将改进的MAXBAND模型进行变量代换,使其仍然可用传统的混合整数线性规划方法快速地求解.示例路网的计算结果与仿真分析表明,由于考虑了红灯排队消散时间的动态变化,改进的MAXBAND模型较原模型具有更好的控制效果,处于绿波带中的车队不会因下游红灯排队车辆未消散完毕而产生停滞,实际有效绿波带宽增加31.6%,主干方向车辆平均延误减少12.6%. 相似文献
10.
车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果. 相似文献