快速公交信号优先对交通流影响仿真

采用开放边界条件,以元胞自动机模型构建快速公交信号优先仿真评估模型,模拟快速公交信号优先时间(最大绿灯延长时间和最大红灯早断时间)、快速公交信号优先检测器位置以及快速公交产生概率等参数,对含有快速公交专用道十字信号交叉路口交通流的影响.结果表明,通过合理调节快速公交信号优先的最大绿灯延长时间和最大红灯早断时间,可减少交叉口快速公交延误,提高运行效率,降低快速公交信号优先设置对社会车流的影响.     

短时交通流智能混合预测技术

为了克服现有单项预测技术对不同交通流状况的局限性,提出一种新的短时交通流智能混合预测模型.该智能混合预测模型包括3个子模型:历史平均模型、人工神经网络模型和模糊综合模型.历史平均模型以历史数据为基础,利用一次指数平滑法良好的静态稳定特性,对交通流量进行预测.人工神经网络模型采用常见的由S函数神经元组成的1.5层前馈神经网络,由于人工神经网络具有强大的动态非线性映射能力,该模型对动态交通流量的预测具有较高的精度和满意度.根据上述2个单项模型的特点,为了充分利用它们对不同交通状况的适应性,进一步提高整体预测效果,采用模糊逻辑来综合这2个单项模型的输出,并把模糊综合模型的输出作为整个智能混合模型的最终交通流量预测值.实际应用结果表明,该混合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了2种模型各自的优势,是短时交通流预测的一种有效方法.     

城市路网交通流的数学模型及仿真

提出了一种基于改进的蜂群智能算法的路径选择分配方法。首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度。仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,为提高交通路网的效率及实用性和有效性提供了依据。     

公交导向的历史城区干路网平均间距优化

为提高历史城区公交服务水平、落实公交优先,以公交站点覆盖率指标要求为目标,提出了历史城区干路网平均间距建议值.在界定历史城区干路网平均间距基础上,分析了居民公交出行过程和公交平均步行距离,结合公交优先发展要求,提出以公交站点150m和300m覆盖率分别为70%和90%作为公交线路配置的基本要求,计算得到满足要求的干路网平均间距值,并结合实际操作性,提出以300m作为历史城区干路网平均间距建议值.该建议值既能真实反映历史城区道路网布局特征,又能提高公交可达性.     

公交专用道设置前后路段交通流模型的比较

通过对实际调查数据的分析，分别建立了路段上无公交专用道及设置不同形式的公交专用道条件下公交车与社会车辆的速度模型，并对比分析了车辆的运行状态和车速变化特征，为确定公交专用道的设置条件以及公交专用道的效益评价等提供技术支持和量化的参考依据．     

基于上游出口检测的公交优先信号控制

针对城市中心区部分主干道受道路条件和交通条件限制不能开辟公交专用道的情况,为了能在这些干道上开展公交优先信号控制,提出在上游交叉口的出口设置交通流检测器,基于实时检测数据对公交车等大型车辆通过下游交叉口停车线的时间区间进行估计,合并所有公交车辆通过下游交叉口停车线的时间区间,形成若干公交车队在交叉口停车线的运行图式,用该图式同交叉口主干道方向信号运行图式比较,决定该方向信号相位的绿灯时间延长或红灯提前结束,以实现有条件公交优先信号控制。交通仿真表明:该方法除使交叉道路上的车辆延误有所增加外,车均延误有所降低,且公交车延误下降幅度较大。     

公交优先信号控制技术综述

城市公共交通优先通行是公交优先发展的一个重要措施,基于混合动态Agent组的公交优先信号控制,对缓解城市的交通压力和保证城市未来的可持续发展都具有重大意义。在回顾了国内外公交优先研究现状的基础上,指出了目前我国公交优先通行技术研究中的主要问题和不足,并探讨了公交优先技术研究的发展方向。     

快速路网常发性拥挤的宏观交通流仿真

针对网络级快速路系统,以一个包含两个起点和两个终点的快速路网为考察对象,运用经典的快速路网宏观交通流模型METANET,对交通流进行建模与仿真,模拟了高峰时段交通需求条件下的快速路网常发性拥挤。通过仿真案例,细致地刻画了常发性拥挤在路网中形成、传播、消散的动态过程,描述了路网中交通状态的变化,分析了路网拥堵和运行效率降低的原因。仿真案例表明,网络交通流的状态演化是复杂的动态过程,路网中局部拥挤往往会演变成整个路网的拥堵,增加行车延误,降低路网总体运行效率;对交通流进行适当调节以缓解拥挤和提高路网时空利用效率,非常必要。     

单向交通条件下的公交优先适应性分析

单向交通是一项提高道路运行效率、缓解城市交通拥挤的交通管理措施,正越来越受到各大城市的重视.公交优先已成为发展我国城市交通的一项基本原则,单向交通的实行势必影响公交的运营,通过对理论和实践的分析,初步探讨了单向交通对公共交通的影响及单向交通条件下的公交优先适应性,为公交规划和设置单向公交系统提供理论基础和决策依据.     

交叉口公交优先技术的适应性分析——以重庆市某交叉口为例

从空间和时间2个方面论述了几种常用的公交优先方案,借助于微观仿真软件,以重庆市某交叉口的公交优先方案实施为例,通过对现状的公交流量进行现场的调查统计与分析,对交叉口现状的信号配时进行了改善,提出了改善后的配时方案.使用vissim等仿真软件研究了配时改善后的车辆运行情况,并分析了公交专用道、预信号公交控制等方案,以车均延误和人均延误2个指标为定量对比依据,实验数据表明：与现在的车均延误和人均延误相比,使用公交专用道可以使车均延误减小58.15%,人均延误减小59.95%,而使用改善后的信号配时和公交专用道的效果相差不大,该方案可以使车均延误减小55.85%,人均延误减小56.92%,而预信号则使车均延误减小39.14%,人均延误减小41.03%.结合该交叉口的交通情况,说明在饱和度较低的情况下,公交优先方案实施的效果并不显著.     

Macro modeling and analysis of traffic flow with road width

The macro modeling and the solution of traffic flow with road width were investigated. Firstly, a new macro model with the consideration of road width was proposed. Secondly, the effects of road width on uniform flow and small perturbation were studied. The analytical and numerical results show that widening (shrinking) road can enhance (reduce) the equilibrium speed and flow, and the increments (decrements) will increase with the absolute value of road width gradient. In addition, the numerical results illustrate that the new model can describe the effects of road width on the evolutions of uniform flow and small perturbation.     

交通控制子区动态划分模型

传统的交通控制子区静态划分方法无法适应城市路网交通流的快速变化。针对该问题,研究了交叉口车队散布模型,提出了可协调度的概念以定量描述相邻交叉口间实施协调控制的必要性;在此基础之上,建立了基于超图表示的城市路网模型,并设计了相应的超图划分算法,通过对超图的分割来实现交通控制子区的动态划分。基于北京市二环内实际路网的实例验证表明,该模型在高峰时段和平峰时段下,均能给出高质量的控制子区划分结果。     

交通流诱导与控制协同的双目标优化模型及准最优求解算法

提出了一种基于消散拥堵和系统总出行时间最小的双目标诱导控制协同优化模型,算法引入饱和度的概念,采用小步距微量调整信号配时、试算优化的方法,适当加载或卸载交通量,优化交叉口信号配时,使交通流在不断反馈与不断调整过程中达到最优。采用VISSIM建立模拟路网进行了协同算法试验,并对协同实施效果进行了评价,结果表明:在进行3次协同后拥堵基本消散,经过第4、5次协同能实现系统总行程时间尽可能小。     

路网交通流二层规划模型及其极大熵解

分析交通网络系统的特点,研究混合交通OD结构的关联性,在定量分析路网交通流受交通容量、交通安全及交通服务能力等条件限制的基础上,研究路网利用效益最大化及路网交通流量最大化问题,构建一种路网交通流的二层平衡规划模型。利用先验分布理论和极大熵原理,给出模型的极大熵函数解,进一步证明解的存在与唯一性。模型一方面描述了管理部门对路网交通的优化配置,一方面描述了出行者充分利用路网资源的最优选择。最后通过一个实例,分析模型计算的相关结论。     

路网交通状态平衡控制方法

为了降低路网的拥挤度,提出了路网交通状态平衡控制方法。以交叉口最大饱和度代表交叉口交通状态,以路网最大饱和度最小为目标建立了路网交通状态平衡控制双层规划模型。利用遗传算法求解该规划模型,优化算法可以同时优化信号周期和各相位绿信比。考虑到整体延误、交通状态以及各个交叉口的重要度,对平衡控制方法进行了改进。数值模拟结果表明,本文方法可以在一定程度上降低关键区域的拥挤度。     

短时车流量组合预测模型

随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.     

城市道路交通系统多信息平台的融合技术分析

分析了我国城市道路交通信息系统的发展现状及发展目标,研究了城市道路交通信息系统中多信息平台融合的3种模式,并对多信息平台互联中的关键技术进行了探讨.指出两级网络结构的多信息平台组网方式较适合我国目前的城市道路交通信息系统发展现状.     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.