行人交通微观动态元胞自动机仿真模型研究

在分析行人交通特性后,以元胞自动机（CA）和规则描述为理论基础,提出基于CA的行人仿真模型,以此建立相对于其他交通对象的行人避让模型。该方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题。结合行人CA模型和行人避让模型开发了混合交通流仿真试验原型系统。仿真结果表明,该方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有着广泛的应用前景。     

基于检测器优化选择的短时交通流预测

针对交通流短期预测未考虑交通检测器配置的不足,提出了一种基于检测器优化选择的短时交通流预测算法。以预测的均方误差最小为目标函数,通过遗传算法优化选择合适的检测器,以小波神经网络作为预测算法进行短时交通流预测。美国I-84高速公路实测数据的测试结果表明该算法与传统预测方法相比具有更高的预测精度,是一种有效的短时交通流预测方法。     

转向概率对H型元胞自动机的交通流特性研究

H型路口在城区窄车道处非常易见,以N-S元胞自动机模型为基础,在开放边界条件下,交叉口处车辆转向概率会对交通流产生一定的干扰作用,以此建立H型元胞自动机模型。通过研究转向概率和红绿灯设置对交通流的特性影响,指出量变点的位置与转向概率大小,平均速度有密切联系,红绿灯配时差异减少转向车辆干扰,增加交通流量,同时分析临界转向概率对交通流控制的意义。     

融合时空信息的短时交通流预测

为了准确描述交通流的时空演化过程并提高交通流短时预测的精度,融合时空交通流信息,即时间维度的交通流量信息和空间维度的路网耦合信息,构造基于GM（1,N）-Markov 链的组合预测模型。将预测路段与关联路段看作是一个灰色系统并对其进行灰关联分析,通过对灰关联度最低阈值的设定,实现了空间信息的深度挖掘和对无效信息的过滤清洗;利用多维GM（1,N）模型对预测点与强关联点作全局、系统的分析预测,并针对GM（1,N）对随机性较大的数列可能出现预测失效的问题,引入马尔科夫链对模型进行修正;利用VISSIM对模型进行仿真验证,分别以2 min、5 min、10 min为时间间隔进行仿真模拟,预测平均相对误差分别为9.30%、5.95%、3.20%,模型精度均为优,证实模型是有效的。     

大型货车影响的高速交通流元胞自动机模型

高速公路上的车辆到达是随机的,且含有车型大、运行速度低的大型货车,其对交通流影响很大。结合我国高速公路特点,通过重新标定元胞长度、运行车速、随机慢化机制和制定车道转换规则,建立了开放边界条件下大型货车影响的双车道多速混合交通流元胞自动机模型;通过计算机模拟分析了速度、密度、流量三参数之间关系,寻找出了大型货车占有率、随机慢化概率等因素对交通流的影响规律。     

基于交通流特性的高速公路交通网络建模与应用

为了满足高速公路安全管理系统的功能需求,提出了一种适合高速公路交通网络数据表达、操作与分析的基于交通流特性的高速公路交通网络数据模型,弥补了现有交通网络GIS数据模型在复杂的网络建模和分析中的不足。在分析高速公路交通流特性的基础上提出了高速公路交通网络的建模要素,并设计了概念建模、逻辑建模和物理建模的方法。该模型有利于迅速响应影响网络交通流分布的突发事件并生成安全管制决策,文中以高速公路网交通封闭实施位置算法为例说明其在高速公路安全管理领域的应用。     

大型客车影响的双车道多速混合交通流CA模型研究

在对现有经典交通流元胞自动机模型进行总体分析的基础上,结合我国高速公路特点,通过重新标定元胞长度、运行车速、随机慢化机制,制定车道转换规则,构建了周期边界条件下考虑大型客车影响的双车道多速混合交通流元胞自动机模型,并通过计算机模拟分析了速度、密度、流量三参数之间关系,寻找出了大型客车占有率、大型客车随机慢化概率、变换车道车辆数等因素对交通流的影响规律,为合理的组织高速公路交通管理提供了理论依据。     

基于Multi-Agent的多车道交通流的分布式仿真研究

该文以Agent技术为基础,对多车道交通流进行了模拟,并与实际的道路交通流特点进行了比较。首先根据驾驶员实际驾车的特点,建立车辆Agent的基本模型,对车辆Agent换道超车和加速策略进行描述。然后以分布式模型为基础,将多车道交通环境中的车辆运行模拟为Multi-Agent的相互作用。在仿真中,采用了面向Agent的仿真软件Starlogo。从微观上看,所描述的车辆模型能够完成加速和换道过程;从宏观上看,仿真中交通流特点与实际情况是一致的。说明该文的模型符合实际情况,同时也表明了使用Agent技术进行多车道交通流系统仿真的准确性和可行性。     

交通流时间序列分离方法

采用聚类分析方法对交通流时间序列进行分析可以发现典型的交通流变化模式。通常 可采用欧式距离及K均值算法进行时间序列聚类,但经分析发现单凭此方法还难以实现不同变化趋 势的交通流时间序列的有效分离。针对此问题,提出了将动态时间弯曲及灰色关联度引入交通流时 间序列相似性度量,且结合层次化聚类方法对交通流时间序列进一步分离的方法。通过实验研究,发 现基于灰色关联度的层次化聚类方法能较好地实现交通流时间序列的进一步有效分离。     

实时数据下城市高架路短期交通流预测模型

灰狼算法具有容易困于局部最优且收敛精度有缺陷，笔者改进非线性收敛因子，同时利用差分进化策略，得到新的灰狼优化算法。借助基准测试函数进行验证，改进后算法的全局搜索能力和收敛速度强于标准灰狼算法。进一步把改进后的算法应用在城市高架路短期交通流预测，具有较好的可行性，经过比较可知，预测的精度有明显的提升，优化了实时数据下高架路短期交通流预测的计算路径。