基于视频检测技术的交通拥挤判别模型*

针对日益严重的城市道路交通拥挤问题,提出基于视频检测技术直接判断道路交通拥挤程度的方法。以道路占有率、占有率方差、占有率变化量绝对值为交通特征参数,研究了其与道路拥挤事件发生的关系,在此基础上利用模糊C-均值算法给出了一种交通状态划分方法,最后建立了一种新的交通拥挤判别模型。应用实际采集的视频数据,分别通过该模型及人为判断进行实验验证。实验结果表明该模型是有效可行的。     

一种基于道路网络层次拓扑结构的分层路径规划算法

鉴于平面最短路径算法应用于大规模网络规划中的效率不高,而分层算法引入"分而治之"策略,则能有效解决此难题。为了利用分层算法进行路径规划,首先研究了分层算法的数据基础——道路网络层次拓扑结构,其涉及基于道路等级的路网分层抽象、道路数据分区组织、以区域为单位的路网层次拓扑关系模型;接着提出了一种适用于LBS(基于位置的服务)的分层路径规划算法。该算法先通过距离值判断是否切换到上一层;然后利用启发式A*算法搜索入口和出口;最后使用双向策略搜索层内两点之间的最短路径。利用现实道路网络进行的实验分析结果表明,该算法能从本质上提高大规模网络中路径规划的效率。     

基于改进DV-HOP的道路交通拥堵传感节点快速监测

由于现有交通拥堵监控设备在海量三维交通信息中处理数据的能力较差,导致监测目标延迟较高,故设计一种基于改进DV-HOP的道路交通拥堵传感节点快速监测方法;在待监测区域安置无线视觉传感器,划分子节点与Sink节点,采集车辆通行状况和整体长度;把异常道路数据作为小概率事件,确立速率采集周期及交通状态采集周期,推算历史车辆速率均值和交通数据方差,设定拥堵临界值,分析路段是否产生拥堵;对道路交通拥堵节点进行初始化,确定全部道路交通拥堵节点,并将其转换到二维坐标中;利用改进DV-HOP算法获取道路交通拥堵节点位置信息,得出道路交通拥堵节点监测结果;实验分析表明：设计方法的均等系数值可达0.998,数据传输延时仅为3.5 s,表明交通拥堵监测精度较高。     

基于拥堵系数的道路交通网络关键路段辨识

城市道路交通的路段信息与车流量信息对道路交通的安全、高效运行至关重要.在交通高峰时期,通过对关键路段加以控制,可实现整个道路交通网络的完全能控.为寻找路网中的关键路段,将道路网络的交叉口-节点模型转化为道路网络的路段-节点模型,基于路段信息与车流量信息提出拥堵系数来衡量道路交通网络的车辆拥堵程度,并将其作为道路网络的路段-节点模型的边权重,最后运用关键路段辨识算法对道路交通网络的关键路段进行辨识.以沈阳市皇姑区主城区道路为例建立以拥堵系数为权重的网络模型, 按照所提方法辨识的关键路段数量为14条,约占道路网络总路段数的14.3%,具有较低的控制成本,且大部分为由北向南方向和由西向东方向.其中8条路段分布在皇姑区道路实时拥堵排行前5名,约占关键路段总数的57.1%,表明所给出的关键路段更多地分布在交通状态较为拥堵的路段上,符合实际情况.     

基于博弈视角的交通信息提供与道路收费联合定价模型

针对信息提供和拥堵收费两种交通管制策略, 研究了两种策略联合作用下的定价机制。首先构建了政府、信息提供商决策空间, 在分析出行者路径选择行为的基础上, 给出了交通信息市场占有率计算模型; 然后提出了弹性条件下具有/不具有交通信息的混合交通网络均衡分配模型, 得到了出行者的决策空间, 在此基础上提出了基于博弈视角的交通信息提供与道路收费联合定价模型, 设计了求解算法; 最后, 以一个算例对模型进行了分析。结论表明, 社会收益水平及交通信息的质量都会对交通信息及道路收费价格产生显著的影响。此外, 模型的算例结果还与经验较为吻合, 表明模型的实用性和合理性。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

基于车联网的交通管控机制设计与验证

近年来,汽车工业飞速发展,汽车保有量不断提高。但与此同时,其引发的道路交通拥堵问题也影响着越来越多的人。为了缓解道路交通拥堵、提高车辆出行效率,提出了一套基于车联网的交通管控机制。首先,结合固定时长轮转法和车流量响应控制法两种现有的主流交通灯控制法的思想,提出半实时的交通灯控制方法。该方法中,交通灯控制器根据预测出的车流量信息,得到本路口的最优交通灯相位策略,将本路口所有车辆的等待时间最小化。其次,为了提高个体用户的出行效率,提出启发式的动态路径规划算法,该算法在Dijkstra算法的基础上,采用启发式的方法计算路段的权重,以此规划最优路径,使得车辆可以尽可能避开拥堵路段。为了验证提出的交通管控机制的性能,通过交通流量模拟器SUMO和网络模拟器NS3进行模拟实验。模拟实验结果表明,提出的基于车联网的交通管控机制能够有效地降低车辆的等待时间、缓解交通拥堵情况,从而改善整个道路网络的交通状况。     

基于启发式函数的分布式FN 算法

对复杂网络进行社团挖掘和分析是很多领域和学科的重要问题,结合海量数据通联矩阵稀疏的特点,提出了一种基于启发式函数合并的快速社团挖掘算法KFN算法,并建立了算法的MapReduce模型.通过对DBLP论文合著网络数据集进行挖掘可知,分布式模型和基于启发式函数的合并策略能够提高社团挖掘的时间效率.     

固定费率下城市出租车拥挤收费模型与算法

针对出租车自身的特殊性,研究了实施拥挤收费政策过程中出租车是否也应进行拥挤收费。在收费费率已知条件下,采用组合网络均衡模型描述了出租车拥挤收费前后对出行产生、模式划分、流量分配以及出行分布的影响,构建了与之等价的最优化模型,设计了求解模型的启发式算法,比较了对出租车征收拥挤费前后的社会福利变化。算例表明,收费前的社会福利总是明显大于收费后的,并且二者之间的差距随着出行者时间价值(VOT)的增加而减小,随着弹性灵敏参数的增加而增大。这一研究有助于为拥挤收费政策制定者提供科学的决策依据。     

固定费率下城市出租车拥挤收费模型与算法

针对出租车自身的特殊性, 研究了实施拥挤收费政策过程中出租车是否也应进行拥挤收费。在收费费率已知条件下, 采用组合网络均衡模型描述了出租车拥挤收费前后对出行产生、模式划分、流量分配以及出行分布的影响, 构建了与之等价的最优化模型, 设计了求解模型的启发式算法, 比较了对出租车征收拥挤费前后的社会福利变化。算例表明, 收费前的社会福利总是明显大于收费后的, 并且二者之间的差距随着出行者时间价值(VOT)的增加而减小, 随着弹性灵敏参数的增加而增大。这一研究有助于为拥挤收费政策制定者提供科学的决策依据。     

基于拥塞控制的无线传感器网络数据汇集树生成算法

针对无线传感器网络数据汇集应用中, 由于数据流量大, 相邻路径之间容易发生串扰、信道竞争和冲突, 造成拥塞问题, 提出了基于拥塞控制的无线传感器网络数据汇集树生成算法(Data gather tree algorithm based on congestion control, DGT-CC). DGT-CC算法通过层次发现、邻居发现、启发式搜索和流量均衡策略构造一棵最短路径最小拥塞权值树. 理论分析证明DGT-CC算法收敛, 并能够构造一棵最短路径最小拥塞权值树, 仿真实验表明DGT-CC算法在丢包率、网络吞吐量和时延方面都较普通的最短路径树具有更好的性能.     

城市交通多线路协调优化仿真模型研究

为缓解城市交通拥堵,提高道路利用率,提出一种新的简单实用的城市交通多线路协调优化控制模型及时空相位演化方法,并给出了改进的遗传优化算法。通过仿真系统的开发,实现了城市交通的多线路优化控制仿真并获得了满意的效果。对比优化前后的数据,优化后调度线路上的车流以最少平均停车次数和最短平均延迟时间到达目的地。利用本优化模型可以实现以较小的代价成本疏导城市交通,提高城市道路通行能力。     

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。     

雨雾天气下公路可变限速控制策略研究

针对雨雾天气下公路交通事故上升与通行能力下降的问题,综合考虑交通安全和通行效率两个因素,提出一种雨雾天气下可变限速控制策略;首先,考虑雨雾天气下道路线形对车辆速度和道路通行能力的影响,建立雨雾天气下动态交通流模型;然后,根据驾驶员可视距离、路面附着系数和道路曲线等因素确定雨雾天气下车辆最大安全速度;最后,采用自适应遗传算法对包含总行程时间和总行驶里程的目标函数进行求解,得到雨雾天气下各路段的限速值;仿真结果表明,所提出的可变限速控制策略有效降低了雨雾天气下公路的行车风险,并缓解了交通拥堵。     

基于节点度和最小支撑聚类的路径搜索算法

在复杂网络的理论基础上,基于节点度和最小支撑聚类构造了一个阻抗函数,利用该阻抗函数提出了一种可应用于城市路网的启发式路径搜索算法,该算法搜索到的路径可以在总路径长度接近理论最短的同时,通过避免取径可能发生拥堵的路段,从而降低遭遇拥堵情况的风险;根据该算法编程实现了一个简易导航程序,通过实际路网数据验证了算法的有效性。     

无线传感器网络中一种ARMA流量预测的拥塞控制算法

在无线传感器网络中,由于各节点的通信能力、计算能力、存储能力等都比较有限,使其需采取有别于传统网络的拥塞控制策略.本文针对传感网络特有的多对一、多跳通信方式经常导致网络拥塞的缺陷,提出一种基于流量预测的拥塞避免算法(SCATP).该算法通过ARMA模型分析流经各节点的当前流量,预测网络下一时刻的拥塞状况,并据此进行流量分配,从而实现拥塞控制的同时保证数据的可靠传输.仿真实验表明,SCATP算法在延迟、抖动率、吞吐量和能量有效性等方面能有效改善网络的服务质量.     

基于道路风险评估的城市路网实时路径选择

为了缓解城市交通拥堵、避免交通事故的发生,城市路网的路径选择一直以来是一个热门的研究课题.随着边缘计算和车辆智能终端技术的发展,城市路网中的行驶车辆从自组织网络朝着车联网(Internet of vehicles,IoV)范式过渡,这使得车辆路径选择问题从基于静态历史交通数据的计算向实时交通信息计算转变.在城市路网路径选择问题上,众多学者的研究主要聚焦如何提高出行效率,减少出行时间等.然而这些研究并没有考虑所选路径是否存在风险等问题.基于以上问题,首次构造了一个基于边缘计算技术的道路风险实时评估模型(real-time road risk assessment model based on edge computing, R³A-EC),并提出基于该模型的城市路网实时路径选择方法(real-time route selection method based on risk assessment, R²S-RA). R3A-EC模型利用边缘计算技术的低延迟,高可靠性等特点对城市道路进行实时风险评估,并利用最小风险贝叶斯决策验证道路是否存在风险问...