基于极值分布的常态下高速公路行程时间可靠性模型

为了利用参考模型表征路段行程时间分布,运用海量高速公路收费数据,分析了路段行程时间概率分布特征,通过极值分布、对数正态分布、正态分布和威伯尔分布对路段行程时间的概率密度函数进行曲线拟合.建立了基于极值分布的路段行程时间可靠性模型和模型参数估计方法,考虑了车型速度差和出行者易于理解的因素,提出了一种高速公路可靠性指标阈值的计算方法.选取最大概率行程时间、平均延误时间和行程时间可靠性为评价指标,对陕西省高速公路网中某一路段24 h出发车辆的行程时间进行实例评价.结果表明:极值分布的误差平方和(SSE)最小,拟合优度(R2)最接近于1,利用极值分布表征路段行程时间分布效果最佳.     

冰雪条件下城市道路路段行程时间模型

为研究如何准确地预测冰雪条件下城市道路路段行程时间,建立冰雪条件下路段行程时间模型.在美国联邦公路局路段行程时间模型的基础上,分别引入冰雪条件下自由行程时间及路段通行能力修正函数,构建基于冰雪条件下的ISB-BPR函数.通过大量实地调查对修正函数及BPR参数进行标定.实例验证结果表明,该函数能够较为准确地预测冰雪条件下...     

基于路阻函数小区开放对周边道路通行的评价

小区开放道路增加了路网的可达性,但支路的交通流量与小区的面积、区位、内外部道路状况等诸多因素有关,通过建立路阻函数模型,对周边主路进入小区交叉口的交通流量进行分配.考虑到非机动车及行人等因素干扰,对原有路阻函数模型适当改进,选取路段行程时间为小区开放对周边道路通行影响的评价指标体系,规定路段行程时间由交叉口等待延误时间、通过交叉口时间、自由行驶时间确定.小区开放道路后行程时间较开放前行程时间短,说明小区开放提高了周边道路通行力.     

奥运会突发事件疏散路径动态路段行程时间

为了建立奥运会突发事件疏散路径动态路段行驶时间模型,在对现有路阻函数分析的基础上,通过对疏散车流特点与车流波动理论适用条件的匹配性进行分析,提出了由上游的非拥挤部分路段的行驶时间和下游交叉口排队部分的行程时间构成的,基于车流波动理论的动态路段行程时间模型,并应用实例对模型的精度进行了检验．     

高速公路行程时间可靠性的小波密度估计

针对传统参数估计方法依赖于事先对总体分布假设的情况,在概率分布簇不确定的前提下,提出一种基于小波密度估计的高速公路行程时间可靠性建模方法.以西安市绕城高速为例,构建了小波密度估计的高速公路行程时间可靠性.实证结果表明,基于小波密度估计的高速公路行程时间分布函数明显优于其他方法.同时探讨了电子不停车收费系统对高速公路行程时间可靠性的影响.     

冰雪条件下城市路网容量可靠性

为研究冰雪条件下城市路网容量可靠性,采用路段行程时间可靠性及容量为约束条件进行研究.定义了冰雪条件下的路网容量可靠性概念,以BPR(Bureau of Public Roads)函数为基础,通过引入自由行程时间及通行能力修正函数,建立了适用于冰雪条件的ISB-BPR(Ice and Snowfall Based-Bureau of Public Roads)函数,并以路段容量和遵循ISB-BPR函数的行程时间可靠性作为约束条件构建了上层规划,以符合冰雪条件出行特征的弹性需求分配模型作为下层规划,提出了适用于冰雪条件的双层规划模型.根据模型反映的路径选择行为特点,设计了灵敏度分析法求解交通量分配模型,以Monte Carlo仿真算法求解路网容量可靠性.并给出1简单算例,计算结果表明:冰雪强度及交通供需对冰雪条件下路网容量可靠性有很大影响.该模型能够用于评估冰雪条件下的路网性能,并为路网规划、设计、维护提供依据.     

基于GPS浮动车的路段行程时间估计方法比较

以长春市局部路网的地理信息为基础,运用实测GPS数据分别对基于GPS浮动车的路段行程时间的直接估计方法与间接估计方法进行编程实现和测试分析,并且依据所得路段行程时间数据对比分析了两种方法各自的特点及适用范围。结果表明,两种方法适用范围的差别比较明显。     

交通拥堵下基于实时交通信息的路径选择模型

针对路段行程时间的估算在交通路径诱导系统中的应用,提出了一种在交通拥堵下基于实时交通信息的路径选择模型.根据目前城市交通的状况,以城市交通系统的基本设施为基础,分析了影响路段行程时间的各种因素和路段行程时间的组成.利用设置在路段上的车辆自动检测装置来搜集实时交通信息,通过行程时间的计算、动态算法的构造和路网模型的建立来对交通路径进行动态规划.实验结果表明,该模型解决了实际交通系统中的时间最短路径问题,具有一定的实用价值.     

基于云理论的三时估计法计算行程时间可靠度

为了估计城市道路在随机和模糊条件下的行程时间可靠度,提出了基于云理论的三时估计法.修正了无确定度逆向云算法,假定路段行程时间服从单峰点在m,端点在a和b的Beta分布,对形状参数进行了估计.运用基于云理论的三时估计法求出路段行程时间的期望值、方差和超熵,进而得到路径的行程时间正态云数字特征,根据数字特征对路径进行了排序,并求出了路径、OD和路网的行程时间可靠度.最后,通过一个算例验证了该方法的有效性,说明三时估计法结合云理论可以有效解决不确定条件下的行程时间可靠度问题,为城市交通规划和管理提供技术参考和支持.     

路内停车影响下非机动车流速度模型Symbol`@@

为解析设置于物理分隔非机动车道的路内停车对非机动车交通运行的影响,将行程时间比拟成生存分析中持续期,构建基于风险持续期模型的非机动车流行程时间和速度模型;提炼和筛选表征路内停车影响的因素,包括非机动车道有效宽度、驶入和驶出事件数、时间障碍率、电动自行车和自行车流量等作为协变量,纳入到模型当中,并利用实测数据标定模型参数. 结果表明：模型估计的速度分布特征量化表征了路内停车相关因素的影响效应,模型具有较好拟合优度和预测效果;驶入和驶出事件数、自行车所占比例和时间障碍率对速度具有负效应影响;而非机动车道有效宽度对速度具有正效应影响,随着有效宽度的增加,非机动车流速度降低的风险减小.     

A PSO-SVM Model for Short-Term Travel Time Prediction Based on Bluetooth Technology

The accurate prediction of travel time along roadway provides valuable traffic information for travelers and traffic managers. Aiming at short?term travel time forecasting on urban arterials, a predict...     

基于IC卡数据的居民出行成本建模分析

发展公共交通是解决城市交通拥堵的重要手段,在发展公共交通同时也应兼顾居民出行成本.为剖析城市居民出行支出与时间成本,先以广州交通IC卡数据为研究对象,通过核密度估计算法对交通IC卡数据建模,分析居民的出行成本规律.然后对模型可泛化能力进行测试,证明核密度估计模型能够客观准确地反映居民出行规律.最后对出行幸福指数进行分析,以此对政府补助政策的制定提供参考.     

考虑燃油经济性的出行者路径选择模型

为研究燃油经济性对出行者路径选择的影响,将燃油消耗、行程时间及其可靠性的线性加权和定义为广义出行费用,以饱和度为参数建立了路网单元燃油消耗模型并量化燃油消耗出行费用.分别以BPR函数及HCM2000延误公式量化路段行程时间及交叉口延误,以二者可靠性量化行程时间及延误波动的相应费用建立了基于广义出行费用的随机用户平衡分配模型.通过在小型测试路网上进行计算分析表明:基于广义出行费用的交通分配模型能够较好地反映考虑燃油经济性的出行者路径选择行为;出行费用权系数对出行者路径选择行为影响显著,考虑燃油经济性的路径选择行为可有效减少路网燃油消耗,可达9%左右.     

Determination of Scheduled Travel Time for a Fixed Transit Route Based on Multistate Model

In order to provide the guideline for bus drivers to adjust speed to minimize scheduled deviation, the method for setting bus scheduled travel time is proposed. Firstly, multistate model is introduced to fit historical travel time data and identify different service states. Based on the calibrated travel time distribution parameters, an optimization model is proposed, followed by a Monte Carlo (MC) simulation based genetic algorithm (GA) procedure to obtain the optimal scheduled time. A case study from a fixed bus route from Shenzhen is used to demonstrate the model applicability. The sensitivity analysis is conducted to study the effects of parameters setting on optimal slack time for each segment. The results show that multistate model fits travel time under peak hours better than Lognormal distribution, and the length of scheduled travel time basically reflects travel time reliability.     

基于SCATS及GPS信息的路段行程时间估计

由于SCATS控制系统的检测信息不提供速度信息,很少用其估计城市道路的路段行程时间。鉴于SCATS应用的广泛性及其采集信息的丰富性,提出了一种基于SCATS信息的路段行程时间估计方法。对基于SCATS信息估计结果进行误差分析,并分析了浮动车样本量对GPS估计结果的影响,明确了两种估计方法在不同条件下估计结果的特性。根据估计结果的准确性和稳定性对实验样本进行分类。在分类的基础上,分析了以上两种估计结果的互补性,并选择合适的融合方法对二者进行了融合处理,融合前后的估计误差对比结果表明,提出的基于SCATS估计方法有效,经SCATS及GPS信息融合后的估计结果更可靠。     

Route Temporal-Spatial Information Based Residual Neural Networks for Bus Arrival Time Prediction

基于线路时空信息的残差神经网络预测公交到达时间

#$TAB

杨超，茹小磊，胡斌*

（同济大学 交通工程学院 道路与交通工程教育部重点实验室，上海201804）

中文说明：

公交到站时间预测有助于提高公共交通的服务质量。如果能提前知道准确的公交到达时间，乘客就可以有效地安排出发时间。本文提出一种机器学习方法，RTSI-ResNet模型，来预测公交到达目标车站的时间。利用残差神经网络框架对公交线路时空信息进行建模。研究发现，两站点之间路段的公交行程时间不仅与同路段前一班次公交行程时间存在相关性，而且与临近的上下游路段的公交出行时间也存在共同的变化趋势。从包含目标路段的正反方向公交路线中提取公交出行时间和车头时距两个特征，构成公交路线时空信息，综合反映道路交通状况。对深圳公共交通系统10号公交线路的轨迹数据进行实验，结果表明本文提出的RTSI-ResNet模型优于其他著名的方法(如RNN/LSTM、SVM等)。特别地，当公交车与目标车站的距离越远时，预测精度的优势越明显。

关键词：公交到达时间预测; 线路时空信息; 残差神经网络; 递归神经网络; 公交轨迹数据

     

基于出行计划数据的最优路径规划方法

现有基于交通流预测的路径规划方法大多使用历史或实时交通流数据,预测时效性有待提升.针对上述问题,提出基于出行计划数据的路径规划方法（RPTP）.该方法能主动捕捉出行者的未来交通需求,为车辆提供更合理的出行路线.基于出行计划的思想,设计基于出行计划数据的路径规划整体框架;构建基于出行计划路线数据的未来时段路网密度估计算法;采用空间堆叠的方式融合未来多时段路网密度,以此为依据改进D*Lite算法的启发函数.采用SUMO平台仿真验证,与静态路径规划方法（SPP）和滚动路径规划方法（RPP）进行对比分析.结果显示,在相同环境下RPTP方法能提高车辆的通行效率,缓解路网拥堵,有效验证了RPTP方法的优越性.     

智慧公路多源数据下的交通出行演化模型

为探索智慧公路对出行者路径选择行为的影响,将网络可靠性和经验学习理论引入出行者的路径选择过程. 运用交通流理论统一化由智慧公路采集的多源数据类型,进一步采用最小方差加权平均方法融合多源数据. 智慧公路上的出行者根据融合信息实时决策出行路径;普通公路上的出行者根据前一天的路网交通状况和历史出行经验选择出行路径. 采用不动点理论证明模型解的等价性、存在性和稳定性条件. 算例结果表明：道路流量行为系数和感知时间误差的增大均会导致模型进入不稳定状态;在模型解稳定性方面,具有冒险倾向的出行者显著优于具有风险规避倾向的出行者,且多源融合数据演化的路网交通流量更具鲁棒性.