基于GPS浮动车的交通信息采集方法

针对目前基于GPS浮动车的交通信息采集方法相关研究不够系统、全面,导致大量基础数据浪费、交通信息质量偏低、系统运行成本较高等问题,提出了一种新的基于GPS浮动车的交通信息采集方法。依托长春市局部路网的空间信息,采集GPS实测数据进行技术验证。验证结果表明:本文方法可以很好地解决已有方法存在的诸多问题,从而为改善交通状态判别及车辆动态导航系统的应用效果奠定数据基础。     

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。     

基于GPS浮动车的交通信息采集系统的数据组织方法

目前运用GPS浮动车采集交通信息的实践中,由于系统数据存储模式的分散和不规范造成的系统数据利用效率较低、开发和运行效率不高。本文以提高系统数据利用效率、优化系统开发和运行模式为目标,以面向对象理论为基础,在进行系统需求分析与结构框架设计的基础上,确定了系统的数据流图,提出了一种层级数据组织方法,并设计了系统动态数据库概念模型和逻辑模型。本方法可实现对系统数据的有效整合,降低系统各功能模块间的耦合度,在提高数据利用效率的同时,有利于提高系统的开发和运行效率。     

GPS浮动车数据时间间隔优化方法

针对目前GPS浮动车交通信息采集系统的数据采样时间间隔和数据传输时间间隔主要凭借主观经验确定,或者相关理论研究不同程度脱离实际应用的问题。经过分析相关影响因素,提出了能够体现GPS浮动车交通信息质量与数据时间间隔之间关系的衡量指标,设计了数据采样时间间隔与数据传输时间间隔的优化方法,并且利用实测数据进行了实例验证。结果表明,文中设计的数据时间间隔优化方法可以直观、有效地确定最优数据采样时间间隔与最优数据传输时间间隔,可为GPS浮动车交通信息采集系统的参数设置提供可靠的理论依据。     

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。     

基于低频浮动车数据的实时地图匹配算法

在考虑GPS误差等影响因素的前提下,按照5 min时间间隔为单位,对该时间段的GPS点筛选候选匹配链路;然后利用最短路算法获得浮动车行驶的候选径路集,并通过模糊逻辑推理确定最终行驶径路,实现低频浮动车数据的地图匹配;最后,基于北京市采集的浮动车高频数据,利用不同频率下随机抽取低频数据对算法进行验证.     

提高高速公路通行效率的可变限速控制策略

为减少高速公路常发瓶颈区域车辆行驶延误,针对提高瓶颈区域通行效率的可变限速控制策略与控制效果进行了研究。阐述了瓶颈通行能力下降现象与通行效率的关系,提出防止瓶颈区域通行能力下降的可变限速控制策略,讨论了不同瓶颈类型的可变限速控制方法与理论效果。以入口匝道交通瓶颈为例,对可变限速控制策略的效果进行仿真分析,结果表明该策略减少了车辆总通行时间25.5%,减少车辆总行驶延误56.1%,有效提升了高速公路常发瓶颈区域通行效率。     

面向道路网的浮动车最小覆盖率模型

在总结分析现有GPS浮动车的最小覆盖率成果的基础上,引入浮动车出现率和停驶率,并考虑了数据有效率、数据精度、采样时间间隔、浮动车运行速度等因素,对各类型道路的样本需求量进行数据融合,建立了面向道路网的浮动车最小覆盖率计算模型,并进行实验分析.实验结果验证了模型的合理性.     

基于遗传神经网络的区域交通控制效果评价

为了对区域交通控制效果进行有效的评价, 通过建立区域交通控制多目标评价函数, 提出了基于遗传神经网络的区域交通控制效果评价方法.该方法由VC++编程实现, 并采用VISSIM仿真软件进行了模拟与测试, 经验证具有较好的实用性.     

基于博弈论的突发灾害下区域间交通信号协调控制技术

构建了基于博弈论的区域间交通信号协调控制策略模型。对模型参数进行优化选择。提出了区域间交通信号协调控制的运作时机。开发了软件包,结合Paramics V6仿真软件对模型进行了验证。验证结果显示模型能够有效降低大范围路网内车辆的平均延误,提高行车速度。     

非常态事件下应急车辆单点信号优先控制策略及实现方法

以应急车辆单个交叉口延误最小为控制目标,提出了延长绿灯时间、缩短红灯时间以及多相位协调优先3种信号优先控制策略.重点研究了基于应急车辆流量比的多相位信号优先模糊控制策略.提出了基于射频识别技术(RFID)的应急车辆信号优先实现方法.通过仿真软件对所提出的信号优先控制策略进行了仿真评价.结果表明,该优先控制策略可以有效地...     

静液传动混合动力车辆控制策略优化

为了提高静液传动混合动力车辆的燃油经济性,在Matlab/Simulink平台上建立了整车动态性能仿真分析模型,建立逻辑门限控制策略参数优化的有约束非线性规划模型,以燃油消耗率为优化目标,以发动机主动充压转矩差值和主动充压压力限值为优化对象,运用多目标遗传优化算法,在不同的循环工况下对静液传动混合动力系统工作模式的选择...     

基于悉尼协调自适应交通控制系统线圈数据的交通事件自动检测算法

为了克服目前悉尼自适应交通控制系统(Sydney coordinated traffic system,SCATS)获取的动态交通数据仅用于交通信号控制的局限性,从信息共享的角度,将SCATS中感应线圈获取的动态交通数据应用于交通事件自动检测。在详细分析了SCATS中感应线圈获取的交通数据特性的基础上,设计了一种新的交通事件自动检测算法,并采用实测数据进行了验证和对比分析。结果表明,所设计的新算法在检测率、误警率方面均优于经典的对比算法,可为改善SCATS覆盖道路在交通信号控制、交通信息引导和交通指挥等方面的协调性提供技术支持。     

节油驾驶控制策略速度门限匹配

设计了分离无摩擦的电控滑行离合器,针对加速-滑行模式提出了基于结合-分离速度门限调节的节油驾驶控制策略。在MATLAB仿真平台上进行了离线仿真,分析了速度门限对油耗的影响;进行了道路试验研究,完成了速度门限的匹配。结果表明:本文提出的滑行电控离合器以及节油驾驶控制策略具有很好的节油效果。     

基于模糊神经网络的混联式混合动力汽车驱动系统工作状态控制研究

通过分析混联式混合动力汽车理想工作模式的控制,提出了一种新型的汽车驱动系统工作模式的控制方法——模糊神经网络控制.采用模糊神经网络能够自适应的控制汽车驱动模式工作状态的切换,能够节能减排,提高发动机的动力.利用Matlab/Simulink建立模糊神经网络控制模型,仿真实验结果表明,该控制方法达到了预期的目的,具有较好的效果.     

基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

基于多智能体的交通信号控制与路径诱导的协同

在总结已有交通信号控制与路径诱导协同模型的基础上,分析了路段行程时间函数与信号控制策略对协同模型求解唯一性与收敛性的影响;设计了交通信号控制与路径诱导协同研究的多智能体模拟系统。该系统由交叉口控制智能体、路径诱导智能体、信息处理智能体组成,具有较大的灵活性与可扩展性。该模拟系统中路径诱导策略是用户最优策略,交通流动力学由元胞传输模型描述,信号配时由基于元胞的交通控制模型优化。模拟结果表明,实施交通信号控制与路径诱导协同后,路网总行程时间最多可减少41.4%。