基于改进遗传算法的VMS选址研究与分析

随着城市交通的高速发展,交通拥堵和交通事故频繁发生,城市交通诱导作为智能交通系统的重要组成部分,其产生和发展刻不容缓,可变信息板(VMS)是交通诱导系统中实现交通信息传递的重要工具。针对智能交通诱导系统在国内应用的不成熟,采用改进型遗传算法对VMS在路网中的布点位置进行了全局索优,对基本遗传算法中的编码方式,选择方法进行了改进,同时采用动态衰减变异概率进行变异操作,并运用多目标优化算法将多目标函数单一化,针对某一路段上的VMS对该路段下游不同位置的影响程度的不同,引入衰减影响因子;然后以复杂虚拟路网为仿真实例进行了VMS布局仿真检验,结果表明,该方法以VMS效用和经济成本为评价指标,较好地实现了交通路网中VMS选址的最优分布,同时达到了节约资源的目的,具有一定的科学性和实用性。     

基于实时车速的交通控制与诱导协同

为了减小路网的总行程时间和提高路网运行效率,提出一种基于实时车速的交通控制与诱导协同模型。利用惩罚函数将有约束遗传算法转化为无约束遗传算法对所建立的协同模型进行求解,得到最佳的控制方案和诱导方案。在Vissim微观交通仿真软件中建立包含4个交叉口的小型路网进行仿真实验,仿真结果表明,此方法能够有效地减少路网总行程时间,提高路网运行效率。      

面向诱导的交通状态信息提取方法

为实现可变信息板（Variable Message Signs,VMS）的交通状态信息提取,选取速度、饱和度与交叉口平均延误作为交通参数,提出了基于模糊推理的关联路段交通状态信息提取方法。针对驾驶员的VMS信息响应特性,设计了面向拥挤状态的VMS诱导策略,在关联路段均处于拥挤状态时基于Vague集对交通状态进行排序,以判别交通状态相对最优的关联路段进行发布。以实际算例验证了该方法的有效性,所提出的VMS诱导策略能够逐步引导拥挤交通流的分流,并为驾驶员在拥挤状态下进行路径选择提供决策支持。     

基于遗传算法的随机路网次优拥挤收费模型

针对随机路网中出行者规避风险的择路行为,提出一种同时考虑行程时间可靠性和不可靠性的次优拥挤收费双层规划模型。上层模型以最大化路网社会福利为目标,下层模型为弹性需求期望-超额交通平衡模型。鉴于双层规划模型的复杂性,设计遗传算法求解该模型。仿真结果表明,使用遗传算法求解该模型是可行的,运行50代后,算法可收敛至目标值。     

可变情报板诱导效果评价模型

针对北京市道路交通可变情报板VMS(variable message signs)的信息服务,结合表明嗜好调查法(SP调查)结果,分析VMS交通信息服务对驾驶员路径选择行为的影响因素,建立诱导条件下驾驶员路径选择行为的多元Logit模型,并利用调查数据对模型参数进行估计,从定量角度评价VMS交通信息服务对驾驶员行为的影响以及在此影响下道路交通拥堵缓解效果.最后以北京市部分区域路网为研究对象,进行设置VMS前后的效果评价,通过交通流量的变化定量评价VMS对均衡路网交通流的效果,验证模型的有效性.     

RFID，GPS和GIS技术集成在交通智能监管系统中的应用研究*

为实现在城市复杂路网情况下对交通车辆的实时监控,并且能通过一定数量的车辆运行状态来判断道路交通的拥挤状况,采用射频识别技术(RFID)对道路上运行的车辆进行动态识别和数据信息交换;依靠全球定位系统(GPS)技术实时获得目标车辆的位置信息,并通过地理信息系统(GIS)将车辆的运行状况以及路网的交通状况以电子地图形式实时地展现给用户。将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中,在此基础上设计出道路交通车辆的全程监控模型和系统框架。对交通监管的信息化建设具有一定的借鉴意义。     

城市快速路交通诱导和匝道控制集成仿真模型

为缓解城市快速道路网络交通网络拥挤问题,将网络交通流模型、匝道控制模型、基于可变信息标志（VMS）的路径选择模型等整合为一体,建立了城市快速路交通诱导和匝道控制集成仿真模型。与各种边界条件相结合,测试了匝道控制和路径诱导的控制效果。结果表明城市快速路集成控制方法有助于在空间和时间上均衡交通负荷,提高交通系统整体运行效率。     

快速路网宏观交通流仿真系统的开发与仿直

为了给快速路网运行状况分析和控制策略评价提供高效辅助决策工具,提出快速路网宏观交通流仿真系统整体框架,分输入模块、仿真模块和输出模块三部分,并给出采用Microsoft Visual Basic面向对象语言开发的实现流程图和关键技术.仿真案例采用该系统对包含两个起点、两个终点的快速路网进行仿真,刻画交通拥挤的形成、传播...     

需求激增下交通管理策略仿真分析方法

大型活动时需求激增易引起交通拥挤。本文提出用于评价拥挤应对策略的仿真分析方法。该方法采用宏观交通仿真技术,模拟网络交通流演化过程,分析拥挤成因,以便提出应对策略并验证其有效性。采用GANFreSP仿真系统对一算例路网进行仿真,刻画拥挤发生、传播和消散的过程,并模拟交通系统管理和交通需求管理的拥堵应对策略,给出了路网全局交通状态快照图、交通状态时变轨迹图等可视化结果,及路网总体性能指标。仿真案例表明了该方法在交通控制与管理中的有用性和辅助决策作用。     

多个MFD子区边界协调控制方法

为了改善交通网络运行状况,根据车流密度的差异对宏观路网进行子区划分,提出了面向多个宏观基本图（Macroscopic fundamental diagram,MFD）子区的边界协调控制方法.根据划分的多个子区间邻接关系和流入流出交通流率,建立了路网车流平衡方程.通过与最佳累积车辆数进行比较,确定了拥挤度高的子区边界交叉口最佳流入与流出的交通流量;进而建立了以整个路网旅行完成流率最大、平均行程时间和平均延误最小的多目标边界协调优化模型,并通过自适应遗传算法对多目标函数进行求解.以存在4个MFD子区的实际路网为分析对象,对比仿真结果表明所提方法可有效提高路网运行效率、缓解拥堵状况.     

语义物联网：物联网内在矛盾之对策*

为应对物联网自身固有的物的信息的表示形式的多样化和物的信息的使用主体的理解能力不足的内在矛盾,提出了将其改进为语义物联网的思路,具体措施为：a）物的信息的表示,要基于本体进行语义标注;b）物的信息的使用,要基于本体实现机器理解。借助于语义分析和科学定义方法,建立了语义物联网的集合表示模型和图示模型。该模型的意义在于指明了语义物联网的实现需要有效推进四项主要任务,即本体的构建、RFID系统的建设、物的信息的预处理（即编码为UID或EPC,添加语义标注,嵌入RFID电子标签）和物的信息上载管理与下载管理。     

面向大型社会活动的快速路网控制策略仿真评价方法*

为了缓解大型社会活动期间短时需求激增对快速路运营的压力,提出了基于宏观交通仿真的快速路网控制策略评价方法,旨在为交通控制与管理提供辅助决策依据。该方法运用网络交通流仿真模型对候选控制方案进行仿真和评价,得到较优方案。采用GANFreSP仿真程序对一实例路网的交通流演化进行仿真,刻画拥挤发生、传播和消散的过程,并模拟基于分流诱导的拥堵应对策略,给出交通状态时变轨迹图、路网全局交通状态快照图等可视化结果,以及不控制和分流诱导情况下的路网总体性能指标。仿真案例表明,网络交通流演化是复杂动态过程,局部节点拥挤易演     

Neural network model for rapid forecasting of freeway link travel time

Estimation of freeway travel time with reasonable accuracy is essential for successful implementation of an advanced traveler information system (ATIS) for use in an intelligent transportation system (ITS). An ATIS consists of a route guiding system that recommends the most suitable route based on the traveler's requirements using the information gathered from various sources such as loop detectors and probe vehicles. This information can be disseminated through mass media or on on-board satellite-based navigational system. Based on the estimated travel times for various routes, the traveler can make a route choice. In this article, a neural network model is presented for forecasting the freeway link travel time using the counter propagation neural (CPN) network. The performance of the model is compared with a recently reported freeway link travel forecasting model using the backpropagation (BP) neural network algorithm. It is shown that the new model based on the CPN network, and the learning coefficients proposed by Adeli and Park, is nearly two orders of magnitude faster than the BP network. As such, the proposed freeway link travel-forecasting model is particularly suitable for real-time advanced travel information and management systems.     

Identifying important variables for predicting travel time of freeway with non-recurrent congestion with neural networks

The provision of long-distance travel time information has been a major factor facilitating the intelligent transportation system to become more successful. Previous studies have pointed out that non-recurrent congestion is the major cause of freeway delay. The long travel distance complicates the characteristics of traffic flow. Hence, how to improve the prediction capability of long-distance travel time in the case of non-recurrent congestion is an important issue that must be overcome in the field of travel time prediction. This study constructs the travel time prediction model for a segment of 36.1 kms (including eight interchanges) in the National Freeway No. 1, Taiwan, by using the multilayer perceptron. To improve the prediction capability of the model in the case of non-recurrent congestion, this study collects data of average spot speed and heavy vehicle volume gathered by dual-loop vehicle detectors, in addition to rainfall and temporal feature. Furthermore, the historical travel time inferred from the original data of electronic toll collection (ETC) system is also used as the input variable, and the actual travel time inferred from ETC is used as the training target to establish a robust prediction model. As suggested by the results of 168 experimental combinations, the most appropriate prediction model established in this study is a highly accurate forecasting model with MAPE of 6.47 %.     

面向高速公路通行时间分布预测的时空混合密度神经网络

准确的通行时间分布预测可以全面地反映高速公路路网中各个路段在未来的通行状况,辅助实现高速公路中的路径规划,事故事件预警等精细化管理目标.为此,本文提出一种面向高速公路通行时间分布预测的时空混合密度神经网络.具体地,本文利用自适应图卷积通过数据驱动的方式提取路网中的空间特征,有效解决了基于预定义图难以捕获路网信息中完整空间相关性的问题.在时间维度上,不同时间的路网信息存在显著的相关性,因此,本文基于注意力机制自适应建模路网信息的时间相关性,并通过卷积层进一步聚合相邻时间步之间的信息.最后,基于自适应时空相关性建模得到的路段嵌入表示,通过混合密度网络建模通行时间的分布,以实现高速公路中各个路段的通行时间分布预测.     

紧急事件的动态交通流模型及双向动态最短路诱导算法

针对城市快速路的交通紧急事件给出了宏观的动态交通流模型,在METANET模型的基础上考虑紧急事件所占用车道数、进出口匝道及诱导信息对模型的影响,同时针对交通紧急事件的及时有效处理,给出了一种双向动态的最短路径诱导算法,在此算法中,节点间的权值是随着高速路的路面状况及交通拥堵情况等变化的动态函数,故在紧急事件处理中从两个方向搜索最短路,其过程是动态的,实时的,为紧急事件的及时处理和有效的救援争取了时间。通过仿真对比,证明了此算法的可行性,有效性,同时证明了此算法的搜索效率也得到了较大提高。     

Determining optimal sensor locations in freeway using genetic algorithm-based optimization

Travel time is the most intuitive measure of effectiveness for road users and transportation agency operators. However, travel times derived from speed data measured at fixed point sensors often varies from actual travel time. This is, in part, due to the intentional positioning of sensors to avoid lane changing and/or to inadequate numbers of sensors capturing the dynamic characteristics inherent in freeway traffic flow. This paper presents an approach that optimizes the location of sensors in a freeway to support more accurate estimations of travel times than those obtained from conventionally deployed fixed point sensors. Evaluation results, under varying traffic conditions, including incidents, showed that the proposed approach produced average travel time estimation errors within 10% and performed much better than the conventional approach. Thus, the proposed approach provides a promising tool to support re-positioning of the existing non-intrusive point sensors (e.g., video sensors) or deployment of new sets of point sensors for improving travel time estimation.