机非混行交叉口右转机动车行程时间计算方法

为了定量地研究混合交通交叉口右转机动车通过交叉口的延误时间,用行程时间来表征延误,即用右转机动车的实际行程时间与不受干扰时行程时间的差值表示右转机动车的延误。从分析四相位信号交叉口右转机动车与直行自行车之间的冲突规律入手,描述了非机动车在交叉口的运行特性。应用排队论和间隙理论,建立了机非冲突交叉口右转机动车行程时间模型,同时以右转机动车流率和直行自行车流率为自变量建立了右转机动车行程时间的二元回归模型。以石家庄调查数据为基础,对这两个模型进行了验证,结果表明,排队论和间隙理论只适用于自行车流量较小的情况,而二元回归模型适用范围较广,并通过F检验证明了模型的可靠性。     

两相位交叉口左转交通流冲突延误改进模型

为改善两相位交叉口左转车流与直行车流冲突延误模型的适应性,解决现有冲突延误模型多以负指数分布为主描述车头时距分布与信号控制交叉口的实际运行状态不一致问题,用M3车头时距分布对冲突延误模型进行研究．首先采用M3分布来描述交叉口车头时距分布,并考虑左转车排队延误以及1个周期内绿初直行车排队数对冲突延误的影响,建立两相位交叉口冲突延误改进模型．结果表明:改进后的冲突延误模型计算得到的左转车在冲突点处的延误与实际比较吻合,从而模型的有效性得到验证．模型既完善了现有冲突延误的计算理论,又可以为信号配时进一步优化提供理论依据．     

双车道公路上驾驶员超车行为研究

在分析双车道公路上驾驶员超车过程的基础上,应用超车试验研究了超车过程中驾驶员换车道时对同向的车流间隙的接受行为．数据分析结果表明,换车道过程中驾驶员对间隙的接受行为可用二项Logit模型来刻画．在上述基础上,给出了可接受临界车头间距和临界车头时距的计算方法,并对临界车头间距、临界车头时距和速度关系进行了分析,得出了驾驶员对车头间距的变化要比对车头时距的变化更敏感的结论．     

基于一维元胞自动机的可变时距跟车模型

依据不间断车流的车头时距分布规律和一维元胞自动机建模理论，提出了一种可变时距跟车模型.该模型假定行驶车辆都趋向于保持一个期望的车头时距，通过对前车速度和车头间距的估计，并考虑随机减速的影响对车速进行同步更新.基于该模型建立的仿真系统，凭借两个简单的参数来调节不同车速的期望车头间距，使车头时距分布规律符合交通未饱和时车头时距的具体分布情况，从而能够描述多车道公路上比较复杂的交通状况，表示不同道路等级的通行能力     

自由流条件下高速公路货车比例对交通安全的影响

文章提取山西省太长高速公路视频数据,分析货车比例对高速公路交通流参数的影响,进而根据交通流参数分析货车比例对交通安全的影响。首先利用二项式统计分析模型分析货车比例对平均速度、速度标准差和速度变异系数的影响,然后采用负指数分布拟合车头时距,研究货车比例、车流量与平均车头时距的关系。最终以线性支持向量机验证变异系数分类状态,根据变异系数对交通安全的作用选取二元Logistic回归模型判断货车比例对交通安全的影响。结果表明:货车比例范围在0.15~0.5之间时,平均速度随着货车比例的增加而降低,速度标准差和变异系数随着货车比例的增加而增加,平均车头时距随流量的增加而减小。可知自由流条件下,速度变异系数越大交通流处于危险状态。最终建议货车比例为0.15~0.25之间,交通状态较为安全。     

基于模拟退火算法的事件影响交叉口可靠性优化方法

行程时间可靠性是评价交叉口运行效率的关键指标,交通事件是造成交叉口拥堵的主要因素之一。研究一种适用于受交通事件影响的交叉口行程时间可靠性优化方法,将有助于提高交叉口的运行可靠性,防止事件造成交叉口拥堵蔓延。考虑交通事件发生位置对交叉口运行的影响,假设车辆的车头时距服从M3分布,根据间隙接受理论和车辆到达累积曲线推导队列长度的计算公式。所提优化模型将车辆排队长度作为约束,能够使交叉口行程时间可靠性最优,采用模拟退火算法求解该模型。数值结果表明,当交通事件发生在交叉口进口道时,对行程时间可靠性的影响更严重。所提方法能够有效改善事件影响下的交叉口行程时间可靠性,缓解事故造成的交叉口拥堵。     

基于风险分析方法的首车疏解车头时距

构建了信号交叉口首车疏解车头时距的风险分析模型。提出了模型参数标定方法,并以北京为例,通过信号交叉口的实测数据标定了参数。根据参数标定结果,对混合交通流情况下首车疏解车头时距的分布进行了描述,并定量分析了各种影响因素的效果。结果表明,北京信号交叉口首车疏解车头时距长于其他国家和地区。它受车辆类型、交叉口环境的复杂程度和车流特性等因素影响明显。起动干扰使首车平均疏解车头时距由3.99 s增长到5.47 s,行驶干扰使之由4.15 s延长到6.65 s,极大地降低了交通运行效率。     

考虑右转信号控制的共用车道通行能力模型

将直右共用车道车辆受阻挡情况分为直行红灯期间右转车流未被阻挡、直行红灯期间右转车流被阻挡、滞后放行期间直行车流未被阻挡和滞后放行期间直行车流被阻挡这4种情况,分别计算4种情况发生的概率及对应的通行能力,建立红灯右转和右转滞后放行信号控制条件下的信号交叉口直右共用车道通行能力模型.对典型交叉口的VISSIM开展仿真验证.结果表明,采用该模型能够精确地估计红灯右转和右转滞后放行条件下的直右共用车道通行能力,直右共用车道通行能力随着滞后放行时间的增加而减小.直右共用车道的通行能力与转向比例成负相关,与有效绿灯时间成正相关.     

考虑右转信号控制的共用车道通行能力模型

将直右共用车道车辆受阻挡情况分为直行红灯期间右转车流未被阻挡、直行红灯期间右转车流被阻挡、滞后放行期间直行车流未被阻挡和滞后放行期间直行车流被阻挡这4种情况,分别计算4种情况发生的概率及对应的通行能力,建立红灯右转和右转滞后放行信号控制条件下的信号交叉口直右共用车道通行能力模型.对典型交叉口的VISSIM开展仿真验证.结果表明,采用该模型能够精确地估计红灯右转和右转滞后放行条件下的直右共用车道通行能力,直右共用车道通行能力随着滞后放行时间的增加而减小.直右共用车道的通行能力与转向比例成负相关,与有效绿灯时间成正相关.     

基于车辆实际性能的元胞自动机模型

针对既有的元胞自动机模型对各类车辆的实际性能考虑不够,造成模型表现为混合交通特性准确性不高的缺陷,设计了一套改进的NS模型.该模型考虑了行人、自行车、小车、大车的实体大小,安全间距,最大速度,适用加速度,反应时间以及可能移动的最大距离等特性,并在计算机上编程实现了模型.运用该模型对信号交叉口处混合车流的排队消散情况进行了分析,采用车辆依次通过停车线的车头时距对模型的准确性进行了评价,并对不同大车比例下混合交通的平均车头时距进行了分析.输出结果与交叉口实际调查数据的对比显示:车头时距数值与实际情况吻合良好,得到的大车对小车换算系数为2.04.     

Capacity of unsignalized intersection with mixed distribution headway

In order to describe the time-headway distribution more precisely in urban traffic network,the mixed distribution model was introduced which has been widely used in mathematical statistics,and a capaci...     

基于风险预测的自动驾驶车辆行为决策模型

为了解决人工与自动驾驶汽车混行环境下无信号交叉口的通行权分配问题,提出基于驾驶员行为预测的自动驾驶汽车行为决策模型.利用模糊逻辑方法构建驾驶员的风险感知模型.基于风险均衡理论,结合可接受风险区间,预测人工驾驶汽车的行为选择策略.构建自动驾驶汽车的综合效用函数,利用博弈论求解最优行为策略组合,实现无信号交叉口车辆协同控制.仿真结果表明,面对异质驾驶员,自动驾驶汽车能够有效避免碰撞事故发生并提高自动驾驶汽车通过无信号交叉口的效率,保证驾驶员风险感知值处于可接受范围.在15组实验中,有93.3%的实验组能够保证车辆通过冲突点的时间差大于可接受的安全通行间隔时间,不同情景下自动驾驶汽车的通行时间是自由流状态的1.07～2.43倍.与无预测自私博弈模型的对比实验表明,所提模型能够显著提升自动驾驶汽车的通行效率.     

双车道路段公交车辆对交通流延误影响模型

根据路段上公交车运行的实际情况,分析了公交车辆行驶及停靠对车流的影响。流量较小的情况下,将公交车看作服务台,利用排队理论、间隙理论建立了公交车影响产生的延误模型;流量较大的情况下,结合车辆到达与服务图示,建立了延误模型,最后给出了计算实例。为评价路段服务水平、确定更合理的路阻函数提供了理论支持。     

智能网联混行环境下交叉口时空资源配置优化

在网联自动车辆（CAVs）与人工驾驶车辆混行环境下,构建混合整数线性规划（MILP）模型,以优化交叉口时空资源配置. 该模型以交叉口通行能力最大化为目标,约束条件主要包括车道渠化、流量分配和信号配时等相关约束. 以典型四车道十字交叉口为例,在网联自动车不同驾驶行为和不同渗透比例的条件下,优化交叉口渠化方案和信号配时方案. 结果表明,随着网联自动车占比和跟驰行为的改变,交叉口最优渠化方案和信号配时方案须相应调整. 网联自动车占比增大和跟车时距减小,均有利于提高交叉口的通行能力,且当网联自动车跟车时距不受前车类型的影响时,交叉口通行能力提高更多.     

T型交叉口车辆远引掉头评价模型

对T型无信号交叉口直接左转和下游中央分隔带远引掉头两种交通流组织下的车辆运行过程进行了对比分析,基于可接受间隙理论,分别建立了两种情况的车辆行程时间和停车延误计算模型。与以往研究相比,该模型不仅反映了主路交通状态,而且涵盖了道路的几何条件参数,因此模型计算结果为判断远引掉头是否适用提供了定量依据。根据计算示例绘制了车辆行程时间和停车延误曲线,对比结果与以往同类研究一致。     

两相位交叉口车辆冲突延误模型

针对两相位信号交叉口存在的左转车流和直行车流的冲突,研究了左转车和直行车在冲突点处经历的延误。首先在借鉴无信号控制交叉口次路车流Admas延误模型的基础上,推导了信号交叉口左转车流的冲突延误计算模型;然后应用概率论、间隙理论及排队论的相关知识建立了直行车的冲突延误计算模型;最后使用烟台市的实际调查数据对两个延误模型进行了验证,其平均相对误差分别为8.93%和17.32%,说明两个模型都具有较好的实用性。     

Vehicle actuation based short-term traffic flow prediction model for signalized intersections

Traffic flow prediction is an important component for real-time traffic-adaptive signal control in urban arterial networks. By exploring available detector and signal controller information from neighboring intersections, a dynamic data-driven flow prediction model was developed. The model consists of two prediction components based on the signal states (red or green) for each movement at an upstream intersection. The characteristics of each signal state were carefully examined and the corresponding travel time from the upstream intersection to the approach in question at the downstream intersection was predicted. With an online turning proportion estimation method, along with the predicted travel times, the anticipated vehicle arrivals can be forecasted at the downstream intersection. The model performance was tested at a set of two signalized intersections located in the city of Gainesville, Florida, USA, using the CORSIM microscopic simulation package. Analysis results show that the model agrees well with empirical arrival data measured at 10 s intervals within an acceptable range of 10%–20%, and show a normal distribution. It is reasonably believed that the model has potential applicability for use in truly proactive real-time traffic adaptive signal control systems.     

路段环境自动驾驶汽车通行权决策方法

为了解决路段自动驾驶汽车的通行权决策问题,提高交通流的运行效率和稳定性,基于可接受间隙模型和谈判理论构建路段自动驾驶汽车通行权决策模型. 综合考虑多种因素,基于可接受间隙模型对行人风险进行建模,将行人风险划分为低风险、中风险和高风险. 综合考虑风险、性格（激进和保守）和等待时间等对行人行为的影响,分析不同因素组合下行人和自动驾驶汽车可能采取的行为策略,基于该行为策略,利用谈判理论对自动驾驶汽车的通行权决策过程进行建模. 利用Python联合SUMO开源交通仿真软件对模型进行验证,仿真持续10 h. 3个模型的（保守模型、Gupta模型和本文模型）仿真结果表明,当行人产生频率为15 s时,自动驾驶汽车的平均行驶时间分别为661.5、399.5和327.6 s,平均延误时间分别为618 s、336 s和260.7 s,总流量分别为6 699辆、10 583辆和11 568辆. 当行人产生频率为30 s时,自动驾驶汽车的平均行驶时间分别为643.5、311.7和81.9 s,平均延误时间分别为599.9、244.4和6.5 s,总流量分别为6 879辆、11 741辆和11 971辆. 通行权决策方法的加入有助于降低自动驾驶汽车的行驶时间和延误,提升流量.