速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

短时交通流智能混合预测技术

为了克服现有单项预测技术对不同交通流状况的局限性,提出一种新的短时交通流智能混合预测模型.该智能混合预测模型包括3个子模型:历史平均模型、人工神经网络模型和模糊综合模型.历史平均模型以历史数据为基础,利用一次指数平滑法良好的静态稳定特性,对交通流量进行预测.人工神经网络模型采用常见的由S函数神经元组成的1.5层前馈神经网络,由于人工神经网络具有强大的动态非线性映射能力,该模型对动态交通流量的预测具有较高的精度和满意度.根据上述2个单项模型的特点,为了充分利用它们对不同交通状况的适应性,进一步提高整体预测效果,采用模糊逻辑来综合这2个单项模型的输出,并把模糊综合模型的输出作为整个智能混合模型的最终交通流量预测值.实际应用结果表明,该混合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了2种模型各自的优势,是短时交通流预测的一种有效方法.     

高速公路动态交通流支持向量机预测模型

为了提高高速公路的交通运行效率,需要实时预测各路段交通流参数状况,通过对高速公路宏观动态交通流模型的分析,以及对SMO支持向量机参数选择的研究,提出了高速公路动态交通流支持向量机预测模型.以西安-宝鸡高速公路交通流信息采集数据对模型进行训练、测试和仿真,预测平均相对误差小于3.84%,表明了模型的有效性.     

基于神经网络的高速公路交通流预测模型及其应用

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系,给出了基于BP 神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模,该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.     

雨天环境下高速公路交通流特性及模型研究

降雨对高速公路交通流会产生一定的影响。为量化分析不同强度降雨对高速公路交通流微观和宏观特性的影响程度,根据实际观测的高速公路交通流和降雨量数据,确定了各种降雨类型下微观交通流特性参数(如速度、车头时距、车头间距等)的分布规律;对经典的宏观交通流模型进行了对比分析,选择Van Aerde模型作为雨天环境下高速公路交通流模型,运用启发式算法对各种类型降雨下的模型参数进行了标定,并给出了不同天气下交通流量-速度关系曲线和速度-密度关系曲线。结果表明,与无雨天气相比,小雨、中雨和大雨天气下高速公路平均速度分别下降4.7%、9.8%和16.1%,通行能力分别降低10.5%、17.4%和27.1%。     

高速公路合流区主要参数对自动驾驶车辆的影响

为探究现有高速公路合流区对自动驾驶车辆的适应性,分析现有高速公路合流区加速车道长度和通视三角区角度对自动驾驶交通流的影响规律,并与传统交通流进行对比。依据自动驾驶车辆在感知、跟驰和换道行为以及与周围车辆的协作方面更迅速安全等特点,改进了Krauss跟驰模型和LC2013换道模型以适应自动驾驶车辆特征。依据车辆换道可接受间隙建立车辆跟驰间距计算公式,在满足换道安全的基础上对跟驰模型参数进行改进。结果表明:在现有的高速公路合流区平面设计参数条件下,自动驾驶交通流的安全性、效率及稳定性均优于传统交通流,与传统交通流相比,自动驾驶交通流冲突数减少了100%,平均延误降低了60%～71%,平均车速提高了近20%且更稳定;在不同平面设计参数下,自动驾驶车辆的冲突数均为0,平均延误保持在0.65 s左右,平均车速稳定在33～34 m/s。现有的高速公路合流区平面设计参数在安全、效率和稳定性方面均能较好地适应自动驾驶车辆,且参数的取值对自动驾驶车辆影响不大。     

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。     

基于智能相机的混合交通流检测方法

针对目前缺乏混合交通视频智能检测设备的问题,利用CCD传感器与DSP芯片构建了智能相机框架体系和硬件原型系统,采用背景初始化、背景模型与前景获取、物体分割、特征提取、多目标识别分类、摄像机参数标定等视频图像处理技术,构建了混合交通流检测软件方法体系,开发了相应的嵌入式算法系统,实现了混合交通流参数检测。在不同交通状态下的测试结果反映了该系统具有良好的性能,可实现混合交通流参数检测。本方法可为混合交通流智能相机的研发提供借鉴和参考。     

高速公路主线可变限速控制方法

为了解决高流量状态下高速公路主线瓶颈区域交通流运行态势恶劣,导致车辆行程时间增加、道路通行效率降低等问题,从高速公路交通流运行时-空特性角度出发,对宏观交通模型METANET改进,使其能够描述可变限速控制条件下道路交通流运行状态,并以改进模型为基础,提高通行效率和缩短行程时间为目标,构建高速公路主线交通优化控制模型.实验结果表明:高速公路主线可变限速控制方法能够根据道路交通流量的变化对安全限速值动态设置,实现对危险区车辆到达率的动态控制.实施高速公路主线可变限速控制方法可有效提高道路通行效率,缩短车辆行程时间.     

基于CTM的高速公路隧道入口段交通流仿真与分析

为模拟隧道内事故发生前后隧道入口段交通流的变化状况,首先采集事故发生前后交通流参数,应用CTM模型对事故发生前后隧道入口段交通流进行仿真,再运用GEH值比较仿真值与实际值之间的差异,通过交通流参数曲线反映交通流集聚状态,最后,基于CTM模型产生的安全指数评价二次事故风险.结果表明:运用CTM模型的仿真状况与实际状况吻合度较高,能较好的描述隧道内事故发生前后交通流状态,特别是交通激波现象的产生及变化趋势,还可以对二次事故风险进行评价并描述其时变规律,模型可作为高速公路隧道入口段交通模拟与安全评价的有效手段.