智能交通控制网络的短时交通流预测研究

研究智能交通控制网络的短时交通流准确预测问题.为保证智能交通控制的效率,短时间内采集交通流信息并作为预测参数快速完成交通流的预测,然而短时间内采集到的交通流数据有限,数据间的相关性不明显,传统的交通流预测方法针对短时采集的相关性不明显的数据进行预测,存在预测准确度不高的问题.为解决上述难题,提出采用多维标度法的短时交通流预测方法.利用多维标度法处理采集到的短时交通流数据得到数据间的潜在相关性,避免因短时数据间相关性不明显而造成预测准确度不高的问题,然后根据数据相关性建立交通流预测模型,按照预测算法流程完成交通流的预测.实验表明,改进方法能够根据短时交通流数据准确完成交通流的预测,保证了智能交通控制网络的效率和性能.     

BNs-OLS-SARIMA对城市短时交通流的预测*

通过在目标路口构建贝叶斯交通网（BNs）,并对与此交通网相关的交通流建立非平稳季节（SARIMA）模型,采用最小二乘法（OLS）取得相应模型的最佳权重组合,对缺失数据下的城市道路短时交通流进行预测。使用重庆市某路口的交通流数据对模型进行检测,通过多种预测指标对结果进行对比分析,结果表明BNs-OLS-SARIMA把交通流的网络结构与其周期性结合在一起,对短时交通流有良好的预测效果。     

快速路网单点入口匝道动态控制策略仿真评价研究

有别于以往工作,运用宏观交通网络动态建模理论与计算机仿真技术,以快速路网为考察对象,提出单点入口匝道动态控制策略的宏观交通仿真评价方法,设计了一种基于ALINEA原理的单点入口匝道动态控制算法,针对一多起点-多终点拥挤路网,开发仿真系统,给出控制前后路段交通状态时变图、全局路网交通状态图等可视化仿真结果,描述路网交通流演化,定量评价匝道控制效果。算例表明,控制后路网拥堵显著缓解,网络总耗时减少约5%。研究显示了单点匝道控制策略宏观交通仿真评价方法有助于深刻、全面、直观地理解路网交通流演化,剖析拥堵成因,设计符合全局、系统眼光的高效控制策略,给出定量评价,具有有效性与优越性。     

基于多通道Transformer的交通量预测方法

目前,我国高速公路拥堵程度居高不下,而交通流预测作为实现智能交通系统的重要一环,若能对其实现高精度的预测,那么将能够高效地管理交通,从而缓解拥堵。针对该问题,提出了一种考虑时空关联的多通道交通流预测方法（MCST-Transformer）。首先,将Transformer结构用于不同数据的内在规律提取,然后引入空间关联模块对不同数据间的关联特征进行挖掘,最后,借助通道注意力整合优化全局信息。采用广东省高速公路数据,实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型,在120 min预测跨度下,相比贝叶斯回归,MAPE降低了5.1%;对比Seq2Seq-Att以及Seq2Seq这些深度学习算法,所提方法的总体MAPE也能降低0.5%,说明通过多通道的方式能够区分不同数据的特性,进而更好地预测。     

基于交通流仿真的多指标航段结构研究

航段作为空域结构基本的构成要素之一,是空中交通必不可少的虚拟路网细分单元,对空中交通流的安全高效地运行有重要的作用.为探讨航段类型及其长度对航空器的活动以及航空器之间相互制约的影响程度,基于交通流仿真,建立了三种航段长度优化模型,并分别从飞行时间、燃油消耗、经济价值、机型特征、飞行冲突、管制员工作负荷等多指标分析优化结果.优化结果表明,随着航段长度的增加,单位航班飞行时间和燃油消耗均呈递减趋势,但两个优化目标不可兼得:仅优化时间时,航班总飞行时间减少2.87％;仅优化燃油消耗时,总燃油消耗降低2.56％;综合优化飞行时间与燃油消耗时,燃油消耗对航路结构的影响最大,此时总成本减少2.53％.     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

混有CACC车辆和ACC车辆的混合交通流驾驶舒适性

为了探索协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆对交通系统的潜在影响,分析了CACC车辆市场普及过程中存在的CACC车辆、自适应巡航控制(adaptive cruise control,ACC)车辆与人工驾驶车辆混合交通流驾驶舒适性.应用加州伯克利PATH实车验证的ACC模型和CACC模型进行数值仿真实验,采用国际ISO-2631-1标准评价混合交通流舒适性,并对ACC和CACC期望车间时距进行参数敏感性分析.最后,从交通流稳定性的角度,对舒适性仿真结果进行了讨论.结果表明:随着CACC市场率的增加,舒适性呈现先恶化、再逐渐提升的趋势.较大的ACC车间时距有利于抑制舒适性的恶化程度,CACC车辆对舒适性的提升作用不受其车间时距取值的影响.混合交通流稳定性定性地决定了舒适性的变化趋势,人工车辆安装车车通信设备,有助于舒适性的逐渐提升.     

基于复杂城市道路网络的交通拥堵预测模型

随着城市交通的发展,道路网络越来越复杂,交通拥堵越来越严重,准确预测交通拥堵是城市缓堵保畅,提高城市交通管理能力关键技术之一。传统马尔可夫预测模型中的单变量模型只能解决单个时间序列上的交通预测问题,一阶模型仅考虑了相邻时间点数据之间的影响,高阶多变量马尔可夫模型的预测精度不足,难以解决复杂城市道路网络交通拥堵预测的问题。对此,文章提出了一种添加调节项的高阶多变量马尔可夫模型(AAT-HO3M),证明了模型的收敛性,进行了参数估计,并参考城市道路交通运行评价指标体系,对城市拥堵进行预测分析。通过预测试验证明,AAT-HO3M预测精度高于传统高阶多变量马尔可夫模型和改进高阶多变量马尔可夫模型。预测效率优于改进的高阶多变量马尔科夫模型。     

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.