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.     

考虑路口上游停靠站影响的公交延误模型

针对路口上游停靠站影响下的公交延误分析问题,考虑路口上游停靠站位置、信号配时、停靠时间、输入流量等因素,将建模场景按照是否设置公交专用道以及停靠站位置是否大于路口最远排队点分成3类,基于交通波理论对各场景分别建立停靠站影响下的公交延误模型. 通过数值模拟,对所建模型进行分析测算. 结果表明,BL场景下的期望公交延误仅与周期和绿信比有关;NBL1场景下的延误随着流量、周期、红灯时长的增大而增大,且与公交停靠时长无关,NBL2场景下的延误随着站点距离的增加呈现先减小后增大的趋势;在相同条件下,随着流量的增加,NBL1下的期望公交延误最大.