高密度瓶颈交通流主动-回应汇入行为定义与建模

汇入行为是导致高速公路、快速路汇入区瓶颈失效的根本原因,也是引发车辆冲突、交通事故的重要诱因。基于上海虹许路汇入区高精度轨迹数据,在经典的3类汇入行为(自由、协作、压迫)分类基础上发现并定义了一类新的汇入行为:主动-回应汇入,即在目标车道插车间隙不足的条件下,汇入车辆通过横向偏移主动表达汇入意图,引发后车合作让行,从而实现汇入。由于传统的换道类型划分方法已不适用于描述瓶颈区汇入过程的复杂交互现象,因此根据汇入车辆的横向位置将汇入过程划分为4个时段,以目标车道后车让行的时段不同对4类汇入行为进行了重新划分。基于此对虹许路汇入区轨迹数据中的汇入行为进行分类,并比较主动-回应汇入行为与经典的3类汇入在汇入位置与汇入间隙变化分布的差异。进一步,采用风险空间理论判断目标车道间隙的可汇入程度,并结合混合高斯-隐马尔可夫模型实现对后车的让行意图识别,建立了主动-回应汇入模型。最后构建了瓶颈交通流仿真原型系统以验证模型有效性。结果表明:在宏观交通流层面,主动-回应汇入行为在汇入位置、速度和间隙的分布上与实证数据一致,均值没有显著差异;在个体行为层面,也能再现定义描述的"主动试探-两车博弈-回应让行"的过程。该研究成果对解析瓶颈交通流早发性失效机理、揭示汇入风险变化过程以及设计符合人类驾驶人交互特征的自动驾驶汇入策略均具有重要的指导意义。     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

市域铁路与城市轨道交通换乘站瓶颈识别与优化

采用静态评价与动态评价相结合的方法研究了市域铁路与城市轨道交通换乘站的瓶颈识别与优化问题。首先,分换乘方向确定了基于乘客换乘需求的换乘服务水平评价指标体系,结合熵权法建立了用于评价换乘站换乘服务水平的综合评价模型;其次,采用Anylogic仿真动态模拟乘客在车站的换乘过程,根据仿真结果及综合评价模型分析了换乘站的换乘服务水平,识别换乘站的能力瓶颈;最后,以犀浦站为例进行了分析,分析得到犀浦站的能力瓶颈是检票闸机、铁路售票机及铁路实名制验票机。仿真结果表明,该能力瓶颈识别方法对换乘站设备布局及流线组织有一定的参考意义。     

打造一流的综合立体交通网络体系

古有“阡陌交通,鸡犬相闻”,隧得见陶渊明笔下的桃花源,后有“要致富先修路”“路路通百业兴”,便利交通之于人类社会发展的重要性不言而喻。交通运输是经济社会发展的先行官,也是国家现代化程度的重要标志。如今,我国交通运输发展实现了由“瓶颈制约”到“初步缓解”再到“基本适应”的阶段性转变,中国交通运输实体线网建设以惊人的速度,描摹出一个大写的中华,更为经济社会发展、人民群众安全便捷出行作出了重要贡献。     

城轨交通呈多样性发展是城市形态演化中的社会需求

城市是人类政治、经济、社会、文化的聚焦点，人类频繁活动的集散中心，交通是城市生命之足。城市根据其规模等级、结构特征、自然环境、发达程度等不同，每个城市均拥有自身的不同形态，试图采用单一的城轨交通技术模式来解决多形态城市交通瓶颈问题，是不可能和不经济的，发展也是不持续的。     

观点

交通运输紧张状况有所缓解,瓶颈制约基本消除。但与当前扩大内需、发展实体经济、不断改善民生的需求相比,与经济社会发展的要求还有差距。——交通运输部党组书记、部长李盛霖在《做客中央台》表示。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。      

精益生产在生产现场改善中的应用研究

本文为解决企业中出现的一些资源浪费及如何降低成本,通过对精益生产的相关理论的研究,分析了精益生产的特点及其优越性,并以精益生产理论体系为基础,对现场改善理论进行了研究,对于有效的减少作业过程中的人员浪费,均衡工作地负荷,提高生产线的生产效率具有一定的指导意义。     

上海港集装箱码头未来10年发展之瓶颈及对策

上海港集装箱业务近10年来呈现跳跃式发展,集装箱吞吐量从2000年的逾400万TEU增长到2010年的2 905万TEU,超过新加坡港跃居世界第一.未来10年上海港的集装箱业务是否仍能保持这种突飞猛进势头值得深思.     

快速路入口匝道瓶颈宏观交通流模型

基于入口匝道汇入方式与基本图形态, 提出了一种调整型元胞传输模型; 增加了入口匝道状态变量以追踪入口匝道交通状态, 定义了新的入口匝道汇入规则; 将双通行能力基本图引入到调整型元胞传输模型中, 以适应不同交通状态下通行能力的变化; 将单纯形法与遗传算法相结合, 提出了混合多目标参数优化方法; 建立了3个仿真场景, 评价调整型元胞传输模型与混合多目标参数优化方法的效果。仿真结果表明: 在预测入口匝道上游主线拥堵发生与结束时间方面, 与经典元胞传输模型相比, 调整型元胞传输模型将时间预测准确性分别提升了22.3、10.8 min; 在模拟入口匝道汇入段主线拥堵传播与消散方面, 调整型元胞传输模型模拟结果更加符合实际的传播与消散规律; 在模拟试验路段早发性失效交通特性方面, 调整型元胞传输模型对于拥堵前最大流量与拥堵后消散流量的拟合误差在4%以内, 小于经典元胞传输模型; 在模型仿真精度方面, 调整型元胞传输模型各项评价指标均优于经典元胞传输模型, 前者的仿真速度误差为10.42 km·h-1, 较后者降低了25.4%;与传统的遗传算法相比, 混合多目标参数优化方法的总计算次数更少, 参数标定过程总耗时缩短了29.3%。