高速公路交通事件线性模型及车流波分析

高速公路由于交通事件的发生导致正常交通流发生改变,为了消散车流拥挤或阻塞,减少排队延误,应采取一定干预措施。运用流体力学车流波理论,分析了交通事件和干预措施综作用下对车流状态的影响,建立了关于车速与交通密度线性模型下的车流波波速模型,这些模型为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据。     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

基于需求预测与CTM的高速公路交通事件影响范围预测

交通事件在高速公路上经常发生,其时间与空间上的不确定性,以及对上游路段和相邻国省道带来的动态衍生影响,使得提前制订具有针对性的预案难度很大.如何快速预测交通事件的影响范围以及交通管控措施的实施效果,成为高速公路应急处置管理的基础.提出基于交通需求预测与元胞传输模型相结合的技术,首先通过卡尔曼滤波算法估计和预测交通需求矩阵,并将上述交通需求加载在元胞传输仿真模型中模拟未来路网的交通运行状态,用于实时、快速预测交通事件发生后未来短时的交通拥堵发展态势.基于该技术,开发了公路网交通运行状态预测系统,通过实际数据的测试,证明该系统在公路网交通事件影响范围预测方面具有良好的精度,并且预测精度随着路网基础交通量的增大而提高.     

基于浮动车的高速公路交通事件自动判别方法研究

交通事件判别是高速公路事件管理系统的重要组成部分，提高事件判别算法性能可以显著改善事件管理系统的运行效果．文中阐述了国内外交通事件自动判别方法的研究现状，分析了以往基于固定式检测器的事件判别算法之不足，如检测速度较慢、低流量情况下检测效果较差、可移植性不强等．根据交通事件会显著影响车辆运行速度这一特点，提出了一种基于浮动车数据的交通事件自动判别算法．仿真结果表明，算法具有较高的事件判别率（92．5％）、较低的误判率（1．2％）和较短的事件判别时间（1．6min）．     

基于MOBILE6模型的车流波状态尾气排放问题研究

车流波现象是城市交通流中一种不稳定状态.当城市快速路出现车流波现象时,车流运行的平稳性会明显降低,同时燃油消耗量和尾气排放量却随之上升.因此,对车流波状态下尾气排放进行研究是十分必要的,对于整个城市大气环境的改善意义重大,也更加有利于和谐、可持续交通的发展.     

基于GIS的高速公路交通事件信息管理系统设计及应用

从高速公路交通事件信息管理系统的构成人手,逐步从系统功能、软件模块结构到实现方法的选择进行了研究;并介绍了交通事件信息管理系统设计的开发与实施的方法。在分析地理信息系统软件应用的基础上,开发了交通事件信息管理系统应用平台,并通过了方案实施,证明了系统的可行性,且具有实际应用价值。     

用交通动力学法对高速公路事件影响分析的研究

应用交通动力学分析算法对高速公路偶发性事件影响进行研究，推导出偶发性拥挤下排队率、消散率、最大排队长度、总延时车时数、拥挤下的总通行车时数等参数，并将分析结果与确定性排队分析算法的结果进行了比较，认为本算法能更加准确的分析事件的影响。以算例对这种算法的具体应用、与确定性排队分析方法的具体差别作了说明。     

基于神经网络和多信息融合的高速公路交通事件检测算法

高速公路事件检测是事件管理过程的核心和关键,在总结国内基于神经网络事件检测算法的基础上,提出基于LVQ网络模型和信息融合的交通事件检测新算法,将主线检测器得到的信息和收费站处得到的信息进行融合来判断交通事件的发生。将LVQ神经网络作为分类器进行交通事件自动检测,为进一步提高神经网络的泛化能力,采用改进的Boosting算法,进行网络集成。仿真实验表明:该算法具有更高的检测率、更低的误报率,可以明显改善检测效果。     

交通事件影响分析传递函数—噪声模型

着重探讨了干预型交通事件影响分析传递函数-噪声模型的一般形式，及其识别、标定与检验的方法，并应用该模型对高速公路隧道内交通事件的交通量的影响进行了分析。     

����boosting �㷨�Ľ�ͨ�¼����

提出一种新颖的基于boosting模糊分类的交通事件检测方法。该方法利用Boosting方法和遗传算法以迭代形式获取一组模糊规则及规则对应的权值，分类器以加权投票方式进行分类决策。运用Matlab 进行了仿真分析，结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测。     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。     

交通事件下快速路拥堵蔓延消散时空范围模型

研究了交通事件下拥堵蔓延消散的时空范围分析方法与模型,交通事件引发的拥堵会以某一初始蔓延速度向上游蔓延,直至达到最大蔓延边界后开始消散.通过对事件下拥堵蔓延速度的影响因素进行量化分析,建立了时变的拥堵蔓延速度模型;然后通过收集处理数据,进行参数估计;最后利用实际数据,进行了模型的实例应用,对不同情况下的交通拥堵蔓延消散规律进行了研究.该模型可预测交通事件下的交通拥堵边界和持续时间,便于交管部门制定缓堵策略.     

基于水波原理的城市突发事件交通影响程度研究

分析城市突发事件对交通的影响程度,从而采取相应的交通应急对策,具有重要的现实意义.本文借助水波原理,将城市突发事件对交通的影响比拟成往水中扔石头产生的效应.提出了交通影响系数概念,并以此来界定突发事件对交通的影响程度;引入累积交通影响系数概念,利用二重积分构建了累积交通影响系数理论模型,从而评价突发事件对周边路网的综合交通影响程度.选取一起交通事故为例,在对调查数据筛选和整理的基础上,得到了交通影响系数时空分布图;根据交通影响系数随时间和距离的变化曲线特征,利用MATLAB构建了交通影响系数与时间和距离的关系模型;最后计算得到了事故的综合交通影响程度为0.466 7,结果表明该起事故对周边交通的影响较大.     

����Ӱ�������»��ڽ�ͨ�����۵��Ŷ��о�

以交通波理论为指导,以平面信号交叉口为分析对象,重点研究了公交影响条件下单机动车道的排队过程. 结合不同车型机动车混合行驶的特点,通过引入不同车型间的饱和车头时距值并对其进行统计分析,刻画信号周期内交通波的传递情况,探讨了车流平均饱和车头时距和排队消散密度的变化规律,改进了传统的交通波排队模型. 基于北京四道口信号交叉口的实际交通情况,结合通调查结果和MATLAB程序计算结果,对模型进行参数标定和有效性验证,得到相关评价指标及其变化规律. 研究发现,交通波理论在公交车－小汽车混合车流的排队问题研究中,具有较强的适用性;另外,研究饱和车头时距值的变化规律有利于更加准确地刻画排队过程中交通波的传递行为.     

高速公路交通事件清除时间模糊逻辑预测模型

清除时间是高速公路交通事件持续时间中的一部分,与事件影响范围密切相关.通过对某高速公路事件数据及交警执勤记录进行分析,提出了救援车辆的清除时间新定义,该定义与事件持续时间有更强的相关性.随后采用含自适应算法的TSK模糊逻辑推理方法,通过对基于事件数据的人工神经网络训练,建立了交通事件清除时间的预测模型,并讨论了模型的适...     

公交影响条件下基于交通波理论的排队研究

以交通波理论为指导,以平面信号交叉口为分析对象,重点研究了公交影响条件下单机动车道的排队过程. 结合不同车型机动车混合行驶的特点,通过引入不同车型间的饱和车头时距值并对其进行统计分析,刻画信号周期内交通波的传递情况,探讨了车流平均饱和车头时距和排队消散密度的变化规律,改进了传统的交通波排队模型. 基于北京四道口信号交叉口的实际交通情况,结合通调查结果和MATLAB程序计算结果,对模型进行参数标定和有效性验证,得到相关评价指标及其变化规律. 研究发现,交通波理论在公交车－小汽车混合车流的排队问题研究中,具有较强的适用性;另外,研究饱和车头时距值的变化规律有利于更加准确地刻画排队过程中交通波的传递行为.