基于叠加相位的干线绿波协调控制方法研究

现有的绿波协调控制图解法和数解法存在干线交叉口处的绿灯启亮时刻难以与对应方向的车流到达时刻相匹配的问题,造成了部分时空资源的浪费,压缩了双向的绿波带宽,影响了干线协调控制的效果。针对这一问题,提出基于叠加相位设计方法的干线绿波协调控制方法。该方法在传统方法求解结果的基础上,根据绿波带的设计速度,插入叠加相位,灵活地错开调整交叉口沿干线的两个行驶方向的绿灯启亮时刻,更好地匹配其与对应方向车流的到达时间;以最大化双向绿波带宽为目标建立规划模型,并利用二分法设计求解算法,实现对最大绿波带宽和各交叉口配时的计算。研究结果表明:基于叠加相位的干线绿波协调控制方法可以实现在不改变绿波设计速度的情况下,有效增加双向绿波带宽,减小干线延误,缓解交通拥堵;相较于传统的绿波协调控制方法,该方法将绿波带宽提高了140%,将干线的平均延误减小了86.2 s,有效缩短了各交叉口的行程时间。     

学府大道双向干道绿波控制研究

基于对学府大道上六个交叉口交通状况的大量调研,提出该路段各交叉口信号控制现状的不合理。首先利用韦伯斯特配时模型优化各交叉口单点控制,然后引用数解法,针对学府大道上的研究交叉口群进行信号协调线控设计。最后,利用VISSIM交通模拟软件对线控配时方案进行仿真验证,通过比较道路通行能力和延误时间的变化,证明通过该双向绿波控制可有效地改善干道交通运行状况。     

基于双向最大绿波带宽的通用干道协调控制数解算法

针对现有数解算法假定绿波设计速度固定取值的局限,提出了一种基于双向最大绿波带宽的通用数解算法.首先确定了相邻理想间距的取值空间.其次推导了上行、下行偏移绿信比的计算公式.再次,给出了理想绿灯中心线其上下方绿信比的计算公式.最后,以双向绿波带宽之和最大为优化目标,以上行、下行绿波设计速度与信号周期为优化变量,建立了最大绿波带宽优化模型.以实例验证文中通用数解算法的有效性.分析结果表明:文中通用数解算法能够突破上行、下行绿波设计速度固定取值的局限,能够更易于获得理想的绿波协调控制效果,具有较好的通用性与实用性.     

考虑绿灯协调位置的双向绿波控制算法

为研究协调相位中绿灯不同协调位置对绿波带控制效果的影响,提出一种考虑绿灯协调位置的双向绿波协调控制算法。该算法考虑交叉口相位组成、相位顺序等因素,通过调整协调相位绿灯协调位置的方式,推导出协调相位绿灯起止时刻计算公式,以车均延误及停车次数最小为目标,完成干线绿波带的方案设计。通过算例对比分析绿灯协调位置,分别为0%、25%、50%、75%、100%时的延误和停车次数,以此来分析不同协调位置所对应绿波带方案的控制效果。算例分析结果表明,随着绿灯协调位置的改变,各绿波带控制方案的控制效果存在一定差异,在本算例中,协调位置在100%时车均延误及停车次数最小。该研究对优化绿波带控制效果、提高干线服务水平具有现实意义。     

面向双向不同带宽需求的绿波协调控制优化模型

通过引入绿波带宽分配影响因子与带宽需求比例系数,构造了一种新的绿波协调控制模型性能指标函数通式,针对MAXBAND（MULTIBAND）模型与通用双向绿波协调控制模型,分别建立了面向双向不同带宽需求的最大绿波协调控制优化模型,并对是否可以获得双向绿波带宽的两种情况,比较了控制模型改进前后的设计效果。分析结果表明：在难以...     

基于浮动车数据的行程时间可靠度特征研究

针对正态分布或对数正态分布往往不能有效地描述小间隔行程时间分布的问题,提出了基于浮动车数据的行程时间算法.通过基于浮动车数据的行程时间经验分布,得到了以15min为间隔的不同出发时段行程时间的可靠度指标.以广深高速公路同乐-宝安机场段为例,对不同日、不同出发时段的行程时间可靠度特征进行了分析.该研究方法对于描述交通条件变化比较频繁的城市交通环境的行程时间可靠度有较强的适应性.     

基于路边灯光诱导的双向绿波带设计

通过对现行理想干道典型路段交通运行状况进行分析,在现场实地调查的基础上,提出一种实现双向绿波信号控制的方法,用微观仿真软件(Vissim3.70)对路段进行仿真,并对现状和改进方案进行对比和评价,对于提高交通运输效率具有积极的现实意义.     

基于Monte Carlo的行程时间可靠性研究

从分析行程时间可靠性的概念及其重要性入手,提出了路段、路径、OD对以及系统行程时间可靠性的定量计算方法.在路段通行能力随机变化的条件下,基于Monte Carlo仿真建立了行程时间可靠性的求解算法.考虑到行程时间可靠性与出行者路径选择的相互作用,该方法将基于行程时间可靠性的交通分配纳入到行程时间可靠性的评价之中.用一个简单算例进行测试,结果表明该方法能够对行程时间可靠性进行合理评定.     

基于路径的行程时间可靠度评价方法研究

平均行程时间是交通运行评价工作及信息发布中经常使用的参数,但计算过程中由于采用算术平均而往往丢失了很多有用信息,其中就包括可靠度情况.因为现实中对于同一路径不同日期的相同时刻行程时间也是不一样的,人们为了准时到达目的地,出行前往往需要根据过去若干天的经验预估可能的异常情况影响,而这恰好是当前平均速度等交通指标所不能表示的.文章针对能准确反映这种不确定性对出行者产生影响的行程时间可靠度指标,进行分析及实证研究.     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

城市快速路行程时间预测模型研究

根据快速路行程时间数据序列规律分析,选择移动平均参数预测模型、指数平滑参数预测模型与卡尔曼滤波预测模型进行比对.通过上海市快速路车牌识别设备采集的行程时间实测数据,对各种模型的效果进行评估,结果表明:卡尔曼滤波预测模型在不同数据特征案例情况下均取得比较理想的效果.     

基于实时数据的路网行程时间可靠度模型研究

道路行程时间可靠度是衡量城市道路交通服务质量的指标之一。本文分析和处理道路实时交通数据．统计其行程时间的分布,并拟合行程时间的分布曲线。以此为基础,构建行程时间可靠度模型,并进行案例分析。本文研究得出：路段的行程时间服从正态分布;出行者要求可靠度越高,需要预估的行程时间就越大;即使出行者期望的可靠度相等,对应不同的出发时刻预估行程时间也不同。     

动态路段行程时间函数与BPR函数的比较研究

从交通流参数的处理入手 ,研究和分析了动态路段行程时间函数的确定过程 ,提出了动态路段行程时间函数式 ,并且与计算路段行程时间常用的BPR函数进行了比较 ,指出动态路段行程时间函数不但考虑了路段机动车交通量的动态性 ,更注重了路段出口交通量的变化情况 ,符合实际交通状况 ,具有实时、简单、实用等特点 ,适于在交通管理中运用     

基于时间便利性的行程选择

出行者基于广义成本最小化选择最佳的出行方式。广义成本包含资金成本、时间成本与舒适成本。随着社会的发展。出行者对时间成本看的越来越重。时间成本与时间长度和时间起始点有关,时间成本不仅包含出行者的时间价值也包括早到或晚到的损失。相对于频率较快的地铁与公交,满足乘客长距离出行的火车的时间点对乘客出行的影响很大。本文通过对杭州与上海之间的城际高铁后,出行者在汽车、自驾车及高铁三种方式之间的选择进行调查。得出列车行程安排应考虑旅行时间长度来安排起讫点的时间点,并通过两个例子来佐证合理的时间安排可增加列车的竞争力。优化出行结构同时也保证了列车的客源。本文的研究对于其他的城际列车有借鉴作用。     

紧急救援车辆实时行程时间研究

以分析紧急救援车辆行驶特性、行程时间影响因素为基础,运用波动理论建立紧急救援车辆实时路段行程时间预测模型,给出模型的标定方法,结合实际数据标定模型参数、检验模型精度。     

基于波动理论的城市快速路行程时间研究

首先对预测路段进行分段,然后计算各小段的行程时间并将其累加.结合道路拥挤时的集结波和消散波模型,提出基于随机排队理论的城市快速路行程时间模型.该模型简单易行且参数通过检测器即可直接获得,可以用于评价快速路的服务水平.     

城市快速路行程时间的统计分析与预测

实时交通预测分析一直是ITS领域一个重要的研究课题,它的研究进展也直接影响着ITS子系统ATMS（Advanced Traffic Management System）的实施。文章以北京二环快速路为研究对象,先使用浮动车数据计算出路段在不同时段的行程时间,再采用统计分析方法得出目标路段在相同时段下的行程时间的分布规律;在此基础上,对相同时段不同路段、相同路段不同时段的行程时间分布测度进行对比分析,并将其和道路服务水平进行对照,得出了若干有意义的结论和建议;最后,对行程时间计算结果进行了检验和评价,证明了计算结果的准确性。     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.