基于宏观基本图的禁左交通组织评价模型

随着城市交叉口交通压力增加,采用禁止左转车辆通行成为缓解过饱和交通拥堵和提升通行效率的重要手段。为克服现有禁左方法多以单个交叉口为研究对象,而对干道和区域禁左措施缺乏科学评价依据的局限性,本文基于宏观基本图(Macroscopic Fundamental Diagram,MFD)区域性交通状态刻画的优势,分别建立单点、干道及区域等不同评价范围的禁左交通组织评价方法。首先,基于Logit模型刻画交叉口禁左后流量转移;其次,以左转流量转移比例与道路等级为关键因素构建禁左后的MFD,得出基于MFD的禁左交通组织评价模型;最后,通过对昆明市北京路片区VISSIM交通仿真分析评价模型可靠性。结果表明：在仿真区域内,当左转车流占比小于15%时,采用单点禁左或干道禁左可以提升路网交通运行效率;当左转车流占比为15%~20%时,仅单点禁左可以提升路网运行效率;而在任何左转车流比例状态下,对区域禁左均会降低交通运行效率。     

基于宏观基本图的相邻子区协调控制方法

为了提升道路网整体运行效益,克服针对单个控制子区的最优化控制可能造 成的拥堵转移,本研究基于宏观基本图的概念,建立控制子区间驶入驶出交通量的协调 控制模型.该模型以两个相邻控制子区为对象,考虑各子区自身宏观基本图特征及交通量 流入流出关系.在运用博弈论对其相互作用进行描述的基础上,提出了一种以两个子区整 体运行效益最大化为目标的博弈控制逻辑及其求解流程.通过VS2010 对所建立的博弈进 行仿真,验证了模型的可行性及控制效果.研究表明,不同的控制策略对相邻小区的运行 水平（收益）会造成不同的影响,但经多次博弈后,两相邻控制子区整体运行状况可稳定 在一个最佳水平.博弈结果显示路网容量相对较小的控制子区更应受到保护,当内部车辆 数达到最佳车辆数时应对其进行流入限制.     

基于宏观基本图理论的公交站点形式影响分析

为从路网整体性能的角度给公交站点的设计提供依据,研究了公交站点的形式对路网宏观交通流的影响。首先,基于宏观基本图理论搭建宏观路网流量模型,并验证了其存在性;其次,利用宏观路网流量模型研究了直线式公交站点与港湾式公交站点路网交通流特征的差异性及其对宏观路网交通流的影响;最后,利用TOPSIS模型对上述影响进行评价。结果表明:当路网交通流量不大,路网平均占有率在10%以下时,直线式停靠站和港湾式停靠站的差异并不显著;当路网交通流较大时,表现出明显的高峰差异性,港湾式公交站点的宏观路网平均流量容纳阈值高于直线式公交站点。     

环放路网宏观基本图信号周期敏感性分析

为揭示路网宏观基本图(MFD)对信号周期的敏感性,首先,提出一种基于GMM的宏观基本图建模方法,并在此基础上提出路网运行效率和稳定性的表征方法;其次,提出MFD 对信号周期敏感性的仿真实验设计方法;再次,以环放路网为例,进行仿真实验,分析信号周期的变化对MFD的影响,进一步揭示信号周期对路网运行效率和稳定性的影响机理. 结果表明,合理的信号周期对MFD和路网的效率及稳定性影响不大,但周期过大或过小则对MFD 和路网的运行效率及稳定性造成较大影响. 该结论可以为路网交通控制和优化提供依据.     

基于仿真实验验证宏观基本图的存在性

研究采用Vissim仿真实验的方法,验证了宏观基本图模型的存在性.通过实测数据的标定,建立了阿姆斯特丹高速公路交通网络模型.为了使宏观基本图能够反映交通拥堵产生的全过程,采用实验对比的方法确定了网络交通需求的大小.通过采集关键参数验证了宏观基本图（MFD）在仿真路网中的存在性.研究分析了不同车道数的临界密度,定义了不同严重程度的路网拥堵,基于仿真数据,用MFD模型反映了路网拥堵的动态变化过程.     

环放路网宏观基本图信号周期敏感性分析

为揭示路网宏观基本图(MFD)对信号周期的敏感性，首先，提出一种基于GMM的宏观基本图建模方法，并在此基础上提出路网运行效率和稳定性的表征方法；其次，提出MFD 对信号周期敏感性的仿真实验设计方法；再次，以环放路网为例，进行仿真实验，分析信号周期的变化对MFD的影响，进一步揭示信号周期对路网运行效率和稳定性的影响机理. 结果表明，合理的信号周期对MFD和路网的效率及稳定性影响不大，但周期过大或过小则对MFD 和路网的运行效率及稳定性造成较大影响. 该结论可以为路网交通控制和优化提供依据.     

基于多源交通数据融合的短时交通流预测

不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络(GA-WNN)的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。     

基于速度里程分布的快速路宏观交通状态评价模型

随着城市规模的不断扩大,快速路已成为支撑城市道路交通系统运行的重要 部分.准确的快速路宏观交通状态评价是快速路交通管理的关键.本文以北京市西三环为 例,引入交通流宏观基本图模型,设计了基于速度里程分布的快速路宏观交通状态指数 （MTCI）.首先,利用RTMS 数据,建立了宏观基本图模型.在此基础上,将快速路宏观交 通状态划分为畅通、基本畅通、轻度拥堵、中度拥堵和阻塞五个等级.然后,利用浮动车数 据建立了快速路车辆运行速度累积里程分布模型.通过关联宏观交通流状态与车辆运行 速度累积里程分布,构造了基于速度里程分布的MTCI 评价方法,并通过实例验证了该 模型的适用性.     

基于自适应加权平均的路网MFD估测融合方法

路网宏观基本图(Macroscopic Fundamental Diagrams,MFD)的估测方法有基于固定检测器数据估测法和基于浮动车数据估测法,但很少有文献将两者结合起来,鉴于此,本文提出以车联网环境下联网车数据估测的交通参数为检验数据,引入动态误差,建立两个自适应加权平均数据融合模型,对两种估测法所得的路网加权交通流量和路网加权交通密度分别进行数据融合,从而更加准确地估测路网MFD.为验证模型的有效性,以广州天河区核心路网为研究区域,通过Vissim交通仿真建模分析,对比各种估测法所得路网MFD参数的平均绝对相对误差、路网MFD的状态比和差异值.结果表明,经数据融合后的路网MFD参数平均绝对相对误差和路网MFD差异值均最小,最接近标准路网MFD.     

网络交通流宏观基本图：回顾与前瞻

文中对MFD相关研究成果进行系统地回顾,分析总结在MFD的基本性质、影响因素以及基于MFD方法的网络交通分析、管理与控制等三个主要方面的研究成果.进而从MFD方法本身及其应用两个角度,提出了未来潜在的研究方向.在城市交通拥挤问题日益突出的背景下,成果可以促进更加深入的MFD相关理论研究,并推动其在网络交通拥挤分析与缓解策略等方面的应用.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令、IC、AFC、GPS 等大数据,通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析;最后,以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知,传统抽样调查居民出行漏报率为30%,每天出行2次的比例相差39.5%,全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明,多源数据融合驱动的居民出行特征分析方法,在总量上有效挖掘居民出行的沉默需求,在时空分布上起到了“削峰填谷”的作用,是一种研究居民出行特征的有效方法.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令、IC、AFC、GPS 等大数据,通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析;最后,以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知,传统抽样调查居民出行漏报率为30%,每天出行2次的比例相差39.5%,全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明,多源数据融合驱动的居民出行特征分析方法,在总量上有效挖掘居民出行的沉默需求,在时空分布上起到了“削峰填谷”的作用,是一种研究居民出行特征的有效方法.     

基于地面路网MFD 的快速路出口匝道流量分配模型

过于集中的流量分配易导致出口匝道和与之相衔接的地面道路过饱和,进而影响快速路和地面路网的通行效率.为提高路网中车辆通过快速路到达目的地的通行效率,基于地面路网宏观基本图（Macroscopic Fundamental Diagram,MFD）,以出口匝道通行能力和与之相衔接的地面路网承载能力为约束条件,以整个路网的车辆总行程时间最短为优化目标,建立快速路出口匝道流量分配模型.根据宏观网络车流平衡方程,采用改进的遗传算法对模型进行求解.最后,通过实际路网验证了模型的有效性.结果表明,该模型可有效提高车辆通过快速路到达目的地的通行效率,同时降低出行成本.     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.