排序方式: 共有23条查询结果,搜索用时 21 毫秒
1.
电动自行车数量的急剧增长导致其在绿灯释放阶段膨胀特性明显,进而加重了交叉口的机非冲突、降低了车流的通行效率。利用视频轨迹提取技术,通过光流法的表现形式描述直行电动自行车在绿灯期间的膨胀特征,并根据其密度变化、膨胀差异和电动自行车对机动车的影响程度,确定出释放初期为主要研究时段;同时,提出了一种反映电动自行车膨胀变化的新型指标膨胀度,分别通过线性相关分析、秩相关性分析和偏相关分析,确定了车路环境中影响膨胀度的动态因素和静态因素;最后基于6个信号交叉口的实测数据,建立各因素与膨胀度的数学关系模型,并结合实际交通条件,给出不同车路环境下电动自行车的管控措施与渠化方法。研究结果表明:车路环境中的电动自行车流量、机动车流量、电动自行车过街距离、非机动车进/出口道宽度、机非分隔带设置情况这5种因素对膨胀度的影响能力各异,右转机动车流量与膨胀度相关性最高。此外,动态因素与膨胀度之间具有确定的函数关系,存在电动自行车与机动车流量均衡效益最大的优势区域;静态因素的差异会导致电动自行车膨胀形式的变化;膨胀度可与动态、静态因素构建复合函数模型。研究成果可为混合交通流的渠化设计和信号配时提供理论依据和技术支持。 相似文献
2.
基于出租车GPS大数据的城市热点出行路段识别方法 总被引:1,自引:0,他引:1
连续两个出租车 GPS定位点之间的时空间隔使得乘客上下车的位置必然介于一个线性区间内,据此提出轨迹线密度方法,用于在位置界限模糊的热点出行区域进一步搜索热点路段.利用成都市出租车 GPS数据,借助核密度估计分析出租车上下客位置的时空特性;基于轨迹线密度方法,计算了成都市春熙路商圈的路网密度值,划分路段热点强度,识别出了热点路段的位置,结合实际的出行需求分布完成方法有效性的验证.结果表明,本文所采用的方法能够有效识别出行需求旺盛的城市热点路段,不仅可以为出租车司机寻找客源提供重要的参考,还能够在交通相关部门选择出租车停靠站的位置时提供数据支持. 相似文献
3.
4.
提前右转组织方式及其影响分析 总被引:1,自引:0,他引:1
以可插车间隙理论和概率论为基础,建立了固定与可变交织区长度的提前右转组织方式下右转机动车通行能力计算模型与延长交织区所能够增加的通行能力的计算模型,提出了提前右转组织方式的适用条件。以平均延误为指标,对比分析了两种组织方式下右转机动车的运行效果,基于Webster信号配时方法,对实行提前右转方式的交叉口内直行和左转车流的通行能力进行了分析。分析结果表明:采用提前右转组织方式后交叉口直行和左转通行能力增加;在右转机动车提前右转能够满足通行能力时,提前右转可减小冲突区的面积,否则,可以通过延长交织区长度来增加通行能力,以减少右转车的平均延误。 相似文献
5.
6.
交叉口机动车运动轨迹特征提取与标定 总被引:2,自引:0,他引:2
为探讨机动车在交叉口的运行特性,采用复合特征提取算法获取图像上机动车运行的轨迹特征;在多边形线性扫描算法的基础上,考虑摄像机成像畸变的影响,引入中心偏移因子,提出了考虑中心偏移的多区域扫描标定算法,将运行轨迹图像特征转化为真实的运动特征;最后,与多边形线性扫描算法的计算结果及实测数据进行了对比,结果表明:该算法能够有效地提取交叉口机动车的运行轨迹,准确地表征机动车在交叉口的相关运行特性;与实测车速相比,计算得到的机动车速度误差小于4%. 相似文献
7.
提出侵占时距的概念来描述非严格优先权下许可相位左转车流的微观特性,并根据左转车辆通过时,交叉口内对向直行车辆的不同存在形式,划分成了4种交通状态.基于大量的实测数据,利用7种不同的模型对侵占时距分布进行拟合.采用最大似然估计法进行参数估计,通过Kolmogorov-Smirnov检验对不同模型在不同状态下的拟合优度进行判定.最终得到Log-Logistic模型对不同交通状态下的拟合效果最优,并且其模型参数值的大小与对向直行车辆的不同存在状态有关.最后,选取了2个交叉口作为验证组,验证了Log-Logistic模型在不同交叉口不同交通状态下的适用性. 相似文献
8.
9.
交通需求的不均衡和波动会增加分布式信号控制优化的难度. 由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响. 本文融入博弈论的混合策略纳什均衡概念,改进IA-MARL的决策过程,提出考虑博弈的多智能体强化学习(G-MARL)框架. 在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中,分别对基于IA-MARL 和GMARL 的分布式控制方法进行数值模拟,获取单位行程时间和单位车均延误曲线. 结果显示,与IA-MARL相比,G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%. 证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制. 相似文献
10.
为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。 相似文献