摘要：为解决传统车队离散模型参数不能反映交通流实时变化特征的不足,利用车联网环境下实时的行程时间数据对模型参数进行动态估计,并在此基础上构建行程时间服从截断正态分布的动态车队流量离散模型。然后,通过实地调查数据,分析了路段上下游断面流率分布的特征和关系。最后,将本文模型与传统静态模型的预测结果和实际到达流率分布进行比较分析。结果表明:本文模型能够更准确地预测下游断面交通流的到达分布;且路段交通流的波动性越大,本文模型预测效果越好;与传统静态模型相比,本文模型预测的平均均方误差减少了23.55%。

摘要：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.

摘要：利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.

摘要：为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.

摘要：为使城市交通运行更加通畅,设计城市干道双向绿波协调控制方案。根据理论知识和实际工程实施经验,提出不同交叉口间距及行程时间情况下设计双向绿波方案的方法和技巧,按照路口间距、周期特点,设计信号相序相位,将对称相位、单口放行相位和搭接相位等相位灵活组合运用,然后分配绿信比,找到双向绿波上行、下行绿波带宽最大化且较均衡的相位差。以曲靖市金宝路6个路口为例,设计双向绿波协调控制方案,并下载方案试运用。通过绿波下载前、后实地驾车实验对比发现,行车时间减少60%,停车次数减少49%,验证方案可行性。该方法在曲靖市很多干道信控路口实施应用,取得了较好的社会效益。

摘要：针对行程时间点预测不能描述预测结果的可信度问题,以高速公路收费系统作为基础数据源,提出基于Bootstrap的高速公路行程时间区间预测模型,通过范围概率(PICP)、预测区间平均宽度(MPIW)以及综合指标(CWC)反映区间预测性能.对预测模型建模和Bootstrap置信区间估计方法两个关键步骤进行分析和实证,比较小波神经网络和K最近邻两种常用数据驱动方法的预测误差,并分析4种Bootstrap置信区间估计方法的区间预测性能.在相同的置信水平下, Percentile Bootstrap-KNN模型的综合指标值CWC最小,说明该模型区间预测性能最佳.对陕西省高速公路某热点OD进行实例分析,结果表明,采用相同预测算法的区间预测比点预测的误差小,且预测区间宽度可以表征预测结果的可信度和参考价值.

摘要：为解决交通网络最优路径问题,提出改进的行程时间估计模型,并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进,用路段节点的到达速度代替同一出发时刻下测得的速度,通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先,基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径;其次,分别用改进的行程时间估计模型估计K条最短路径的行程时间;最后,以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明:改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%;算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度,而且最优路径的行程时间估计结果与真实值的MAPE保持在3%内。

摘要：考虑到高速公路行程时间影响因素繁多且行程时间序列非线性、非平稳特征显著,设计了基于经验模态分解和GRU神经网络的高速公路行程时间组合预测模型.首先,利用高速公路收费数据中车辆进出高速公路的时间信息获取路段行程时间序列;然后,利用经验模态分解算法,将复杂的行程时间序列分解为若干时间尺度不同、相对平稳的本征模态函数分量和残差分量;接着,使用GRU神经网络对各本征模态函数分量和残差分量进行预测与集成操作.实例分析表明:经验模态分解可有效提高LSTM、GRU神经网络的预测精度;在相同参数设置的情况下,GRU神经网络的预测精度优于LSTM神经网络.

摘要：为准确预测高速公路路段行程时间,提出基于浮动车GPS数据的高速公路行程时间的短时预测方法.首先,基于浮动车获取高速公路行程时间的测试数据和训练数据;其次,采用KNN算法评估不同交通状况之间的相似度,将训练数据中与拟预测时间段交通状况最接近的浮动车行程时间作为预测行程时间;最后,采用重庆市机场路的浮动车数据进行方法有效性验证.结果表明,该方法具有直观、简单、预测精度高等优势,可应用于预测高速公路行程时间,在高速公路入口处提供实时的行程时间交通诱导信息,提高驾驶员出行前的路径选择效率.

摘要：为了研究高速公路交通流状态对车辆通行时间的影响,以路段交通流饱和度v/C比(v为路段交通量,C为通行能力)和载重汽车混入率P作为综合反映交通流状态的基本指标。在P保持一致的前提下,在西安绕城高速公路选择满足特定几何条件的基本路段作为试验路段,采用基于媒体访问控制(MAC)地址的交通数据采集设备开展行程时间测定试验,采集小客车和两轴轻型载重汽车在不同v/C比下的行程时间数据。在此基础上,提出单位距离平均行程时间概念,采用SPSS回归分析法,分别建立适用于小客车和载重汽车的单位距离平均行程时间随v/C比呈指数变化的关系模型,并通过对比试验,对模型在不同线形条件下的适用性和预测结果准确性进行检验。以参数敏感性分析为依据,利用正交试验对VISSIM软件中的最小车头时距、平均停车距离、驾驶人期望车头时距3个仿真参数进行校准与修正,在此基础上开展不同P条件下的车辆平均行程时间仿真试验。结果表明:当P不同时,车辆单位距离平均行程时间预测模型中的3个修正系数也不相同;在P∈[0%,50%]、v/C∈[0.15,1.25]条件下,P越大,同一车型在同一v/C比状态下的单位距离平均行程时间也越大;与载重汽车相比,v/C比改变对小客车单位距离平均行程时间的影响更显著。研究结论可以为降低出行者时间成本、提高区域交通运行效率提供指导。