基于交通小区短时交通生成预测的城市道路网短时动态交通预测研究

城市道路周边用地性质的不同导致短时发生和吸引交通量的差异,直接影响城市道路网上的交通流。论文对城市路网中各地块的发生和吸引交通量进行短时预测,将预测的交通量通过动态交通分配到城市路网中,以此实现城市路网短时动态交通预测。将单一的BP神经网络模型为对比模型,对模型进行训练及参数标定,并检验模型的预测效果。实验结果表明,论文所提的预测方法与BP神经网络相比,预测精度最高可提升84.28%。

基于Q-learning算法的单点信号控制研究

为减少交通拥堵对于城市可持续发展的制约,优化交通控制,降低交通流延误。文中对单点两相位信号控制交叉口进行研究,运用强化学习中Q学习理论构建模型,通过VB配合仿真软件实现了单点交叉口的Q学习。并设计感应式信号配时方案进行仿真,将两种结果进行比较发现改进的信号配时方案确实能够减少排队长度,降低延误,在信号控制上能起到一定作用。

基于车辆行为特征的城市隧道交织区换道模型研究

为更好地分析城市隧道出入口交织区的换道行为,对城市隧道出入口交织区换道行为相关特征进行研究及建模分析。首先以现场拍摄的交织区真实交通流视频数据为基础,提取其中产生换道行为的车辆数据,从速度与加速度、变道点与变道持续距离、主辅路差异、是否冲突4个方面分析换道行为的分布规律,分别采用多分类Logit分析和神经网络建模方法构建交织区换道预测模型,并利用仿真实验对比与检验模型的准确性和可行性。结果表明,所建模型均可对实际交织区交通流情况进行合理描述,相比神经网络模型结果的预测值与实测值拟合度更高,更符合驾驶人的行为特征,适用性更强。

公路隧道群不同区段驾驶人视觉特征差异性研究

为提高公路隧道群路段驾驶人的行车安全,研究了毗邻隧道群不同区段驾驶人的视觉特征差异性。根据相关研究划分了隧道群不同区段,进一步选取瞳孔面积、注视次数及注视时间作为视觉特征参数。采用BP神经网络及K-means聚类分别得到瞳孔面积训练数据变化趋势以及不同注视区域的注视次数以及时间占比,并分析驾驶人在隧道群不同区段的视觉特征差异性变化特征。结果表明:隧道群不同区段瞳孔面积的整体变化大致呈现“上升—平稳—下降—上升—平稳—下降”的趋势,其中开敞段的瞳孔面积变化率最大且最低点略高于普通路段;各注视区域的注视次数及时间占比根据隧道群行车环境的变化而不同,主要体现在远方、前方近处以及车内仪表盘三个注视区域的关注程度。