无人驾驶停车共乘缓解瓶颈拥堵研究

利用无人驾驶车辆利于共乘和自行停车的特点,提出了一种新的高效的通勤模式——无人驾驶停车共乘。首先,基于扩展的瓶颈模型,解析了该出行模式下瓶颈处通勤行为的均衡特征,建立了共乘率、停车收费与出行成本(包括瓶颈排队、工作延误、共乘隐私损失及共乘下车延误)之间的定量关系,给出了可诱导至系统最优的拥堵收费方案。然后,实施了数值实验,证明了模型的有效性,探究了模型中关键参数对出行费用的影响。最后,提供了该通勤模式可以应用的实际场景。解析和数值实验结果均表明,该通勤模式可缩短早高峰出行的持续时长,简化出行过程,从而大幅减少出行费用和换乘停车场规模,可为未来解决城市交通拥堵和市中心停车位缺乏等难题提供借鉴。

基于密度聚类的多向行人流群集区域分布比较

为预防公共场所的行人安全事故,优化和改善人群安全管理,基于情景实验的数据,利用密度峰值算法和具有噪声的密度聚类算法,从不同时刻分布变化的角度,分别选取单走廊双向行人流、90°和120°交叉路口的行人流场景研究行人流群集区域的分布状态,并比较了两种算法的聚类效果和参数差异,得出场景实验数据中行人流群集区域的分布规律和变化特征。研究发现聚类簇在3个场景的行人移动过程中均是动态变化的,不会处在某个稳定的聚类状态。使用该方法识别密集人群的潜在群集区域及位置,可以观察场景内安全隐患区域,提前在这些区域放置引导疏散设施,同时做好全路段防护,提高行人群集疏散的效率及安全性。

基于中观模型的进入行人流仿真研究

现实生活中经常看到行人进入活动场所的现象,同疏散过程类似,行人进入活动场所过程中同样存在安全隐患。然而,存在的疏散行人流模型不能直接用来刻画进入场所人群的移动过程。提出了一类可以刻画进入行人流的元胞传输模型,引入元胞自动机的转移概率作为元胞之间行人传输的分配比例,使用二次函数计算静态场值作为行人的驱动。探讨了模型中静态场值参数、动态场值参数、墙壁势参数等敏感参数的变化对行人移动和分布的影响。该模型仿真结果较为准确地刻画了行人进入活动场所的聚集规律,并且可以预测行人在进入活动场所过程中行人分配的动态演化过程和稳定状态下的行人分布。行人聚集与分布规律可以指导场所空间布局设计,优化行人流的分配,改善行人设施安全性,降低事故发生几率,提高聚集效率,帮助管理者制定合理的进入行人流管理控制策略。

路网规模对出行者路径选择转换的影响

为预测交通流的演化动态,提高交通系统运行效率,需研究路网规模与出行者路径选择转换行为间的关系。首先设计并实施实验室行为实验,收集出行者实际路径选择相关数据。行为实验涉及4个不同规模的虚拟道路网络,30名参与者基于以往的出行信息(即出行时间)在虚拟路网上进行路径选择。然后利用假设检验、回归分析等统计方法对收集到的实验数据进行分析。分析结果表明:随着路网规模的增大,路网达到用户均衡(User Equilibrium,UE)状态的次数减少。对各路网用户均衡状态与系统最优(System Optimum,SO)状态的对比表明:各路径流量的平均值都很接近于UE值,而与SO值相差较大。从逐日路径流量演化和个体选择可变性两方面分析了路网规模与路径选择转换间的关系,发现逐日路径选择转换人数(或个体路径选择转换数量)与路网规模呈正线性相关。此外,个体路径选择转换频率与平均经验出行时间显著相关。由此得出结论:单方面扩大路网规模并不总能促进路网交通流演化到用户均衡状态,且出行时间与个体路径选择转换数量存在幂函数关系。