可达性对城市群多模式交通碳排放的空间异质性影响

当前,在交通行业碳减排存在巨大挑战以及未来中国城市群交通发展长远规划双重背景下,如何通过改善交通可达性提高居民出行效率和减少碳排放是亟待解决的关键问题之一。本文基于城际出行手机信令数据,从居民出行的角度提出城际多模式交通客运碳排放量方法,并采用梯度提升决策树(GBDT)模型及多尺度地理加权回归(MGWR)模型探讨可达性对区域碳排放量的空间异质性影响。以关中平原城市群为例进行验证,结果表明:城际公路客运碳排放量远大于铁路,呈现沿交通基础设施线路分布的特征;在整体区域范围内,可达性指标对碳排放水平具有一定的正向边际效应;MGWR能够刻画碳排放与可达性指标关系的空间异质性及尺度差异;经济潜能可达性、介数中心性及接近中心性对城际碳排放具有显著的正向空间异质性影响,但影响尺度不同;公路客运碳排放对介数中心性及接近中心性要素较为敏感,经济潜能对碳排放的影响较为平稳;铁路出行可达性的提升对中心城市的影响效应低于周边区县城市。

基于时域卷积网络与注意力机制的车辆换道轨迹预测模型

精准的车辆轨迹预测模型可以为自动驾驶车辆提供其周围车辆的准确运动状态信息,进而判断本车与周围车辆短期内是否有发生冲突的可能性。本文提出一种基于时域卷积网络与注意力机制(Temporal Convolutional Networks with Attention mechanism,TCN-Attention)的车辆换道轨迹预测模型。该模型以时域卷积网络作为当前输入的特征提取器,利用时间与空间注意力机制使模型在不同时间和空间位置之间建立动态关联,更准确地捕捉车辆之间的动态时空相关性,实现准确预测车辆换道轨迹。与传统单一车辆轨迹特征输入不同,本文通过对输入特征进行多维扩充与融合,进一步提高了轨迹预测准确率。此外,本文提出一种换道执行起止时刻定义方法更准确地确定数据集中的换道起止时刻。实验表明,本文所提模型能以高准确率预测变换车道轨迹,在整体效果上优于其他深度学习模型,与ConvLSTM (Convolution Long Short-Term Memory)相比,TCN-Attention的平均绝对误差(Mean Absolute Error,E_(MAE))降低了69.8%,均方根误差(Root Mean Square Error,E_(RMSE))降低了49.15%,平均绝对百分比误差(Mean Absolute Percentage Error,E_(MAPE))降低了14.24%。

基于赛教融合的智能交通课程实践教学研究

结合全国大学生智能汽车竞赛百度智慧交通创意组竞赛项目,设计智能交通课程实践教学内容,从竞赛内容凝练与课程知识点结合的教学案例和实验项目,实现赛教资源融合和赛教一体化实践平台共享。设计的实验教学项目融合了图像处理、数据分析、人工智能、智能车硬件平台等内容,包括数据采集、数据分析、数据集构建,深度学习模型建立与智能车平台部署等实践环节。学生从编写简单程序开始,不断提高,到构建复杂的深度学习模型实现智能车自动巡航控制实验。将竞赛任务具有挑战性和对抗性的特点融入课程教学,吸引学生兴趣,增强学生求知欲,提升学生创新能力和工程实践能力。

电动汽车集中型充电站选址定容模型

针对充电和换电等单一模式的盲目建设,规划不集中带来的资源利用率低与部分充电需求得不到满足等问题,本文提出一种考虑充电和换电与移动充电的多种充电模式下集中型充电站选址与定容方法。首先,分析不同类型电动汽车的充电行为特性,模拟得到规划区域的充电需求分布;然后,基于最近距离原则采用排队论方法计算电动汽车充电损耗成本,优化移动充电设备自充电时刻,求得电动汽车自充电成本;最后,以集中型充电站建设维护成本、用户损失成本及设备自充电成本总和最小为目标建立选址定容模型,结合某城市部分实际道路网为研究区域,采用遗传算法求解模型,确定规划区域内集中型充电站建设数量、位置及不同设备的配置数量。结果表明:规划区域内建设8座集中型充电站总成本达到最低,充电需求车辆数量与充电功率变化对集中型充电站成本均有较大影响,且优化移动充电设备自充电调度管理,可降低集中型充电站高峰时期32.62%的电网负荷,提高了电网稳定性。

道路环形交叉口机动车冲突风险区识别模型研究

为定量识别城市非信控环形交叉口区域内的机动车冲突风险易发生点,降低环形交叉口的事故发生率,本文构建针对非信控环形交叉口机动车冲突风险识别模型。首先,利用无人机采集高精度、连续的多车辆轨迹视频,结合Kinovea视频运动分析软件实现运行车辆状态识别与跟踪,并记录车辆每一帧的运动数据;其次,基于交通冲突识别指标TTC(Time to Collision),提出适应环形交叉口道路线形特征的车辆TTC计算方法,并使用累计频率法确定严重、一般和轻微冲突的阈值分别为1.2,2.8,4.4 s;最后,通过绘制高峰和平峰交通冲突空间异步图,并结合交通冲突数和严重冲突率,对环形交叉口的36个子区段进行交通冲突风险等级评定。研究结果显示:在高峰时段,某一子区段的平均交通冲突发生次数约为15次,严重冲突率为17.45%;在平峰时段,某一子区段的平均交通冲突发生次数约为8次,严重冲突率为8.28%。重度风险区域在高峰时段占比达到50%,而在平峰时段为8.33%,这些重度风险区域主要集中在交织区段。因此,环形交叉口在高峰时段且位于交织区段的情况更易发生交通事故。本文研究成果有助于交通管理部门了解环形交叉口在不同时段和区段上的交通冲突情况和特征,以便采取相应的预警和管理措施。

高速公路收费站ETC/MTC混合收费车道通行能力计算模型研究

分析了ETC/MTC混合收费车道入口ETC车辆占比αE和连续到达ETC车辆排队长度w对混合收费车道平均服务时间tS的影响;对SHAKER模型进行了修正,并对修正SHAKER模型参数进行了标定,建立VISSIM仿真模型对修正SHAKER模型的有效性进行了验证;分析了ETC/MTC混合收费车道通行能力与ETC车辆占比之间的关系,提出了考虑车辆平均服务时间的ETC/MTC混合收费车道入口通行能力估计模型,并与余弦函数模型进行了对比分析。结果表明:不同ETC车辆占比下,ETC/MTC混合收费车道入口通行能力修正SHAKER模型计算值和VISSIM模型仿真值的相对误差ε<10%,在允许范围之内,验证了修正SHAKER模型的有效性;ETC/MTC混合收费车道通行能力随着驶入混合车道ETC车辆占比的增大而增大;与余弦函数模型相比,笔者提出的估计模型更能反映ETC/MTC混合收费车道的交通运行特性。

交通出行提质推动城市转型升级——中国城市交通发展论坛第34次研讨会

城市交通发展重点由增量建设转入存量优化阶段,通过优化城市既有交通设施提升居民出行品质,是适应新时代城市交通需求、助力城市发展转型升级的必然要求。中国城市交通发展论坛于2023年12月11日在天津市举办了2023年第4次(总第34次)常规研讨会,主题为“交通出行提质推动城市转型升级”,聚焦高质量发展目标下城市交通面临的机遇与挑战、新趋势与战略思路、发展路径和关键举措。与会嘉宾围绕面向2035年中国城市交通发展战略、传统商业街区更新的经验与路径、建设国际消费中心城市、天津和广州高质量发展转型的实践案例等展开研讨,提出多项城市交通转型升级和城市高品质宜居发展策略。本次论坛由中国城市交通发展论坛组委会主办,天津市城市规划设计研究总院有限公司承办。

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。

数据驱动的新能源公交车能耗预测

鉴于现有电动车能耗预测多基于实验室条件,存在结果过于理想化或预测准确度不足的问题。本文基于北京市51路公交车的实车运行数据,分析能耗影响因素,通过时钟循环编码优化时间信息、使用箱线图设置阈值以构造行驶工况、建立基于熵权法的驾驶行为评价体系对驾驶行为与工况状态进行辅助分析,最后,对聚类后的4类典型工况片段分别建立引入注意力机制的LSTM能耗预测模型,并将其与传统LSTM及LGBM等多种预测模型进行对比分析,验证结果表明引入注意力机制的LSTM预测模型性能显著高于其他模型。

循环神经网络模型下道路碳排放浓度预测

以湖南省永州市永州大道基本路段CO_(2)浓度时序数据为研究对象,旨在实现道路CO_(2)浓度的实时预测。测得用于模型训练和预测精度计算的路段CO_(2)浓度数据,利用Savitzky-Golay滤波器对数据进行平滑去噪,在调试并建立循环神经网络最优模型结构的基础上,引入多元预测模型(MLR、SVR、BP)和时序预测模型(BP、RF、RNN、LSTM、GRU)进行预测性能对比,为路段CO_(2)浓度的实时预测提供参照。结果表明:时序预测模型相比于多元预测模型具有更好的预测效果,特别是循环神经网络模型中的GRU表现出较高的预测精度,其次是LSTM,最后是RNN;循环神经网络模型在处理路段CO_(2)浓度时序数据的训练和预测任务中具备突出性能,能够实时且精准预测道路路段CO_(2)浓度。

远郊大型冬季活动客流演进及路径分流研究

有效的客流组织是保证大型活动成功举办的关键,通过大型冬季活动的客流特征及意向调查,建立了观众路径选择模型和客流动态演进模型,分析了大型活动各设施节点的客流分布和客流排队时间分布动态变化规律。结果表明:增加取暖房、纪念品店、景观点等设施将提升观众在远郊大型冬季活动中的观赛体验。大型冬季活动的观众可接受的安检/检票、等公交的排队时间及步行到场馆的时间心理阈值为20 min,且观众更愿意选择步行时间短和服务设施数量多的路径;采用路径分流并提供路径实时信息,会使得分流路径上、下游节点的客流分布更为均衡平缓,有效减少客流聚集和长时间排队等待现象。

智能网联环境下信号交叉口车辆轨迹重构模型

车辆轨迹数据提供了大量的时空交通流信息,可用于各类交通研究.传统车辆轨迹模型多以人工驾驶环境为研究对象,普遍未考虑由常规车(RV)、网联人工驾驶车(CV)以及智能网联车(CAV)组成的混合交通流的影响.为解决该问题,构建智能网联环境下信号交叉口全样本车辆轨迹重构模型.首先,介绍并分析智能网联环境下城市道路交叉口处车辆组成及排队通过情况;然后,构建城市道路混合交通流轨迹数量估计模型,并针对前后车的排队情况提出虚拟车的概念,用于估计不同车辆的交通状态;最后,设计数值仿真实验分析交通流密度和网联车渗透率对模型的影响,并基于NGSIM数据进行实例验证.结果表明:轨迹重构模型的数量误差和位置误差均随着交通流密度和网联车渗透率的增大而减小,如交通流密度由20 veh/km增大至50 veh/km的过程中,模型数量误差和位置误差均呈现下降趋势,且最大误差分别不超过6.88%和8.02 m;与网联人工驾驶车渗透率相比,智能网联车的渗透率对模型结果影响更大.

基于主线密度预测的快速路入口匝道控制方法

针对快速路入口匝道区域拥堵问题,本文提出一种基于交通密度预测的入口匝道控制方法。通过分析快速路匝道区域的交通特性,定义交通流缓行状态,利用经典宏观交通流模型对快速路主线的历史密度进行统计,基于速度、密度参数进行聚类分析量化缓行状态交通参数特征。基于城市交通流的日变化特性,利用时间序列模型对交通密度进行短期预测,基于预测结果识别缓行状态。针对交通缓行状态,提出一种快速路主线交通密度与入口匝道排队长度的协同控制模型,通过控制入口匝道进而控制主线下游密度不超过临界密度,利用PSO-PID(Particle Swarm Optimization-Proportional Integral Derivative Control)算法对控制模型进行求解。以南昌市洪都大道快速路为例,对晚高峰缓行时段进行仿真分析,并与经典的匝道控制方案进行对比分析。结果表明:本文模型相较ALINEA模型,将匝道调节率提高11.0%,匝道平均排队长度和平均延误分别降低了14.8%和13.5%。

基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

MaaS模式下城市路网异质出行者逐日流量分配模型

为研究出行即服务(MaaS)模式下的城市路网异质用户逐日路径选择行为和路网流量分配演变规律,将出行者分为选择MaaS服务的平台用户和自主决策的自由用户。建立了两类用户总量的逐日调整模型、自由用户的逐日选择模型及平台用户的系统最优分配模型,并利用不动点理论分析了模型稳定性。算例结果表明:若流量转移函数连续,则模型存在不动点,路径流量能收敛到稳定状态;异质用户路网能降低总出行时间,但达到稳态所需时间更长;高比例的平台用户路网总出行时间更小,更有利于路网优化;提升路网出行服务水平可以使路网稳定在最优态。

基于手机信令数据的贝叶斯优化出行链识别

为了克服手机信令数据定位信息的时空不确定性对出行识别的影响,分析手机信令数据的时空特性,在时空阈值识别停留点方法的基础上,引入兴趣面(AOI)信息和基站位置数据,提出可变参数滑动窗口的出行停留点识别方法.建立出行链模型,采用贝叶斯多目标优化获得模型的最佳参数,实现时空阈值的动态调整,提高识别的准确性.为了验证方法的有效性,组织志愿者采集真实出行GPS数据和出行信息标签作为验证数据,与应用模型于对应手机信令数据后的结果进行对比.研究结果表明,手机信令数据的采样在移动和静止状态下存在特性差异;相较于对比方法,提出的出行链识别方法在泛化性能和最优性能方面都表现出较小的误差和较高的识别率,尤其在识别率指标上,相比其他的最新算法改进了3%~26%.

无信控交叉口驾驶人潜在危险感知能力评估

为量化无信控交叉口驾驶人潜在危险的感知能力,组织驾驶人实车驾驶试验,实时采集驾驶人眼动特征参数。解析熟练和非熟练驾驶人直行通过无信控交叉口模式下的扫视和注视规律,引入马尔科夫链模型,阐释驾驶人注视转移特性,揭示驾驶人视觉搜索与潜在危险感知特性的内在联系。结合熟练和非熟练驾驶人各映射指标下的统计学分析,萃取驾驶人潜在危险感知能力表征参数。基于灰色近优综合评价法,构建驾驶人在无信控交叉口场景下的潜在危险感知能力评估模型。研究表明:直行条件下,无信控交叉口下非熟练驾驶人的水平搜索广度、垂直搜索深度和扫视强度显著低于熟练驾驶人;相较于熟练驾驶人,非熟练驾驶人兼顾道路两侧信息的能力较弱,且注视概率的适时调配机制不够灵活;熟练驾驶人在无信控交叉口的潜在危险感知得分比非熟练驾驶人高31.2%;熟练驾驶人中,男性潜在危险感知能力明显强于女性,而性别对非熟练驾驶人感知绩效无显著影响。研究结果可丰富防御性驾驶相关理论体系,为无信控交叉口交通设施的优化和完善,驾驶人安全教育及评估等提供重要参考。

基于空间自相关的常规城市公交车辆危险驾驶热点路段识别

为了获得公交危险驾驶状态的空间分布特征,采用空间自相关性分析方法,识别危险驾驶状态的空间集聚性,确定危险驾驶状态热点路段,并对显著性影响因素进行分析。首先,采集4个季度各1周公交车辆卫星定位数据样本,修复重复数据、异常数据和缺失数据,并以公交站点为节点划分空间区段,对每个区段进行编号;接着,将速度过快、急加速、急减速和急转弯确定为危险驾驶状态,参照车辆运动学特性获得4种危险驾驶状态阈值,并计算4种危险驾驶状态的统计学指标和全局莫兰指数,结果表明,公交车辆危险驾驶状态具有空间集聚性(空间随机分布概率p<0.01,标准差得分值Z>2.58),速度过快状态(全局莫兰指数为0.731)的空间集聚性最为显著;然后,分别对4种危险驾驶状态进行局部空间自相关性分析,绘制了90%、95%和99%置信度下的莫兰散点图和Lisa集聚图,结合城市地图,获得危险驾驶状态的热点路段;最后,选取路段长度、车道数、平直度等9个指标,对比分析了OLS模型、SLE模型、SEM模型和SDM模型的拟合优度,采用SDM模型获得4种危险驾驶状态的显著性影响因素。文中研究结果可为公交车辆危险驾驶状态空间识别、精细化安全运行管理提供理论依据。

混合流下非机动车道基本需求宽度的设计

为弥补在非机动车道设计方面对电动自行车考虑不足的情况,有必要对由人力/电动自行车组成的饱和混合流下非机动车道基本需求宽度进行研究。以非机动车饱和混合流为研究对象,从非机动车的物理运动宽度组成出发,通过构建多重线性回归模型分析了非机动车物理运动宽度的影响因素,对分类自变量进行组合筛选;建立了不同组合类型下的非机动车速度与运行摆幅、路侧安全净距线性模型,得到性别为女性、年龄为老年和车型为电动自行车为最不利组合的结论;根据非机动车道的85%位运营速度确定最不利组合下的非机动车物理运动宽度,进而确定非机动车道基本需求宽度;针对非机动车道宽度合理性验证的准确性问题,从稳定性角度提出了运用速度熵来验证基本需求宽度合理性的方法,并以多条非机动车道路段为例进行了实测验证。研究结果表明:在隔离栏和划线下,非机动车单车道基本需求宽度分别为1.65、1.50 m;在绿化带、隔离栏和划线下,非机动车两车道基本需求宽度分别为2.90、2.80、2.65 m。在同一车道数和隔离方式下,车道宽度越宽,交通流速度熵越高;随着非机动车道宽度增加,以基本需求宽度为拐点,非机动车道的交通流速度熵变化幅度增大,稳定性更差。

基于云模型和TOPSIS模型的区域综合交通发展水平评价

综合交通发展水平对区域经济具有重要的支撑作用,为准确评估区域的综合交通发展水平,综合考虑各影响因素构建了包含4项二级指标与30项三级指标的3层评价指标体系,为了降低主观性影响,基于云模型改进层次分析法计算评价指标权重,并结合TOPSIS评价模型计算评价对象各指标与最优指标之间的距离,得出各评价对象综合交通发展水平的优劣排序。以中国长三角地区为案例,通过该模型对其综合交通发展水平进行评价,结果表明:长三角地区中,江苏省综合交通发展水平较高排名第1位;上海市评分略高于浙江省排名第2位;浙江省评分较低排名第3位;安徽省排名最低。长三角应根据各指标计算结果及得分情况,结合各省市自身实际补齐交通短板,实现高质量交通一体化。