桥头互通立交交织车道的设计

结合桥头互通立交所处的区域位置、作用及重要性,对整个立交的服务水平进行分析,并对立交服务水平的"短板"—交织车道进行了优化设计,以提高整个立交的服务水平及运行条件。

通过增加车道以改善交织区拥堵的可行性研究

针对短交织区交通拥堵问题,在分析车道的增设方式及其作用的基础上,通过交通供需分析确定交织区拥堵的矛盾所在。以交织车流供需矛盾为研究重点,从微观的角度对交织车辆的换道操作进行剖析,以交织车辆最短换道距离为依据,推算出可增设分流车道的交织区最短长度(26m)。采用VISSIM仿真,确定增设分流车道后交织车道的通行能力,并将其与交织需求进行对比,来判定可行性。

基于换道概率分布的多车道交织区元胞自动机模型

交织区是快速路系统的重要组成部分,由于车辆频繁换道、相互作用复杂,容易造成交通瓶颈。本文提取城市多车道交织区时间分辨率为0.1 s、空间分辨率为0.1 m·px^(-1)的高精度车辆轨迹,分析交织区及相邻路段的交通流和车辆行为特性,提出分区元胞自动机模型。在上游和下游换道模型中,建立基于速度差、车辆间距的换道动机规则、间距规则及Logistic换道概率规则。对于交织影响区,建立考虑速度、间距及路径转换需求的换道动机规则,根据安全风险构建换道时机的多步决策规则,提出基于换道频率Gaussian分布模型的换道概率规则,并对主要参数进行灵敏度仿真测试分析,模型具备评估交织区不同换道状态的实际应用潜力。仿真与实测显示,本文模型流量、速度、密度及换道分布等特性与实际相符,能有效反映车辆在不同位置的换道需求与强度差异性,刻画多车道交织区复杂的换道行为。

多车道交织区车辆跟驰行为风险判别与冲突预测

车路协同系统(IVICS)是保障安全高效出行的新兴技术之一,将高精度车辆轨迹数据与机器学习方法相结合,提出一种可应用于IVICS的多车道交织区的潜在风险判别与冲突预测方法。首先,基于无人机视频,从广域视角提取交织区交通矢量位置、速度等信息,并划分上下游、交织影响区等多个分区;然后,考虑决策行为(车车边缘距离、接近率)与车辆行为(横纵向速度、加速度、速度角度)构建风险判别模型,以单位面积冲突次数、持续时间、冲突密度等指标评估风险;最后,基于朴素贝叶斯模型与logistic回归模型分别进行交通冲突预测,与实测数据相比,预测准确率分别为74.86%、87.10%,Area Under Curve分别为0.84、0.88,表明logistic回归模型具有更好的预测性能。研究成果有助于交管部门制定与优化交通管控方案,可应用于IVICS动态预警。

山地城市多车道交织区驾驶人心理负荷研究

为明确驾驶人在城市道路多车道交织区路段行驶时的减速行为特性及其与驾驶心理负荷间的相关性,开展实车试验,采集驾驶人心电信号和车辆运行参数等数据,将驾驶人按不同的换道状态分为2种类型,分析驾驶人心率变化特性与减速特征间的关系。研究结果表明:在交织区段内,非干扰状态下驾驶人心理负荷较干扰状态整体明显增大,但后者心理波动更频繁;女性驾驶人驶入交织区段时较男性驾驶人更易产生较大的心理负荷;在干扰与非干扰状态下,驾驶人心率增长率均表现出与最大减速度之间偏相关性较高,即最大减速度对驾驶人心率增长率的影响更大。

复合式互通立交集散道交织区优化与安全评价

将复合式互通立交集散车道交织区划分为4种不同车道功能的交织车道单元,并根据交织车辆强制性变道行为计算交织单元最小长度。基于交织车辆运行特性与交织区长度,采用进出车道均布的设计思路,提出交织区车道单元组合设计方案。针对常见速度下集散车道与进出匝道组合形式,以交通冲突率为安全评价指标,确定各自最佳交织优化方案。交织区优化方案有助于明确路权并有效改善集散车道交织区车辆行驶安全性,为集散车道连接的复合式互通立交布设方案的合理设计提供技术支持。

基于双向长短期记忆网络的城市快速路合流区车速预测

非典型复杂场景微观交通参数的准确预测是保证车路协同系统(IVICS)稳定运行的前提.为解决IVICS条件下合流区高峰时段瓶颈现象所致的车速分布紊乱而不易预测的问题,首先,基于无人机高空视频,从广域视角提取交织区高峰时段全样本高精度车辆轨迹数据;然后,考虑双向长短期记忆网络(bidirectional long short-term memory,Bi-LSTM)时间较长且人工设置训练参数对模型预测性能影响较大,提出基于贝叶斯超参数(bayesian hyperparameters optimization,BHO)优化的BHO-Bi-LSTM车速预测集成模型;最后,构建经典多元线性回归车速预测模型、Bi-LSTM车速预测模型作对比.结果表明:BHO-Bi-LSTM模型表现最优,拟合优度、秩相关度分别为91.05%、94.87%,误差均值、误差的标准差、均方误差、均方根误差、归一化均方根误差分别为0.056 1、0.455 6、0.210 6、0.458 9、0.078 5,有效改善了合流区高峰时段车速特性复杂而导致不易预测的缺陷.

微观轨迹信息驱动的Bi-LSTM合流区车速预测

为明确城市快速路合流区的微观速度特性,确保车辆在衔接段运行速度协调可控,使车辆安全运行。首先,基于无人机高空视频,从广域视角提取了典型多车道交织区全样本高精度车辆轨迹数据,分析车速的累积频率、分布趋势、特征百分位值等运行特性。然后,基于可有效捕捉前向历史速度数据的变化特征的LSTM模型,构建Bi-LSTM车速预测模型;考虑到人工设置训练参数对模型预测性能的影响较大、时间较长,提出基于遗传算法优化的Bi-LSTM速度预测模型(GA-BiLSTM)。最后,以R^(2)、Error Mean、Error StD、MSE、RMSE、NRMSE、秩相关rs这7类评价指标,建立多指标融合的评价方案。结果表明:GA-Bi-LSTM速度预测模型表现较优,拟合指标R^(2)、秩相关rs分别为0.9046、0.9495,误差指标Error Mean、Error StD、MSE、RMSE、NRMSE分别为0.0041、0.4470、0.1997、0.4469、0.0765。研究成果可为城市快速路的合流区车速调控提供理论依据。

考虑智能网联近邻车辆信息的交织区换道风险预警

面向车辆换道风险预测时特征差异大、样本不均衡、参数调优时间久的问题,将高精度微观车辆轨迹数据与超参数优化机器学习方法相结合,提出了一种可应用于智能网联车辆(ICV)的交织区换道风险识别与预警方法;基于无人机航拍视频,从广域视角提取了城市快速路交织区时间精度为0.1 s、空间精度为每像素0.1 m的换道轨迹,测算了车辆间距、矢量速度、加速度、接近率、速度角度等换道风险感知信息;引入考虑近邻车辆信息的换道TTC模型,以反映车辆汇入或汇出主线的迫切需求,描述其在不同位置的换道行为差异性;结合15分位数法和四分位差法,划分了换道风险预警等级;基于准确率、真阳性率、灵敏度等多项评价指标,遴选并对比了线性分类器、支持向量机、K近邻以及RUSBoost模型换道风险预测结果,得出交织区换道风险实时预警优选模型,针对优选模型进行了超参数优化与验证。研究结果表明:RUSBoost模型为优选模型;超参数优化机器学习方法迭代至第24次时,RUSBoost具有最小误差与最佳点超参数;RUSBoost、BRUSBoost优化模型预测准确率分别为91.40%、99.80%,AUC分别为0.96、0.99;BRUSBoost优化模型对于Ⅰ级、Ⅲ级换道预警精准率分别提升了50.9%、41.2%,有效改善了极端风险换道条件更复杂也更不易预测的缺陷。研究成果有助于智能网联车辆换道决策与轨迹优化,指导交管部门制定ICV动态预警方案。