干线关键断面的到车率分布预测

干线协调控制需要了解交通量在干线上下游的传递和变化关系,传统的行程时间预测或到达分布预测无法提供足够的参考信息.根据干线的道路条件,界定干线上若干个关键断面;统计实际的车辆检测数据或仿真实验数据,按较小的时间间隔汇总和统计不同周期在对应间隔内的到达分布,绘制得到关键断面的到车率分布图.分析路段离散和信号控制对到车率分布的影响;以车速的累积概率分布图为基础计算转移矩阵,提出了考虑路段离散的到车率分布预测方法;分析红灯排队、绿灯放行的车流离散过程,提出了考虑信号控制的到车率预测方法.仿真案例分析表明,预测的到车率分布相对误差较小,验证了预测方法的有效性.

基于元胞自动机的定向车道服务水平分析模型

为了深入了解定向车道这种新型组织方式的应用效果,选取交通流密度、出口拥堵指数、入口变道行为、变道车辆生成率为影响因素,以到车率、平均车速为评价指标,构建元胞自动机仿真分析模型。仿真结果表明,定向车道在高峰时段具有一定的优化作用,但其他情况下优化效果有限,且交通流密度和出口拥堵指数越大时,其服务水平越低。同时,高交通流密度下停车变道和低速变道对服务水平的影响依旧大于常规变道,且不随密度增大向常规变道方案靠近,表明高交通流密度对此类驾驶员的驾驶行为影响较小。常规变道和低速变道条件下,变道车辆的增多对到车率影响较小,而停车变道条件下,到车率会随着变道车辆的增多而降低。

一种全新的智能交通控制方法

本文采用人工神经网络和模糊控制技术,结合各个车道的到车率,提出一种全新的智能交通控制方法。仿真结果表明利用该方法设计的控制系统控制效果明显。

基于模糊神经网络的单路口智能控制方法

本文采用人工神经网络和模糊控制技术,结合各个车道的到车率,提出一种全新的智能交通控制方法。仿真结果表明该方法控制效果明显。