为了实时识别快速路交织区拥堵瓶颈的形成及其诱发因素,基于无人机航拍视频构建车辆轨迹数据,提出一种融合交通流不稳定性分析的交织区拥堵识别方法。识别方法由车辆轨迹提取、扰动感知模型和拥堵风险指数构建3个阶段构成。首先,通过YOL...为了实时识别快速路交织区拥堵瓶颈的形成及其诱发因素,基于无人机航拍视频构建车辆轨迹数据,提出一种融合交通流不稳定性分析的交织区拥堵识别方法。识别方法由车辆轨迹提取、扰动感知模型和拥堵风险指数构建3个阶段构成。首先,通过YOLOv4(You Only Look Once,Version 4)网络训练航拍小目标权重检测俯拍车辆,关联外观与运动特征以跟踪车辆轨迹,从而提取无人机航拍视频中的精细车辆轨迹。然后,通过提取车辆微观速度、变道、冲突信息建立车速扰动和变道交织扰动感知模型。最后,采用熵值法结合扰动信息与平均车速构建归一化的拥堵风险指数,根据交织流的拥堵风险指数识别拥堵。本文采集广州大桥数据进行案例分析与测试验证。研究结果表明:学习了小目标特征的网络在航拍场景测试的误检率和少检率均低于5%,所提取的车辆轨迹连续稳定;在交织区拥堵识别评价中,本文方法的F1值达到97.85%,明显优于基本参数识别方法,在各路段中具有较高的识别准确度和算法鲁棒性;相比平均速度指标,所提出的拥堵风险指数能够更精细灵敏地反映短时和局部的拥堵,并能够从平均车速、个体车速差异和变道交织3个维度中识别多种因素引起的交织区交通瓶颈。研究结果可为城市重点路段交通诱导与优化提供技术基础。展开更多
根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基...根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基础,考虑诱导与控制条件下驾驶人的路径决策对子区交通状态的影响,以路网最大完成率和最短总行程时间为约束,通过模糊风险管理,建立平衡MFD子区交通状态与成本的风险决策模型,并采用ALRS算法对模型进行求解.仿真结果表明,建立的交通状态风险决策模型可有效提高控制和诱导的效率,同时保证突发情况下交通控制的实时性和有效性.展开更多
文摘为了实时识别快速路交织区拥堵瓶颈的形成及其诱发因素,基于无人机航拍视频构建车辆轨迹数据,提出一种融合交通流不稳定性分析的交织区拥堵识别方法。识别方法由车辆轨迹提取、扰动感知模型和拥堵风险指数构建3个阶段构成。首先,通过YOLOv4(You Only Look Once,Version 4)网络训练航拍小目标权重检测俯拍车辆,关联外观与运动特征以跟踪车辆轨迹,从而提取无人机航拍视频中的精细车辆轨迹。然后,通过提取车辆微观速度、变道、冲突信息建立车速扰动和变道交织扰动感知模型。最后,采用熵值法结合扰动信息与平均车速构建归一化的拥堵风险指数,根据交织流的拥堵风险指数识别拥堵。本文采集广州大桥数据进行案例分析与测试验证。研究结果表明:学习了小目标特征的网络在航拍场景测试的误检率和少检率均低于5%,所提取的车辆轨迹连续稳定;在交织区拥堵识别评价中,本文方法的F1值达到97.85%,明显优于基本参数识别方法,在各路段中具有较高的识别准确度和算法鲁棒性;相比平均速度指标,所提出的拥堵风险指数能够更精细灵敏地反映短时和局部的拥堵,并能够从平均车速、个体车速差异和变道交织3个维度中识别多种因素引起的交织区交通瓶颈。研究结果可为城市重点路段交通诱导与优化提供技术基础。
文摘根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基础,考虑诱导与控制条件下驾驶人的路径决策对子区交通状态的影响,以路网最大完成率和最短总行程时间为约束,通过模糊风险管理,建立平衡MFD子区交通状态与成本的风险决策模型,并采用ALRS算法对模型进行求解.仿真结果表明,建立的交通状态风险决策模型可有效提高控制和诱导的效率,同时保证突发情况下交通控制的实时性和有效性.