拥挤传播对汽车共享系统运行影响的仿真分析

随着共享汽车渗透率的不断增加,站点、路段层面的车辆溢出和拥挤传播现象日趋严重.为刻画拥挤传播对汽车共享系统运行的影响机理,首先,搭建具有时变性和状态相关性的汽车共享系统排队网络;其次,基于C#语言和O2DES离散事件仿真框架,提出并设计考虑车路交互影响和拥挤传播现象的汽车共享系统仿真模型,分析动态随机环境下站点与路段层面的拥挤传播现象对汽车共享系统运行的影响;最后,以成都市三站点的小规模汽车共享系统为例,在不同转运比例、需求和道路拥堵场景下,将该模型与引入虚拟空间的无穷排队模型进行对比分析.研究结果表明:站点和路段层面的拥挤传播现象会导致系统服务率下降9.3%~16.9%,相比无穷排队模型,考虑拥挤传播现象的排队模型更能反映汽车共享系统的实际运营过程;当路网的道路占用率为70%(路网处于中度拥堵)时,考虑拥挤传播现象的汽车共享系统可实现最大收益;汽车共享系统的引入会为道路资源的动态分配带来新变化,当公共交通转向汽车共享系统的用户占比超过70%时,路网拥堵加剧,不利于汽车共享系统的有效运营和可持续发展.

轨道交通拥挤传播速率量化模型研究

轨道交通作为综合客运交通系统的骨干,影响着城市客运交通乃至社会经济的正常运转,对其大客流拥挤传播规律的研究有助于提高轨道交通系统的运输安全和效率.以往学者研究的大客流传播模型中往往参数量化缺失或者缺乏实际意义,因此,本文着眼于量化大客流传播模型中的参数,旨在构建客流影响下的拥挤传播模型.首先,分析大客流传播模型中参数及其影响因素,阐述现有传播速率量化模型;其次,以客流的不确定性作为研究对象,分析客流传播特征;再次,通过轨道交通客流数据量化模型参数相关的客流和列车剩余载客能力,界定大客流影响阈值;然后,构建考虑客流因素的传染病模型,量化拥挤传播速率,据此分析客流对轨道交通拥挤传播的影响;最后,以北京地铁13号线为例,比较不同时段、不同换乘情况下其大客流拥挤传播影响范围的差异,分析其原因,从而为优化轨道交通系统的服务水平及大客流事件应急处置提供参考和借鉴.

轨道交通高峰期单线客流拥挤传播与控制

常态高峰下,客流在线路的累积传播造成部分时空点列车满载率过高,需要采用客流流入联合控制的手段,以缓解尖峰客流压力。从路网和客流交互的物理机理出发,提出轨道交通线路客流拥挤传播模型。借助模型分析单线客流拥挤传播的时空演变过程,以作为控制点识别的基础。提出线路客流流入控制的原则和确定流程,以及关联车站的客流流入调整量计算方法,结果能够保证所有时空点满载率在合理水平以下。以早高峰北京地铁1号线苹果园至公主坟区段为例,表明本文提出的模型能够掌握常态高峰单线客流拥挤传播的时空演变过程和特征,客流流入控制的计算结果能够为限流策略制定提供量化依据。

城市轨道交通高峰时段大客流拥挤传播研究

简要分析了城市轨道交通高峰时段大客流的形成和拥挤传播机理,详细论述了高峰时段大客流产生拥挤传播的条件、过程,以及高峰时段大客流拥挤造成的影响,进而为城市轨道交通高峰时段大客流拥挤控制和客运组织管理提供一定的理论参考。

交通事故下基于CA-SIR模型的高速公路拥挤传播

为探究交通事故对高速公路所造成的拥挤传播影响,将流行病传播SIR模型微观化和动态化。针对其计算求解复杂的问题,将其与元胞自动机(CA)有机结合,并考虑了高速公路事故的特点和影响范围等因素。以单向三车道为例,假设事故占用最左侧车道的4个元胞格,对后续车辆拥堵传播的动态过程进行了模拟。对于模型中关键的拥堵传播率与拥堵恢复率2个参数,则主要通过高速公路上车辆的换道概率和制动概率来设定定量化公式,最终分别得到三者间的确定关系。相关仿真结果表明:所提出的CA-SIR模型与传统的SIR模型相比,在最大拥挤车辆数保持相似的情况下,由于考虑元胞自动机的离散,可以更早反映事故发生后的车道封闭,更符合实际情况;根据相关的拥挤发生时空图,当制动概率增加时,事故带来的拥堵更早发生,更晚消散,拥堵的规模和影响路段长度更大;当换道概率降低时,对车辆最大排队长度及整体行驶时间并无显著影响,但车辆在到达事故区域后所造成的拥挤影响会更早发生,拥挤影响的车辆数也更大。故此,在高速公路交通事故发生后,应通过路侧交通广播、智能网联汽车、车路协同等技术手段,尽可能快地发布交通事故信息,引导车辆提前换道,减少制动概率,以期降低事故影响的拥挤规模和持续时间。

基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘

提出了K近邻RElim(K neighbor-RElim,KNR)算法和时序K近邻RElim(sequential KNbrRElim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在RElim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度。而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径。以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性。

基于MSEIR城市轨道交通网络拥挤消散研究

城市轨道发展迅速,从单线到成网为出行者提供便利,随着城市轨道交通网络可达性的上升逐渐成为出行者城市内部出行的主体。社会发展使得大型活动规模越发庞大、频率越发频繁,在大客流冲击下原有设施设备无法承担大客流压力,导致站内区间拥堵愈发严重,拥堵影响范围由单线向网络蔓延。为更好地应对客流压力,分析拥挤传播机理有着重要意义。以某轨道交通网络为例,考虑站点自身属性以及受大客流辐射影响情况,构建MSEIR客流拥挤传播模型。并与传统SIR、SEIR模型结果对比,探索更合适的客流拥挤传播规律,为轨道交通运营方客流管控提供理论依据。

轨道交通网络级联失效影响范围研究

轨道交通系统因多因素干扰引发客流集中、车站拥挤,并相继传播至周边车站,形成级联失效.把握拥挤在轨道交通网络的传播范围,是减少交通突发事件影响的基础.基于轨道交通拥挤传播机理分析,将物理结构、网络初始交通状态、客流量融合进耦合映像格子模型(Coupled Map Lattice,CML)中,通过历史客流数据量化参数,构建轨道交通拥挤传播模型,展开3种不同情景下拥挤传播过程分析.实例验证结果表明,轨道交通车站的初始状态、耦合系数对拥挤传播影响显著,网络结构对拥挤传播范围的影响并不明显.根据网络结构、初始值和耦合系数,可以掌握拥挤传播规模,识别拥挤车站的影响范围,有助于提高轨道交通系统的可靠性.

基于车道的瓶颈交通流失效识别实证研究

交通流失效识别是确定交通状态、制定交通管理策略的关键。为精细化识别各车道交通状态的差异,提出以车道为基础,利用速度变形累积曲线将每个时间间隔内的速度波动"转折点"放大,较为精确和直观地确定各车道的瓶颈交通流失效时间。相比于以往基于断面和基于阈值的识别方法,该方法更为精细和客观,不仅能有效识别路段的半拥挤状态,也可以深入分析拥挤的横向、纵向传播特性。以上海市快速路军工路出口匝道附近作为研究对象,结果表明,出口匝道附近的拥挤一般先由最外侧车道开始,平均经4min之后扩散到最内侧车道,但在向上游纵向蔓延的过程当中,内侧车道反而比外侧车道更容易发生交通拥挤。