拥挤流状态下城市快速路交通流时空特性

为了定量分析拥挤流状态下城市快速路交通流时间和空间特性,首先采用自相关函数法判断交通流率、占有率和速度时间序列的平稳性;其次,研究拥挤流状态下交通流参数空间传递特性;最后,基于混沌分析中的G-P算法建立模型将非平稳的交通流参数时间序列转化为平稳时间序列.研究表明:拥挤流状态下,交通流率表征为平稳的时间序列,速度和占有率属于非平稳时间序列;空间上,上游断面对下游断面的速度参数具有传递作用,下游断面的速度参数对上游具有回溯影响,当时间延迟为2 min时,取嵌入维为4进行相空间重构,可将速度时间序列转化为平稳的时间序列.

基于G-P算法的快速路交通流参数相空间重构

提出了一种基于混沌分析的G-P(Grassberger-procaccia algorithm)算法将非平稳交通流参数时间序列近似转化为平稳时间序列的方法。首先采用自相关函数判断自由流状态、拥挤流状态和阻塞流状态下交通流基本参数时间序列的平稳性。然后应用G-P算法计算嵌入维,进行相空间重构,给出交通流参数时间序列平稳化方法。最后利用快速路交通流实测数据,对3种状态下非平稳的交通流参数时间序列的平稳化进行验证,结果表明:本文方法能够为交通流参数分析、拟合和预测提供科学合理的输入集。

混合状态下城市快速路交通流短时预测

建立交通流短时预测状态空间模型,研究混合状态下城市快速路交通流短时预测.结合城市快速路自由流状态、拥挤流状态和阻塞流状态下交通流参数的时间和空间分布特性,基于交通流守恒方程和速度动态模型,借鉴偏微分方程组求解时空离散的思想,建立三种状态下交通流短时预测模型;同时考虑进出口匝道、车道数变更以及道路坡度等因素的影响,将交通流短时预测模型转化为交通流短时预测状态空间模型,实现混合状态下交通流短时预测.研究表明,该方法能够实现混合状态下道路网内的交通流短时预测,预测精度可达90.23%.相同条件下,经典自回归滑动平均模型的预测精度仅为81%.