基于车辆队列的饱和状态下城市主干道旅行时间估算方法

当前城市主干道过饱和交通流交通状况恶劣,交通拥堵时常发生,由于受信号灯的周期性阻滞作用,交叉口上游车辆淤积现象严重,传统的连续交通流模型无法用于估算城市主干道旅行时间。有鉴于此,提出了一种适用于中断交通流的基于车辆队列的旅行时间估算方法。基于道路上已有的存在型检测器,运用检测器采集的高精度实时数据,研究了车队识别和匹配方法,通过匹配车队信息,对通过饱和状态下城市主干道的车辆进行了实时旅行时间估算。在此基础上,利用Q-Paramics软件进行了实例模型仿真验证。通过对比算法估算值和仿真模型观测值,验证了算法的合理性和有效性,为评估饱和状态下的城市主干道交通状态奠定了基础。

智能交通系统模型的算法分析与改进

对智能交通系统中的求路段平均速度和平均旅行时间的算法进行了改进,采用间接法对路段平均行驶时间进行估测和对最优路径进行选择。通过收集多点的检测数据,在采用两点速度逼近平均速度的方法的同时,引入改进的流量融合技术来对某一路段的平均速度进行估测。在求平均旅行时间时,考虑到各路段旅行时间相互关联的情况,通过构造一个时间相关的协方差矩阵来描述各路段之间的相关性,与传统的算法相比,在实时更新方面更具优势。