基于宏观基本图的交通控制有效性与路网稳定性研究

区域城市路网在不同控制方法下呈现的网络交通流输出水平与维持能力不尽相同,要评价控制效果的优劣,需要分析区域控制方式下路网交通流与路网耦合时所体现出来的特征值。作为一种路网的基本属性,选择宏观基本图作为研究区域交通控制有效性与路网稳定性的评价载体,解析了相对于路段、交叉口等单点评价具有的优势。基于MFD的区域交通控制评价不受路网交通需求变化的影响。研究建立了路网最大加权流量、最佳累计车辆数、路网负载能力、交通流分布均衡度以及时序均衡度5评价指标,以对区域交通信号控制方法的有效性与路网运行的稳定性进行评价,解读路网高峰时段的交通流维持能力。以成都青羊区太升南路附近37个信号交叉口为路网,利用VISSIM二次开发技术,获得了该路网在定时控制、感应控制、自适应控制以及自适应协调控制下的路网宏观基本图形态。通过对比各控制方法的宏观基本图形态特征与评价指标,从多个维度比较了各控制方法的特征与适用性,分析了相应的控制有效性,解读了其从平峰至过饱和各阶段的交通流维持能力,进而可以了解特定控制方法下路网的运行效率。同时,根据相应控制方法的稳定性表现,指出了各自的局限性,有助于在实际应用中根据区域路网面临的环境,分析应采取的交通控制策略。

基于三维宏观基本图的城市机非混行交通研究

为解决城市交通中机动车与非机动车混合行驶造成的交通拥堵,提出一种三维宏观基本图的理论分析方法,探究机动车与非机动车混行交通流的微观运行特征和宏观演化规律,揭示在非机动车干扰下交通拥堵的形成、传播和消散机理。先分别建立描述非机动车流的元胞自动机模型和机动车流的元胞传输模型,并借助非机动车越线次数函数将两个模型耦合;然后,在Simulink仿真平台上,运行该耦合模型以求得路网的三维宏观基本图,并以此分析非机动车驶入流量与路网平均流量、冲突次数三者间的相互关系;最后,提出提高路网硬隔离占比和加大非机动车道宽度的两种方法,借助三维宏观基本图来验证其缓解交通拥堵的效果。研究结果表明:三维宏观基本图的分析方法可量化机动车和非机动车冲突的影响,指导混行交通拥堵的治理,该结论为改善中国城市交通出行秩序和出行环境提供了参考。

不同降雨量下基于宏观基本图的边界控制策略

在雨雪等不利天气条件下,城市交通拥堵加剧,北京、天津等大城市在降雨条件下经常发生多路段区域性交通拥堵。因此,根据天津市中心城区和市郊区域路网实际交通数据,以路网交通流宏观基本图模型为研究基础,对比不同降雨量以及不同路网的路网交通流时序和宏观基本图变化规律,分析不同降雨量对天津市中心城区和市郊区域路网交通状态的影响。基于不同降雨量下中心城区和市郊区域路网宏观交通流的变化规律,分别构建路网动态演化模型,并对模型的参数进行标定和有效性验证。针对降雨条件下路网发生的区域性拥堵问题,基于宏观基本图的边界控制分别设计了不同降雨量下中心城区和市郊区域路网控制策略,通过仿真实验分析验证了不同控制策略的效果,并给出了能够缓解中心城区和市郊区域路网拥堵的可行策略。结果表明:在小雨天气条件下,将从市郊区域向中心城区的交通流量的转移比例减小量控制在9%~50%范围之内时,中心城区与市郊区域交通状态更加均衡,路网调控效果更好;在大雨天气条件下,将从市郊区域向中心城区的交通流量的转移比例减小量控制在23%~50%范围之内时,中心城区与市郊区域交通状态更加均衡,路网调控效果更好。这表明该控制策略能够缓解中心城区和市郊区域路网的交通拥堵,保障路网交通系统的稳定运行。

基于时空动态循环图卷积网络的交通流预测

交通流预测是一个典型的时空数据预测问题,交通流数据在时间上和空间上都表现出很强的相关性与动态性,以往的研究方法侧重对路网中时空关联进行建模,而忽略了路网节点的动态相关性,进而影响了交通流预测的精度。针对此问题,提出一个时空动态循环图卷积框架(DRGCN),包括基于动态图生成器的循环图卷积网络建模局部的交通时空特征和样本卷积交互网络建模全局时间特征。首先,在每个时刻通过循环神经网络和图卷积网络结合上一个时刻的交通特征生成邻接矩阵;然后,结合预定义邻接矩阵建模交通中的动态时空关联;最后,将大量辅助信息和隐藏状态结合,通过样本卷积交互网络建模全局的时间关系。实验结果表明:建构的模型在真实数据集上的表现优于已有的基线模型。

基于多图时空图卷积模型的城市交通流长时预测

交通流预测是智能交通系统中的重要组成部分,准确、及时和有效的预测信息对于城市道路的交通控制、诱导具有重要意义。然而,由于城市路网交通流时刻受到用地性质、天气变化等多种外部因素的影响,其预测面临着巨大挑战。为了有效预测城市路网交通流而提出了一种融合多源数据的多图时空图卷积模型。将影响城市路网交通流的外部因素分为静态和动态两类,并提供了一种明确和有结构的分类依据来理解影响交通流的各种外部因素。再将静态因素编码为多图,具体为距离矩阵、功能相似性矩阵和连通性矩阵,使用多图组成三通道输入时空相关性建模模块。该模块使用图卷积网络对交通流的空间相关性进行建模,学习节点特征和邻接信息;使用门控循环单元对交通流的时间相关性进行建模,捕捉交通流数据的动态变化和周期性规律。最后,使用融合层将多通道输出与动态因素进行融合作为最后预测输出。为了验证模型的有效性,使用SZ-TAXI数据集,与7种基准预测模型进行对比试验,结果表明,融合了多源外部因素的多图时空图卷积模型在评价指标MAE和RMSE上都比基准模型预测值更具准确性。并设计消融试验分析,处理静态因素的多图方法以及融合动态因素的方法均有效提高了城市路网交通流长时预测性能。

基于流量和出租车GPS数据的城市道路网络宏观基本图

为把握城市宏观交通状况,发掘城市道路网络交通流内在特性,从而达到缓解日益严峻的交通问题的目的,对交叉口流量和出租车GPS两类数据进行数据融合,运用宏观基本图(MFD)和广义宏观基本图(GMFD)在城市道路网络中的存在性以及二者之间存在的差异,以路网平均车辆数、路网通行能力和密度分布为指标来描述MFD和GMFD,并提出一种利用路段流量和出租车GPS数据拟合得到MFD和GMFD的方法,发现路网中密度的不均匀分布是导致路网通行能力不高的原因。针对由长沙市13个道路交叉口组成的区域路网,分别计算出分小区和分路段的MFD特征值,提出了根据存储空间能力(即临界路网平均车辆数的大小)对拥堵路网进行合理分流的方法,实现高峰时期拥堵路段的路径诱导以及路网通行能力的最大化。

基于交通基本图的城市道路积水识别研究——以深圳为例

城市道路积水会造成道路交通系统运转失灵,增加交通事故的风险,是城市发展亟需解决的问题。虽可以通过设计道路积水识别监测系统有效减少城市内涝带来的损失,但现有的积水识别方式都存在较大缺陷。因此,本文提出一种基于交通流基本图(FD)的积水识别方法,该方法通过识别FD上的数据点位置并计算积水概率,实现积水点的实时智能识别。与现有方法相比,它适用于整个城市路网,且简单易实现,数据易获取。相关研究案例表明,该方法可以有效对暴雨期间路段积水进行实时识别,识别结果具有较高的可靠性。

考虑时延的网联车混合交通流基本图模型

由于智能网联车的不断发展,未来将出现智能网联车和人工驾驶车共同存在的混合交通流,因此,研究道路上的混合交通有助于解决交通拥堵等问题,具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系,文中综合考虑智能网联车辆退化和车辆时延,建立了自动驾驶环境下混合交通流的基本图模型。首先,确定交通流中的车辆类型和不同类型车辆的比例,并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化;然后,确定3种车辆的延迟时间并改进每种车辆的跟驰模型;在此基础上,同时考虑车辆时延和车辆功能退化两种因素,推导出交通流平衡时的基本图模型,并对模型中的自由流速度参数进行敏感度分析。研究结果表明,智能网联车对混合交通流的最大流量和最佳密度有积极影响,车辆时延有消极影响,自由流速度则对混合交通流的最大流量有积极影响,对最佳密度有消极影响。SUMO仿真结果表明,在不同场景下仿真得到的流量–密度分布点符合理论曲线,验证了文中理论模型的准确性。

GA2T:结合图注意力网络的交通流预测模型

交通流预测是智能交通系统的核心组成部分.针对当前交通流预测方法准确率低的问题,提出一种交通流预测模型GA2T.通过构建具有融合式编解码器的Transformer架构对交通数据进行时间建模,利用图注意力网络对交通数据进行空间建模,从而捕获交通流复杂的时空依赖性.在2个真实交通数据集METR-LA和PEMS-BAY上的实验结果表明,与预测效果最佳的基线模型DCRNN相比,GA2T在3个评价指标(MAE,MAPE和RMSE)上分别降低了0.25,0.38,0.89和0.14,0.34,0.44,在同类工作中处于领先的水平,验证了该模型的可行性及有效性.

基于特征融合图注意网络的高速公路交通流预测

基于交通网络的实际时空拓扑,提出一种特征融合图注意网络(FF-GAT)模型融合节点获取的多种交通状态信息,预测高速公路交通流。首先,分析节点的车速、交通流和占有率之间的关联特征,并基于多变量时间注意力机制,将车速、交通流和占有率之间的关系融入注意力机制,从而捕捉交通流的不同时间之间的动态时间相关性;其次,将节点划分为不同的邻域集,并通过特征融合图注意网络(GAT)捕获交通流的不同邻域之间的空间相关性;同时,通过特征交叉网络充分挖掘多个异构数据之间的耦合相关性,为预测目标序列提供有效的信息补充。在两个公开交通流数据集上的实验结果表明:在PeMSD8数据集上,与ASTGCN(Attention based Spatial-Temporal Graph Convolutional Network)模型相比,FF-GAT模型的均方根误差(RMSE)降低了3.4%;与GCN-GAN(Graph Convolutional Network and Generative Adversarial Network)模型相比,FF-GAT模型的RMSE降低了3.1%。可见,FF-GAT模型能够通过特征融合有效提高预测精度。

基于图神经网络的短时交通流预测技术研究

由于当前交通流预测中各参数之间的关联性不能在模型中加以呈现,因此提出了多因素融合的图注意力交通流预测模型(MFI-GAT),将交通流量和交通平均速度两个参数通过残差网络进行融合,并将交通流特征矩阵与天气属性矩阵结合起来,使用图注意力网络(GATs)来捕捉空间特征,并通过添加了注意力机制的门控循环单元(AGRUs)来捕捉时间特征,通过采用真实数据集进行试验,证明该模型与现有部分模型相比准确率有所提升。

结合宏观基本图建立高峰时期城市交通网络中巡航停车的模型

宏观基本图(MFD)广泛运用于城市网络中,它可以用于评估道路网络水平、区域交通控制、建立宏观模型和改善交通条件。文章结合宏观基本图提出了一个高峰时期巡航停车的模型,可用于减缓高峰时期交通拥堵的影响。结果表明,提早出行可以减少高峰时期巡航停车的时间,出行者也可以通过乘坐公共交通避免巡航停车带来的额外时间消耗。同时,优化交通出行费用可使交通出行效率更高。

基于宏观基本图的空中交通流运行状态诊断与识别研究

为了实时准确识别交通流交通状态,结合宏观基本图(Macroscopic Fundamental Diagram)特性,提出一种航空路网交通状态识别方法。通过类比国内外学者研究地面交通流方法去研究空中交通流,以过点时间数据为基础,选取上海05扇区的航路(线)作为研究区域,收集一天的航班流量以及仿真过后的航班流量,研究其宏观基本图(MFD),从宏观角度分析宏观基本图的存在性及存在条件。为了解决不断增加的航空运输需求、航班延误、空域拥挤、以及飞行冲突等现实问题,需要正确地识别空中交通流特征,并采取一系列措施。诸如,发布流控、调整飞行间隔、合理划分扇区。空域资源是有限的,通过这些手段,来达到流量最大化的目的。

混有协同自适应巡航控制车辆的异质交通流稳定性解析与基本图模型

针对传统车辆和协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆构成的异质交通流,研究其稳定性与基本图模型.应用实车测试验证的CACC模型和智能驾驶员模型(intelligent driver model)分别作为CACC车辆和传统车辆的跟驰模型,建立异质流稳定性解析框架,研究不同平衡态速度、不同CACC车辆比例时的异质流稳定性.推导异质流基本图模型,并进行数值仿真实验.研究结果表明,在传统车辆稳定的速度范围,异质流处于稳定状态.在传统车辆不稳定的速度范围,CACC车辆比例增加以及平衡态速度远离9.6—18.6 m/s速度范围,均能够改善异质流的不稳定性.通行能力随着CACC车辆比例的增加而提高.此外,CACC模型的期望车间时距越大,异质流稳定域越大,但通行能力降低.因此,恒定车间时距CACC控制策略下的期望车间时距取值应权衡异质流稳定域和通行能力两个方面的影响.

交通管理措施对路网宏观基本图的影响分析

宏观基本图(MFD)存在于具有交通运行同质性的城市路网中,它可以用于路网的服务水平评估、区域控制和宏观交通建模.不同道路运行条件对MFD的形状存在不同的影响,进行MFD影响因素分析是应用MFD理论研究城市交通运行规律的前提.本文以广州市海珠区为研究区域,运用Paramics交通仿真软件对海珠区的路网进行建模,通过采取不同交通管控措施,分析MFD图形的影响因素.结果表明,MFD不仅是路网本身的性质,也是控制策略效果好坏的直接体现.同时,需求的剧烈变化、公交专用道的设置、车道禁行都会不同程度的影响路网的MFD.另外,制定交通控制策略时要优先考虑路网中的关键路段.

基于宏观基本图的突发事件影响下交通流分布不均衡性研究

宏观基本图的提出为城市宏观交通状态分析提供新的思路和方法,但其假设路网交通分布是均衡的。突发事件导致路段通行能力下降会影响城市路网交通分布。为研究突发事件影响下路网交通流分布不均衡性与宏观基本图之间关系,保障路网运行效率,运用路段密度方差指标,提出定量分析突发事件影响下路网交通分布不均衡性与宏观基本图之间关系的方法。使用实际路网和交通需求矩阵进行案例分析,结果表明,在不同突发事件场景中,若路网平均密度相同,则交通分布不均衡性与路网流量之间存在不稳定的负相关关系,即路网交通分布越不均匀,路网流量越小。研究结果为突发事件条件下交通诱导、路网交通管理与控制决策提供一定科学依据。

基于宏观基本图的区域交通总量动态调控技术

城市经济的快速发展造成了诸多交通问题.在过饱和状态下,单纯的被动型信号控制所起的作用是很有限的.因此,有必要把交通控制与交通诱导相结合形成一个反馈式系统.本文提出了以基于宏观基本图及反馈门的区域总量动态调控为主、传统优化为辅的交通管理新手段,通过区域边界设置的'反馈门'控制网络流入量,将网络车辆总数维持在其合理可行范围内,以提高或维持网络流量.以北京市西二环区域为例,利用交通仿真软件对动态调控的效果进行了评估.结果证明,区域总量动态调控能够保障区域交通流的稳定、有序,提高区域交通流通行效率.

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.

基于宏观基本图的城市路网交通流状态分析算法应用

文中构建了考虑多个宏观交通流参数复杂联动的交通流状态分析算法模型,引入了新的宏观交通流参数“旅行效率”作为构建宏观基本图的基本元素,以顿河畔罗斯托夫市长度为39 km的中心城区路网的实例数据为基础,建立了转移流量为主要流量的两城区车辆累积变化趋势模型和内部流量与转移流量同时作用的两城区车辆累积变化趋势模型.根据车辆累积趋势曲线,得到了在不同边界控制管理参数作用之下的吸引区变化规律.结果表明:使用“旅行效率”作为基本元素的图像形状与使用传统经典参数“驶离路网的车辆总数”的宏观基本图效用相同;有效率的边界控制使得交通路网系统有能力处理和接纳不断增加的来自外围区域的车辆累积;在两城区交通流管理优化过程中,管理区域内部流量及其产生的车辆累积与合理调节边界控制一样重要,为制定动态精细化交通流管理策略奠定了理论分析基础.

基于信息增强传输的时空图神经网络交通流预测

交通问题不仅影响人们的出行,同时也会带来环境污染以及安全等问题,准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交通流动态的时空相关性、周期性以及线性与非线性等特点.在充分考虑上述因素的基础上,提出一种基于信息增强传输的时空图神经网络模型,主要包含多特征注意力模块、信息增强传输模块、时间注意力模块以及线性与非线性融合模块.其中,多特征注意力模块捕获多种交通特征之间的内在联系,考虑交通流的周期性;信息增强传输模块充分利用了交通网络信息,以增强交通网络的信息传输能力,进而挖掘出复杂动态的空间依赖关系;时间注意力模块负责自适应地提取不同时间间隔之间的依赖关系;线性与非线性融合模块则同时考虑了数据的线性与非线性特征.论文在真实数据集上进行了大量对比实验,实验结果表明,对比目前较为先进的基线方法,提出的方法在交通流的预测性能方面,体现了较为明显的优势.