基于路网在途车辆数的拥堵指数短期预测

交通拥堵指数是定量评价路网车辆运行状况的指标,准确预测交通拥堵指数的发展趋势是交通工程师关注的重点。为克服天气、节假日等复杂因素对交通高峰时段拥堵指数预测精度的干扰,本文以预测未来2 h范围内每5 min的拥堵指数为目标,首先,利用交通流基本图和交通波理论,从拥堵蔓延角度分析路网在途车辆数与拥堵指数的峰值滞后现象机理;其次,分析路网在途车辆数与拥堵指数的相关性,结合非线性回归方法,构建基于路网在途车辆数的拥堵指数预测模型(NV-NR模型);最后,利用北京市2018年6~9月工作日的数据集进行验证分析。结果表明,NV-NR模型在验证集中预测精度达91.9%;在拥堵指数达到中度拥堵阈值及以上的范围时效果更优,预测精度达93.8%,平均绝对误差为0.412。该方法能够有效预测交通高峰时段的拥堵指数短期变化趋势,为交通拥堵指数预测提供一种新的思路。

基于三次元MFD和ARIMA模型的区域宏观交通状态预测方法

为准确预测路网整体的车辆运行状态,利用MFD在外界相似条件下具有良好再现性的重要性质,提出一种基于(包括时间轴在内的)三次元MFD和ARIMA模型的区域宏观交通状态的短时预测方法。该模型由表征历史数据特征的趋势项与表示预测当天宏观交通状况微小变动的随机项等2部分组成。其中,趋势项由三次元MFD的历史数据计算得出,随机项由ARIMA模型计算得出。以日本冲绳县那霸市中心商业区为例进行分析,结果表明,该模型可以较小的相对误差来实现对未来短时间内(30 min)的区域宏观交通状态预测。

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。