高速公路交通事件清除时间模糊逻辑预测模型

清除时间是高速公路交通事件持续时间中的一部分,与事件影响范围密切相关。通过对某高速公路事件数据及交警执勤记录进行分析,提出了救援车辆的清除时间新定义,该定义与事件持续时间有更强的相关性。随后采用含自适应算法的TSK模糊逻辑推理方法,通过对基于事件数据的人工神经网络训练,建立了交通事件清除时间的预测模型,并讨论了模型的适用范围。经检验:该模型对于大于10 min的常见交通事件清除时间有较好的预测效果。

高速公路交通事件延误计算方法研究

提出以速度和流量为基础的延误计算新方法,该方法公式简单,数据采集容易,并根据算法的需要设计了相关的多车道数据整合技术和故障数据修复技术,从而保证了延误计算的准确性.

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2神经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器,观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型,还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。

贝叶斯网络下高速公路交通突发事件态势评估

把广泛应用于军事领域的态势评估技术应用到高速公路交通突发事件处理中,对事件态势进行评估,提高应急处置决策的准确性。通过分析高速公路交通突发事件的特性,采用分层贝叶斯网络,采取定性和定量相结合的方法,构建适用于高速公路交通突发事件的态势评估模型,并以河北省为例进行了实例分析。研究表明,该模型能够较为准确地评估突发事件当前状态,具有一定的实用价值。

路径变更策略的仿真评价(英文)

基于CORSIM仿真方法评价美国佛罗里达州萨拉索塔市I-75州际高速公路及其备用线路上交通事件管理和信号配时变更对交通运行状况的影响.在萨拉索塔市的备用线路上建立全市范围的信号配时方案,当I-75高速公路上发生交通事件时,引导和指示车辆从适当的地点离开并返回高速公路.利用SYNCHRO信号配时软件建立6种交通事件情况下的信号配时方案.根据萨拉索塔市SYNCHRO数据,产生CORSIM数据集以评价路径变更方案的效果.通过CORSIM分析结果显示,从交通运行状况上看,萨拉索塔市的路径变更方案十分有效,使路网整体延误平均降低21%.另外,对其中一种交通事件情况下,转移的交通流量大小对交通运行状况的影响进行敏感性分析.结果表明,转移的交通量大小对于整个路网延误有显著影响.在本文的实例分析中,转移10%的交通量对整个路网的延误最小.