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。

基于机器视觉的雨雾天驾驶辅助系统设计

随着私家车数量日益增多,雨雾天交通安全问题成为了亟待解决的难题;在嵌入式硬件资源有限的情况下,为驾驶用户设计了基于机器视觉的雨雾天语音辅助驾驶系统;系统结合了湿度传感器、轻量化去雾神经网络AOD-NET和目标检测模型YOLOv5n;在目标检测模型YOLOv5n上,利用K-means++算法重新设计锚框,选取较优的骨干网络并利用模型剪枝进一步压缩模型大小;实验结果表明,改进的模型在Jetsonnano上的FPS达到了17.78,最终mAP在人工加雾、分辨率变化的TT100K (Tsinghua-Tencent 100K)数据集到达了65.8%,满足了正常天气与雨雾天气下的驾驶辅助实际应用。

基于CIMISS地面资料在气象服务中的应用

文中详述了行业气象服务中,通过对接CIMISS(China Integrated Meteorological Information Service System)及云平台应用实现的数据服务和可视化服务流程。文中通过替换非公开国家站数据及观测要素不同范围的随机偏移保障了气象观测数据的安全性;在对接CIMISS时,通过对不同类型的数据设计对应的补调流程,保证了服务数据和数据源的高度一致性;最后,在稳定统一的底层数据环境基础上,根据交通行业用户的需求,采用B/S模式设计实现了交通三要素展示系统,为行业用户提供了较好的数据和服务支持,切实提高了行业用户的决策效率。

考虑通行能力和交通流稳定性的雾天高速公路限速研究

从通行能力和交通流稳定性两个层面对雾天高速公路限速值进行研究。选取经驾驶模拟器数据标定的雾天跟驰模型来描述车辆跟驰行为,并计算雾天高速公路通行能力和交通流稳定性。分别提出优先考虑通行能力和优先考虑交通流稳定性的雾天高速公路限速方案。研究结果表明:轻雾场景和浓雾场景分别在限速100 km/h和80 km/h时的通行能力最大,均在限速40 km/h时的通行能力最小;轻雾场景和浓雾场景均在限速40 km/h时的交通流稳定性最优,分别在限速60 km/h和100 km/h时的交通流稳定性最差;采用优先考虑通行能力的限速方案时,雾天高速公路通行能力最大,较最小通行能力可提升28.68%~44.66%,稳定性则较最优值下降18.81%~82.92%;采用优先考虑交通流稳定性的限速方案时,交通流稳定性最优,较最差值可增加1.97倍~106.33倍,通行能力则较最大值减小22.29%~30.87%。

基于微服务的交管天气风险管控平台设计

针对国内交通气象服务发展不均衡、服务需求多样化的问题,提出基于微服务的多样性、跨平台、易扩展等技术特性,以层次化、组件化的方式进行平台总体架构设计,采用REST风格以及轻量级JSON数据格式开展通信协作,建设交管天气风险管控平台,实现服务业务的可协作、可伸缩、可扩展,为交管气象部门提供数据级、产品级及平台级的分级气象服务。目前,应用该技术研发的交管天气风险管控平台已在交通科学研究所及多个省级气象服务部门中应用,实现交通气象服务的分级服务和按需服务。

城市快速路速度-密度-降雨量三维模型研究

文中以上海延安高架的实测交通数据和小时降雨量数据进行匹配分析,研究了不同降雨等级下交通流三参数变化规律.分析不同降雨等级下的速度-密度模型,基于Greenshield经典V-K模型,构建速度-密度-降雨量三维模型,代入实测数据得到具体模型表达式,拟合度达83.81%,并对该模型进行实例验证.结果表明:速度、密度、降雨量三者相互影响,三维模型验证评价指标中平均绝对误差为3.59 km/h,均方根误差为4.75 km/h,模型符合降雨天气下的实际交通流状态.

考虑天气影响的高速公路交织区交通运行状态识别

为精准识别不利天气下高速公路交织区的交通运行状态,在传统交通流指标上引入天气因素,建立改进的k-prototypes交通运行状态划分方法。本方法通过分析在不同等级的降雨、能见度、风速下交通流特性的变化特征,确定天气对交通流状态的影响;利用随机森林模型选择交织区各车道交通流运行状态的影响变量;为提高模型精度,引入信息熵衡量k-prototype算法的相异性,并提出聚类效果评价指标衡量状态的有效性。结果表明:考虑天气及交通流特征的高速公路交织区各车道运行状态划分为7类最佳,分别对应《道路通行能力手册》中的各级服务水平。在恶劣天气影响下,交织区各车道服务水平均下降明显,车道1、3平均下降4个等级,车道2、4平均下降3个等级;在中度天气影响下,各车道下降2~3个服务水平。在同一服务等级下车道1、3车流运行最小速度下降范围在11.2~17.4 km·h^(-1),而车道2、4在21.2~27.4 km·h^(-1)。研究成果可为恶劣天气影响下更精细化的交通管理以及提高高速公路交织区服务水平提供理论基础。

考虑不良天气的山区公路运营耦合风险识别

关于山区公路运营风险因素识别和控制的问题,现有研究大多基于单一风险因素分析,忽视了不同风险因素之间的关联,较少考虑由于不良天气自身占比而形成的数据不平衡性问题。针对这一问题,选取云南省的某条典型山区公路为研究对象,基于Apriori关联分析算法提出山区公路耦合风险识别模型。首先,设置最小支持度阈值为1%、最小置信度阈值60%及最小提升度阈值1.5,挖掘得到事故总体数据的关联规则;其次,设置最小支持度阈值为2%、最小置信度阈值为60%及最小提升度为2,挖掘得到不良天气条件下事故关联规则;最后,分别选出排名前25%的关联规则,得到针对该山区公路全天候的耦合风险。结果显示,考虑不良天气状况进行山区公路事故风险因素组合关联规则的二次挖掘,避免了总体事故分析结果的失真和潜在的低支持度有效关联规则被过滤掉的问题,二次挖掘得到的高频山区公路事故风险组合形式说明考虑数据不平衡性问题进行二次挖掘的必要性。

不利天气下山区高速公路交通流特性分析

为解析不利天气下的山区高速公路交通流特性,本文选择云南省某典型山区高速公路2019年8月至2021年6月的交通流数据和气象数据,运用对数正态分布和独立样本t检验解析不利天气种类对山区高速公路的车头分布时距和交通量的影响形式与机理。研究结果表明:车头时距与不利天气的恶劣程度呈正相关关系,不利天气恶劣程度的增加会导致车头时距整体上偏大,且产生较大的分布变化;不利天气的种类对山区高速交通流的影响程度按从高到低的顺序依次为雪天>雾天>大雨>中雨,其中,中雨、大雨和雪天下车辆的流量受到的影响有一定的时效性和迟滞性。

冰雪天气下高速公路可变限速控制研究

为保障冰雪天气条件下高速公路的行车安全与通行效率,在建立安全限速模型与交通流预测模型的基础上,提出一种基于粒子群优化算法的可变限速控制策略;首先,通过分析冰雪天气下车辆制动性能和交通流演化规律,提出适用于冰雪天气条件的高速公路安全限速模型以及交通流预测模型;其次,设计了兼顾通行效率与行车安全的优化目标函数,并考虑实际行车需求给出相关约束条件;最后,基于交通流预测模型并结合粒子群优化算法对可变限速值进行求解,并通过搭建的元胞自动机交通流模型将所提出的可变限速策略的控制效果与固定限速方案和分段安全限速方案进行对比仿真实验;仿真结果表明,相比于固定限速方案,可变限速控制减少了总行程时间、总行程延误时间和车辆冲突时间;相比于分段安全限速方案,可变限速控制有效减小了管控路段内的车辆行驶速度标准差,总行程延误时间和车辆冲突暴露时间也有所降低,验证了所提出可变限速控制策略的有效性。

融合天气因素的交通路网脆弱性综合评估模型研究——以杭州亚运路网为例

为研究强降雨、大雾等天气影响下交通路网呈现出的脆弱性,避免关键部分失效带来的大面积拥堵甚至瘫痪,融合降水、能见度、风速等天气因素,提出涵盖路网拓扑结构、运行性能、出行需求的路网脆弱性综合评估模型。采用度分布、集聚系数、道路长度等分别表征交叉口和路段脆弱性,采用主成分分析、局部加权回归、层次分析法量化天气影响和获得脆弱性排序,结合杭州亚运主要路网进行案例分析。研究结果表明:与无降雨相比路网脆弱性增幅约为24.8%,路段脆弱性变化受天气影响更为显著。研究结果能够帮助交通管理者明确路网脆弱特性,有效应对复杂天气交通系统效能降低,为改善交通韧性和提升应急能力提供参考。

基于图像的终端区相似气象运行场景识别分析

天气影响是空中交通运行不确定性的主要原因之一,基于历史相似气象场景识别是一种有效辅助管制运行决策的依据.相较于传统的基于距离度量空间分布的相似性识别方法,从视觉角度提出了一种基于CNN(Convolutional Neural Network)图像模式的终端区相似气象运行场景识别方法.将处理后的WAF(Weather Avoidance Field)天气避让区图像作为神经网络训练集,构建CNN+K means++模型实现对气象场景分类.进一步依据评估场景分类的实际效果和管制决策状态,构建了基于气象、交通、策略多领域的终端区特征集.从典型场景-典型日视角切入,分析不同场景对终端区运行能力与策略发布的影响,并以广州终端区为例进行验证,结果表明,基于CNN图像模式的对流天气识别具有较显著的效果,可为交通流量管理措施提供指导辅导决策.

雾天场景下高速公路通行能力分析及提升策略

为研究雾天场景高速公路通行能力,本文提出基于车车通信(Vehicle-to-Vehicle,V2V)环境的雾天通行能力提升策略。首先,选取雾天场景标定的Gipps模型描述雾天环境下的车辆跟驰行为,推导雾天跟驰行为车头间距-速度函数式,构建雾天高速公路通行能力分析方法,并从雾天浓度和车流限速两个角度分析通行能力的影响。然后,从雾天高速公路通行能力影响机理层面,对反应时间Tn、后车最大制动减速度bn以及后车预计前车最大制动减速度b_(n-1)进行参数敏感性分析。最后,基于雾天V2V环境,考虑反应时间与制动减速度对通行能力的影响作用,提出雾天场景下高速公路通行能力提升的跟驰控制策略。研究结果表明:轻雾场景(能见度150 m)和浓雾场景(能见度60 m)分别在限速80 km·h^(-1)和100 km·h^(-1)时的通行能力最大,且均在限速60 km·h^(-1)时的通行能力最小。相比最低限速40 km·h^(-1),轻雾场景和浓雾场景在限速80 km·h^(-1)和100 km·h^(-1)对应的最大通行能力分别提升21.83%和9.68%,在限速60 km·h^(-1)对应的最小通行能力分别降低15.88%和4.61%。通行能力与Tn呈负相关性,同时,当b_(n-1)>bn时,有利于通行能力的提升。本文所提控制策略能够有效提升雾天高速公路通行能力,在置信水平为95%的情况下,通行能力提升效果显著,不同雾天浓度和限速条件下,通行能力平均提升幅度为44.22%。

基于信息熵的降雪天气下城市道路车辆折算系数研究

为了准确计算降雪天气下城市道路的当量交通量,该文提出一种基于信息熵的车辆折算系数计算方法。首先,统计分析晴天和降雪天气时小汽车和SUV的车头时距分布差异;然后,在车头时距法的基础上,通过引入队列碰撞风险熵模型构建车辆折算系数计算方法;最后,通过VISSIM对该方法的准确性进行验证。结果表明,该方法的误差率小于车头时距法,并且在雪天场景下的误差率在5%以下。

机场实时容量提取和深度融合时空分布预测建模

对于民航运输的网络式运输结构,评估单一机场运行容量仅可用于航班计划安排,而预测机场网络容量的时空分布对航班运行控制具备指导意义。为了反映复杂天气对机场实时容量的影响,采用我国民航天气和航班运行大数据,运用数据挖掘技术提取机场实时容量,研究天气与容量的非线性映射关系;运用神经网络等多种机器学习算法建立将天气时空分布预测转换为机场容量时空分布预测的模型;并在分析单一模型预测结果的基础上,运用神经网络加权特征融合层构建深度融合多种算法的集成预测模型,进一步提升机场实时容量预测的准确率。最后通过华东地区机场网络多季节天气数据,验证模型在复杂天气条件下预测机场实时容量的准确率。研究发现:各模型的预测精度随着单位时间的增加而减少,深度神经网络对非线性天气特征的学习能力较强,通过融合集成学习构建深度神经网络有效提升了机场实时容量的预测精度,满足在短时间内获得未来机场实时容量的要求,可以为民航运输提供决策依据,减少航班延误。

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到DeepLabv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。

基于图注意力网络和天气权重的短时车速预测

城市道路短时车速预测是智能交通系统中的一个重要组成部分,也是城市道路交通信号灯控制、公交调度、出行线路搜索等具体应用任务的基础.目前这方面的研究热点多是使用图卷积神经网络捕获空间特征,再使用直接的线性拼接方法进行特征处理,在准确度上有不足.针对短时车速预测的高准确性要求,提出一种融合图注意力网络、门控循环单元和天气权重因子的深度学习预测模型(Graph Attention Network Based with Weather Weight,W2-GAT).其中,图注意力网络利用注意力机制捕获城市道路空间信息,门控循环单元用于提取车速时间特征,重点关注待预测点周边的路面车速情况;在特征处理方面,将天气因素作为可变权重超参数与具体的道路车速特征进行融合,提高预测的准确性.实验结果表明,和现有模型相比,W2-GAT模型预测结果的均方根误差平均降低7.5%,准确率平均提升4%,能够较好地反映实际路面情况下未来短时的车速特征,为具体应用提供数据支撑.

天气影响下的节假日高速公路出行量短期预测

为支撑节假日高速公路出行需求的提前管控与出行规划,提出一种考虑天气因素对节假日出行影响的高速公路出行量短期预测方法。首先,基于历史节假日期间的天气数据和高速公路收费站进出站流量数据,标定不同天气类型对交通出行的影响系数;其次,建立多元线性回归与出行时间转移模型,以历史节假日数据为特征,节假日期间出行需求总量为整体,利用天气数据修正节日期间每日的出行需求量变化趋势,实现短期的节假日出行需求量预测;最后,利用福建高速路网和出行数据,面向不同于历史出行趋势的非典型节假日预测问题,验证了算法的有效性,日均交通量预测精度达到95.46%。

高速公路气象监测站的宏观适用性

在大量调研和数据分析的基础上建立了客观的宏观适用性分析指标体系,并进行了交通气象监测设备在我国高速公路上的宏观适用性分析,得到以下结论:(1)我国高速公路交通气象监测设备在全国各省的分布极不均匀,除江苏,北京和海南的测站分布较为密集外,大部分省份高速公路的专业交通气象监测处于空白状态。(2)有特殊要素观测能力的站点和当地交通气象灾害种类基本匹配,但特殊观测要素的设置需要向精细化发展,不能一味布设全要素监测站。(3)目前国内的交通气象站布设指南没有充分考虑交通气象监测特点,缺乏可行的布设规范。(4)我国疆域辽阔,高速公路通车里程高,而交通气象监测设备的仪器成本、维护成本和人力成本太高,单纯依靠交通气象监测站不是解决交通气象服务的最佳途径。(5)虽然气象部门的监测数据能够保持一定的准确性,但雨强和能见度等的观测主要通过光感应或遥感,很容易受周围环境的影响,道面状态的观测很难避免周围车辆,环境的影响。(6)监测数据的应用主要在三个方面:实况监测,开发初级产品和科研项目。监测数据没有充分共享,缺少实际应用和深度挖掘,没有针对交通用户生成专业指导产品。还对交通气象监测设备的布设提出了切实可行的建议,如引入数据同化反演技术、加强预报预警技术研究和明确部门分工等。

基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究

近年来不良天气频发,对城市交通流运行影响较大。从驾驶行为角度,利用驾驶模拟技术,搭建城市快速路场景,分析多种雨、雪、雾等不良天气对直线路段下跟驰行为的影响。利用单因素方差分析方法,研究不同天气条件下车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差以及跟驰加速度等指标的显著性,进而使用主成分分析方法研究不良天气对道路交通流的影响。研究结果表明:车头时距、车头间距振幅、最小跟驰车速差在不同天气条件下具有显著性差异,且一般随天气恶劣程度增加,车头时距与车头间距振动幅度变大,最小跟驰车速差减小。不同天气条件对交通流顺畅性影响从大到小依次为大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。