公共文化服务平台

引入期望速度的交通流中观模型研究被引量：3: 2013年; 本文旨在研究期望速度对速度—密度曲线的影响.通过引入期望速度建立了新的博弈表和相应的交通流中观模型,利用VBA和Matlab混合编程技术开发了相应的计算程序.对于一个期望速度类情况,分析了期望速度相同时不同的道路条件对应的速度—密度曲线,以及相同道路条件下,不同期望速度对应的速度—密度曲线.对于多个期望速度类的情况,研究了多个期望速度的变异系数对车流平均速度的影响,以及慢车比例对车流平均速度的影响.得出结论,驾驶员的期望速度差异是影响车流平均速度的主要因素之一.当密度较小时,交通流处于个体流模式,此时交通流平均速度主要由期望速度差异决定;当密度较大时,交通流处于集体流模式,此时交通流平均速度主要由密度决定.; 卢守峰刘改红刘喜敏; 关键词：交通工程

平均排队长度差最小的单交叉口在线Q学习模型被引量：6: 2014年; 为改善交叉口排队长度管理,避免交叉口某个方向排队长度过长,采用强化学习理论建立了以平均排队长度差最小为优化目标的在线Q学习模型。针对控制性能指标相对于邻近的配时方案不敏感的特点,提出了以平均排队长度差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性。集成Excel VBA,Vissim,Matlab建立了在线仿真平台,作为计算环境对算例进行了计算。算例中利用GPS数据对Vissim软件中车辆加减速度曲线进行了标定。计算结果表明以平均排队长度差作为优化目标能够提高各个方向排队长度的平衡性,优化整个交叉口的时空资源;建立的在线Q模型具有学习能力和较快的计算速度,模型能否收敛受到周期取值和可选行为数量的影响。; 卢守峰张术刘喜敏; 关键词：交通工程

宏观标定方法在Wiedemann驾驶行为阈值研究中的应用被引量：5: 2014年; 基于流量速度图对Wiedemann74模型参数标定的宏观方法进行了研究,建立了集成VISSIM、Matlab、ExcelVBA的参数标定平台,以最小化流量速度图的实测值与仿真值的差异为优化目标,应用图像识别方法判别图像的差异性,利用遗传算法优化参数值,实现了参数自动寻优的迭代过程。建立的参数标定平台能够利用流量、速度等宏观运行数据标定驾驶行为阈值参数,为利用检测器数据实现自动化标定提供了有效手段,为分析驾驶行为特点提供了方法,解决了VISSIM软件中默认参数不适合我国交通状况导致仿真精度不高的问题。利用路侧激光检测器采集长沙市南二环路断面交通数据,根据标定后的参数、实测数据对Wiedemann模型的驾驶行为阈值曲线进行了拟合,根据驾驶行为分区对长沙市南二环路的驾驶行为进行了分析。; 卢守峰王丽园; 关键词：交通工程图像识别遗传算法

基于流量和出租车GPS数据的城市道路网络宏观基本图被引量：12: 2014年; 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。; 卢守峰王杰刘改红邵维; 关键词：交通工程城市道路网络密度分布

A New Traffic Kinetic Model Considering Potential Influence: We use potential influence to build a new weight function for modeling city traffic.A corresponding heterogene...; S.-F.LU

行为阈值模型的概率研究: 2016年; 行为阈值模型通过阈值曲线划分车辆跟驰行驶状态。已有的Wiedemann74模型只知道行为分区,不知道各行为分区的概率。文中通过路侧激光检测器采集交通流数据,分车道对车间距、速度差进行数据处理,拟合交通流的车间距、速度差的概率函数R(Δv,Δx);利用标定的行为阈值曲线对概率分布函数进行积分,得到行为阈值模型的概率,从而同时得到车辆的跟驰行驶状态及其概率。; 刘萍卢守峰谢耀漩; 关键词：公路交通交通流

Applying the maximum information principle to cell transmission model of traffic flow: 2013年; This paper integrates the maximum information principle with the Cell Transmission Model （CTM） to formulate the velocity distribution evolution of vehicle traffic flow. The proposed discrete traffic kinetic model uses the cell transmission model to calculate the macroscopic variables of the vehicle transmission, and the maximum information principle to examine the velocity distribution in each cell. The velocity distribution based on maximum information principle is solved by the Lagrange multiplier method. The advantage of the proposed model is that it can simultaneously calculate the hydrodynamic variables and velocity distribution at the cell level. An example shows how the proposed model works. The proposed model is a hybrid traffic simulation model, which can be used to understand the self-organization phenomena in traffic flows and predict the traffic evolution.; 刘喜敏卢守峰

基于二流体模型的交通分析及OD出行时间矩阵被引量：4: 2015年; 为了获得小区域的交通特性并快速找出小区域之间的时间最短路径从而实现动态诱导的目的,利用出租车GPS数据提取出行距离和出行时间,运用二流体模型建立行驶时间与停止时间关系曲线,提出了利用二流体曲线进行交通分析的方法,发现二流体曲线的带宽对交通运行及疏导有较大价值。随后分析了各小区域单位距离行程时间与单位距离停驶时间的变化关系,佐证了不同小区域对交通变化的敏感度不同。最后利用矩阵迭代法计算了不同单位距离停驶时间下的最短出行时间路径,并分析了小区域之间的OD出行时间矩阵,表明二流体模型可用于动态路径诱导。; 卢守峰王杰薛智规刘喜敏; 关键词：交通工程二流体模型城市路网

单交叉口多相位在线Q学习交通控制模型被引量：3: 2014年; 为了优化交叉口信号配时,通过集成Excel VBA-Vissim-Matlab的仿真平台,建立了以总关键排队长度之差最小为优化目标的单交叉口在线Q学习模型,包括定周期和不定周期两种模式的Q学习配时模型。针对控制性能指标相对于邻近的配时方案不敏感的特点,提出了以平均总关键排队长度之差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性。通过算例,将定周期Q学习配时方案、不定周期Q学习配时方案与Transyt配时方案进行对比。研究结果表明:以总关键排队长度之差作为优化目标能够优化整个交叉口的时空资源,建立的在线Q学习模型具有较高的准确性、鲁棒性和学习能力,通过学习能够实现优化目标。同时,还探讨了流量变化情况下不定周期Q学习配时模型的性能。; 卢守峰张术刘喜敏; 关键词：交通工程信号控制交叉口

基于风险避免强化学习的单交叉口配时优化: 2014年; 现有的信号配时强化学习模型大多是风险中立的强化学习模型,其缺点是在线学习中稳定性和鲁棒性较差,需要的运行时间较长,且收敛效果不明显。为了解决存在的这些问题,建立了风险避免强化学习交通信号配时模型,用排队长度差作为模型的交通评价指标。在集成VISSIM-Excel VBAMatlab的仿真平台上进行了仿真实验,分析了风险程度系数对配时方案优劣程度、收敛性的影响;与风险中立的强化学习模型进行对比分析,得出了新模型,它在稳定性方面有较大的改进,收敛速度较快,在交通评价指标上运行效果好。针对交通信号配时优化这类问题,应采用增量风险避免强化学习方法,即风险程度系数应采用小步距递增的方式。; 毛盈方卢守峰; 关键词：信号配时仿真

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(71071024)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(71071024)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈