交通流
- 基于非線性宏觀方法的交通信號預測控制分析
控制的城市路網交通流優化。采用預測控制方法，達到最大限度地提高路口的通行能力，并驗證了迭代式識別在車輛流量模型的參數識別中的正確性。研究結果表明：隨著迭代次數增多，網絡各個路段排隊車錯誤值逐漸降低，且保持不變。對網絡交通系統的最大錯誤對比，以更好地體現了迭代識別正確性。雖然道路網的非線性宏觀流量模型與 道路模擬試驗結果總體上是與道路交通流量的實際改變相一致的，驗證了該方法在道路網絡中的非線性大流量模型的識別性能。在隨機擾動在系統中辨識算法可實現對系統期望輸
電子產品世界 2023年7期2023-08-02
- 車輛質點系交通流參數描述及仿真分析
150040)交通流的研究旨在揭示個體交通參與者與由此產生的交通流動態之間的關系。英國學者Lighthill、Whitham[1]和Richard[2]提出基于流體力學中的相關參數對交通流運行狀態定量表述方法,通過交通流的三參數(交通量、速度、密度),利用流體力學的質量守恒連續性方程,構建了LWR模型,此模型再現了當時大量的真實交通現象。Munjal等[3-4]將該模型拓展到多車道,對每個車道應用LWR模型。Zhang[5]以及Chanut等[6]都針對交
重慶理工大學學報(自然科學) 2023年3期2023-04-11
- 隧道側壁效應下的交通流粘滯特性建模
0 引 言由于交通流之間相互干擾, 如交通流內部交通個體之間、 各交通流之間以及道路邊緣固體設施對交通流的干擾, 會使交通流產生粘滯效果, 主要表現為同一交通流的通行速度降低或相鄰交通流的通行速度分布不均。因為交通流的粘滯特性對交通狀態有很大影響, 所以人們在研究宏觀交通流模型時往往引入交通流粘滯力, 以增強模型的可信度。但目前人們對交通流粘滯特性的研究報道較少, 僅有部分學者建立了相應的粘滯力模型。如以自由流速度和換道車輛數為參數, Ke等[1]建立了車
吉林大學學報(信息科學版) 2022年6期2023-01-17
- 基于SUMO的城市交叉口仿真平臺搭建
具有與真實道路交通流相似的交通參數及特征。關鍵詞： SUMO; Traci; 城市交叉口; 交通流; 交通仿真中圖分類號：TP311.13? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2022）06-138-04Construction of a simulation platform for urban intersections based on SUMOLi Qianqian， Wang Xiaohan， Zhu Qian
計算機時代 2022年6期2022-06-21
- 基于GM跟馳模型的內河限制性航道船舶交通流基本圖
內河航道上船舶交通流的運行特征與規律[1].船舶交通流源于1950年代因國際航運繁榮而發展起來的海上交通工程學，其內容主要借鑒于道路車輛交通流[2-6].例如，對于平穩狀態下交通流的流量、速度、密度3個基本參數關系，即交通流基本圖，目前內河船舶交通流往往直接引用經典車輛交通流基本圖[7-9].由于組成交通流的運載工具、通航設施與通航環境差異較大，特別是船舶航行時為保持舵效有最低航速限值，對于經典車輛交通流基本圖模型對內河船舶的適用性，迫切需要內河船舶交通流
東南大學學報（自然科學版） 2022年3期2022-06-19
- 高速公路交通流預測模型研究
建立相應的高速交通流預測模型是較好的解決途徑。文章綜合分析當前常見的交通流預測模型特點，提出了一種CNN-LSTM神經網絡預測模型，該模型能夠有效結合CNN神經網絡和LSTM長短時神經網絡的優點。通過采用該模型對西寶高速交通流進行預測后發現CNN-LSTM模型具有準確的預測性能，其可為高速公路交通管理運營提供數據支持，提高對突發事件的適應性。關鍵詞 高速公路;交通流;預測模型;CNN神經網絡;LSTM中圖分類號 U491.112 文獻標識碼 A 文章編
交通科技與管理 2022年10期2022-06-07
- 基于PSR-PSO-RBF的短時交通流預測方法
)高精度的短時交通流預測方法能準確預測交通流，城市道路管理部門可以依據預測結果實時制定相應的交通控制策略，提高城市道路通行效率。由于短時交通流具有明顯的非線性特征[1]，而(radial basis function，RBF)神經網絡[2]具有識別復雜非線性系統的特性，學者將其應用于短時交通流預測領域[3]，但是它存在初始權值和閾值不能準確獲得的缺陷，導致預測精度有所欠缺[4]。為提高RBF神經網絡模型對短時交通流的預測精度，黃文明等[5]利用人工蜂群算法
交通科技 2022年1期2022-03-05
- 基于軌跡數據的短時交通流預測技術研究
110159)交通流預測是智能交通網絡管理系統的重要組成部分[1]，其研究方法經歷了多個不同的發展階段。最初是基于線性理論的方法，如典型的差分整合移動平均自回歸(Autoregressive Integrated Moving Average，ARIMA)模型，將當前的交通流數據與歷史數據建立關系，從而達到預測的目的，但其無法捕獲到交通流的突變。還有學者提出了以機器學習為理論依據的預測方法，如K最近鄰算法、貝葉斯推理方法和支持向量機(Support Vec
沈陽理工大學學報 2021年6期2021-12-30
- 城市道路占道施工交通組織研究
間對路網和路段交通流重新組織分配的安排保障措施。本文用以廣州白云國際機場第二高速公路1標段工程半封閉占道施工為對象進行交通組織方案研究。關鍵詞：占道施工 施工交通組織方案 交通流Research on Traffic Organization of Urban Road Occupation Construction——Taking Guangzhou Baiyun International Airport Second Expressway Secti
時代汽車 2021年23期2021-12-23
- 節假日路網流量預測方法與實例分析
對公路網節假日交通流量的趨勢進行預測，是保障路網暢通運行的有效手段，在減輕路網擁堵、提高游客出游滿意度、提高出行效率等方面具有重要意義。文章提出了一種趨勢預測方法，計算同一節點下歷年節假日日流量與年平均日交通量（AADT）之間的相關關系，根據修正后的相關關系和預測年份的年平均日交通量實現對節假日流量的趨勢預測。以江蘇省鎮江市某節點2015年9月—2018年5月數據作為實例進行方法驗證，表明該模型在節假日流量趨勢預測方面具有實用性。關鍵詞：交通流;趨勢預測;
無線互聯科技 2021年8期2021-09-13
- 老年代步車對城市道路交通流運行影響分析
年代步車給城市交通流的正常運行帶來諸多方面的干擾。本文選定一縣級市作為交通調查地點，通過統計數據和計算分析，得出老年代步車對車輛運行速度、交通流密度、道路通行能力三方面的影響。關鍵詞：老年代步車;交通流;縣級市;影響分析0 前言 近年來，隨著我國老齡化人口不斷增多和老百姓生活質量的不斷提高，老年人口越來越重視出行方式的舒適度，追求出行消費升級的新選擇，出行需求問題亟待解決。一時間，三輪、四輪低速電動車（即老年代步車）在我國各大中小城市的街頭巷尾悄然興起，
交通科技與管理 2021年12期2021-09-10
- 突發事故條件下道路交通流早發性失效機理研究
56)0 引言交通流失效是指當路段實際交通量達到或接近路段通行能力時，速度發生急速下降的現象[1]，該現象廣泛存在于交通系統中。近年來，諸多研究發現瓶頸路段上交通量未達到道路通行能力時亦有可能發生交通流失效，即早發性失效。交通流失效將對交通系統的穩定性造成較大影響，且該現象的發生往往伴隨著交通流由自由流狀態向擁擠狀態的相位轉變[2]。相對于普通的交通流失效，早發性失效的不確定性更強、預測難度更大。故深入理解早發性失效發生及演化機理，有利于交通管理者及時掌握
公路交通科技 2021年8期2021-09-08
- 淮上大道與解放路交叉口信號控制方法研究
研的基礎上，以交通流為控制單元，提出相適應的控制策略，并通過燈組自主優化控制算法設計控制預案后應用實施，最后總結應用效果，并對比分析交叉口優化前后的平均車速及平均延誤數據，闡明本文提出的控制策略能夠明顯提高交叉口通行效率，解決交叉口實際問題。該案例為城市信控交叉口的信號控制優化提供了方法指導和借鑒參考。關鍵詞：信號控制;交通流;燈組自主優化控制算法;控制預案中圖分類號：U491.23;U491.51 文獻標識碼：A DOI：10.3969/j.issn.1
軟件 2021年2期2021-08-19
- 基于時空卷積神經網絡GL-GCN的交通流異常檢測算法
李婧摘? 要：交通流異常檢測通常要考慮時間信息、空間信息等信息，這讓交通流異常檢測變得具有挑戰性。文章重點研究由交通事故、或短暫事件引起的非經常性交通異常檢查。新提出的算法（GL-GCN）利用交通的時空數據，空間信息采用圖卷積網絡捕獲，時間依賴性采用深度神經網絡DeepGLO的方法建模。同時捕捉時空特性并建立預測交通流模型，利用異常分數來判斷交通流異常。利用真實的交通流數據，證實了提出的模型具有有效性和優越性。關鍵詞：交通流;異常檢測;深度神經網絡;圖卷積
現代信息科技 2021年2期2021-07-28
- 基于預知OD的城市路網交通流路徑優化研究
：針對城市路網交通流分布不均引起的交通擁堵問題，提出了在預約出行交通背景下基于預知OD的交通流路徑優化方法。首先，分析了預約出行交通背景下預知OD的數據環境;其次，根據動態用戶均衡準則，對預知的OD進行流量分配，給出預約出行車輛的路徑;接著，使用預測控制的方法，結合路網上預約車輛的狀態，以路網上路段的飽和度和未預約車輛的行程時間最小化為目標，從系統和用戶兩個角度對未預約車輛的路徑進行實時的誘導，通過連續時域的滾動優化控制，優化交通流的路徑;最后，對本方法的
物流科技 2021年2期2021-07-05
- 考慮多特征的高速公路交通流預測模型
甚至更長時間的交通流預測功能。提前一天或多天預知高速公路交通流，不僅可以輔助高速公路管理人員提前安排部署、合理誘導車輛分流、疏散，緩解高速公路擁堵現象，也可以為公眾出行提供參考。高速公路交通流預測作為研究熱點在不同發展時期均取得較為豐碩的成果，研究趨勢從單一的參數模型過渡到非參數模型及混合模型。典型的參數模型有自回歸積分移動平均(Autoregressive Integrated Moving Average，ARIMA)模型和卡爾曼濾波器模型。如Will
交通運輸系統工程與信息 2021年3期2021-06-29
- 智能網聯環境下混合交通流穩定性解析
為差異性，改善交通流特性，進而為相關交通問題的有效解決提供新途徑[1]. 就目前來看，大規模CAV車輛實地真車測試的實施條件尚不成熟[2]. 因此，現階段對CAV車輛交通流特性的研究已經成為交通流理論以及智能交通系統的研究熱點[3-5]，交通流穩定性是交通運營質量的內在屬性，本文針對CAV混合交通流穩定性開展研究. 縱觀國內外針對交通流穩定性分析的研究成果，跟馳模型穩定性解析方法眾多，并已形成較為明確的結論[6]，但是針對混合交通流穩定性解析的研究工作進展
哈爾濱工業大學學報 2021年3期2021-03-17
- 交通流多時間尺度特性分析與參數模型研究*
建立準確穩定的交通流參數模型是實現智能交通誘導與控制的關鍵[1]。交通流參數模型通常以描述交通流運行特性的三個參數(速度、流量和密度)為基礎，考慮到交通流數據統計時間尺度的不同，交通流序列因受到各種復雜因素的影響，表現出較強的非線性和時空特性。因此，分析交通流在不同時間尺度下的特性，揭示交通流特性參量間的相互關系和內在時空演變規律，可為完善交通流理論、進行交通狀態識別提供科學依據和理論支撐。對于交通流時間序列的分析主要有：數理統計方法、機器學習方法、可視圖
傳感器與微系統 2021年2期2021-03-05
- 基于多車道加權融合的短時交通流預測研究
44)0 引言交通流預測是利用人們行為產生的歷史交通流數據進行分析，是智能交通系統(Intelligent Traffic System, ITS)中的重要構成部分。多年來，在緩解交通擁堵、降低資源浪費等方面發揮重要作用，一直深受運輸領域學者的關注[1-2]。利用歷史交通流數據隱含的特性進行短時交通流預測已經取得重要進展。從早期的統計模型到最近的深度神經網絡模型，很多學者[1]關注的是交通流長短程時間尺度上的相似性，如楊春霞等[3]引入交通流周時間尺度的相
公路交通科技 2021年1期2021-01-27
- 車聯網環境下自動駕駛交通流建模與分析
究自動駕駛微觀交通流跟馳模型已成為自動駕駛領域的熱點研究問題之一[1]。國內外關于自動駕駛跟馳模型的研究工作大致可以歸納為以下幾類：第一類,以傳統跟馳模型為基礎，通過調節模型參數以及優化設計相關參數來實現自動駕駛交通流跟馳建模[2]，這一類建模過程簡單且便于應用，但難以從模型結構上區分自動駕駛與手動駕駛的行駛特性;第二類，將自動駕駛跟馳模型結構分為三個部分，第一個部分是通過車聯網V2V技術獲取前車加速度信息反饋，第二個部分是實際車頭間距與期望車頭間距的誤差
武漢科技大學學報 2019年6期2019-11-20
- 基于ANFIS混合模型的短時交通流預測①
擁堵.城市短時交通流預測作為城市計算[1-3]中的一個重要研究方向,由城市交通大數據驅動,可以大大提高生活效率,提升城市的智能化水平.短時交通流預測的研究已經發展了很多年,從統計學方法到神經網絡方法和模糊系統的方法,交通流預測越來越精確、適用.統計學方法是通過對歷史交通流數據進行線性回歸處理來進行交通流預測的.Sun 等[4]利用局部線性回歸模型對從休斯頓采集到的交通流數據進行短時預測.Dang 等[5]采用多元線性自回歸模型進行交通流預測.William
計算機系統應用 2019年6期2019-07-23
- 直線式公交車?？空緦?span class="hl">交通流隨機延誤的影響
間資源，對后續交通流產生不確定性影響。陳琳莉等[1]研究公交車?？坎煌九_時對相鄰車道車輛速度的影響。韋佼等[2]根據交通波理論，運用VISSIM仿真驗證直線式公交車?？繉涍^的社會車輛產生的影響。姚志洪等[3]研究公交車?？侩S機延誤對交通流的影響，并建立異質交通流車隊流量離散模型。劉云等[4]建立直線式和港灣式公交站點的延誤模型。Fitzpatrick等[5]分析公交車?？康娜萄诱`影響。直線式公交車?？坷碚摰南嚓P研究對于公交都市建設具有重要意義，也可為
山東交通學院學報 2019年2期2019-07-23
- 基于點集偏差的船舶交通流不均勻性度量研究*
0 引 言船舶交通流的基礎理論研究多借鑒于道路、行人和航空交通領域相關理論，已取得一定成果[1].現階段，國內外針對船舶交通流的研究主要集中在基于概率統計和模擬仿真技術的船舶行為特征分析與建模方面[2-7]，同時，在船舶AIS的強制使用以及通訊技術的不斷發展中，對船舶交通流的研究更多通過歷史統計的船舶AIS數據進行相關研究.熊振南等[8]通過運用點統計法方法，對天津港北航道和主航道交匯水域的船舶交通流分布規律進行統計分析.甘浪雄等[9]以AIS數據為基礎，
武漢理工大學學報（交通科學與工程版） 2019年3期2019-07-01
- 基于現實與虛擬交互的交通流再現實驗方法
201804)交通流的解析與建模，不僅對于揭示其規律具有科學意義，還可為交通流控制和管理提供科學依據，因此，有關于此的研究由來已久.交通流運行過程是一個動態過程，因受到動態的交通需求和交通行為，以及靜態的道路及管理條件等的組合影響，所以交通流狀態具有不確定性特點.是否能夠準確地描述交通流真實特征和演變規律，是交通流控制和管理的關鍵基礎問題.由于交通流在時間和空間上分布特性的高度復雜性，很難通過觀測的方法在任意時間段內直接獲取任意范圍內的交通流狀態的動態演變
同濟大學學報（自然科學版） 2018年12期2019-01-08
- 基于深度學習的路網短時交通流預測
、準確性的路網交通流預測，有效的提高了路網運行的安全性和運行效率。新時期下，有必要利用一些科學、有效的方法對路網交通流量做出準確的預測，以更好的解決目前道路交通中所存在的問題。2 深度學習的涵義很長時間以來，人們就一直在致力于研究神經網絡，力求將神經系統和視覺系統相聯系，不斷地促進二者之間的融合。從傳統的機器學習和信息處理技術來看，它們中僅僅包含著單個的非線性特征轉換。其中，影響較大的是條件隨機域、SVM模型以及一個隱含層的多層感知器。從它們之間的特征來看
山東工業技術 2018年3期2018-11-30
- 基于改進KMC算法的三相交通流聚類研究
為了更好地解釋交通流狀態轉變中表現的特性，德國學者Kerner在總結和研究了大量交通流經驗數據的基礎上提出了三相交通流理論[1-4]，并進行了擴充和完善[5]。不同于經典的兩相（自由流和擁堵流）交通流理論，該理論認為交通流狀態存在三相性，即自由流（Free FLow，F）、同步流（Synchronized FLow，S）和寬運動堵塞流（Wide Moving Jam，J）。近年來，國內外學者基于三相交通流理論提出了許多相關研究成果。Jia等[6]提出了基于
物聯網技術 2018年10期2018-11-20
- 基于LSTM的短時交通流預測研究
06）0 引言交通流預測主要是對交通量的相關參數進行預測。交通量也叫做交通流量，是指在指定時間段內，通過道路某一地點、某一斷面或某一車道的交通實體數[1]。在智能交通系統（Intelligent Transportation Systems，ITS）領域[2]，交通控制與誘導系統是ITS研究的熱門核心課題，而實現交通誘導的關鍵是實時準確地預測交通流。即利用現有道路的實時和歷史交通流數據，通過建立適合的模型對下一個時段的交通流進行預測。交通流預測分為短期預測
現代計算機 2018年25期2018-10-22
- 基于模糊神經網絡的短時交通流預測方法研究
神經網絡的短時交通流預測方法研究程山英(江西科技師范大學 數學與計算機科學學院，南昌 330038)為滿足交通控制和誘導系統的實時性需求，減少交通擁擠狀況，降低交通事故突發頻率，需要對短時交通流進行預測;當前的短時交通流預測方法是采用K-近鄰的非參數回歸對其進行預測，預測過程中沒有將預測模型中關鍵因素對交通流的影響進行詳細的說明，導致預測結果不準確，存在短時交通流預測誤差較大的問題;為此，提出一種基于模糊神經網絡的短時交通流預測方法;該方法首先以歷史短時交
計算機測量與控制 2017年8期2017-11-01
- 基于速度離散率的非穩定狀態下交通流速度研究
的非穩定狀態下交通流速度研究李 巖(黑龍江工程學院 經濟管理學院，黑龍江 哈爾濱 150050)不同類型車輛構成的交通流會由于車輛差異形成不同的速度變化，尤其是在非穩定狀態的交通流中表現得更明顯。選取大客車、小客車、大貨車、小貨車和摩托車5類車型，在實驗路段采集交通流數據進行交通仿真，結合車速標準差，構建在非穩定狀態下交通流速度離散率模型。利用速度離散率獲得由5類車型構成的非穩定狀態交通流速度變化趨勢，并確定不同車型對交通流速度離散率的影響程度。非穩定狀態
黑龍江工程學院學報 2017年3期2017-07-12
- 綠燈間隔矩陣的建立過程
過程：交叉口處交通流的3種基本關系；哪些交通流之間需要設置綠燈間隔；綠燈間隔的計算方法。最后以案例分析的形式，闡明交通流以及信號組之間綠燈間隔矩陣的建立過程。交通管理； 信號控制； 綠燈間隔矩陣； 信號組0 引言綠燈間隔影響著信號控制交叉口處的交通安全與通行效率。據相關統計，城市道路上發生的交通事故有60%以上處于平面交叉口范圍內,其中90%的事故發生在上一相位交通信號燈綠燈結束至下一相位綠燈開始的這段時間[1]。綠燈間隔設置的目的是保證上一信號相位最后通
中國人民公安大學學報（自然科學版） 2017年1期2017-04-10
- 城市無信號控制T型交叉口通行能力計算方法
制T型交叉口的交通流運行優先等級進行重新劃分，共劃分為5級.將主路直行車流和橫穿支路的當量人群流作為獨立優先流，應用間隙接受理論，研究了各次級交通流的可能通行能力計算方法.考慮高等級次級交通流及橫穿主路的當量人群流的影響，采用概率論方法研究了各次級交通流的可能通行能力修正系數，從而得到各次級交通流的實際通行能力計算模型，進而得到整個無信號控制T型交叉口的通行能力計算方法.結果表明，以當量人群描述非機動車和行人對機動車通行的共同影響計算過程簡單，符合我國城市
交通運輸系統工程與信息 2015年5期2015-08-07
- 機動車交通流比功率與能耗模型研究
804)機動車交通流比功率與能耗模型研究張衛華1，陳俊杰1，江楠2，柏海艦1(1.合肥工業大學 交通運輸工程學院，安徽 合肥 230009;2.同濟大學 道路與交通工程教育部重點實驗室，上海 201804)為研究機動車交通流能耗，將機動車交通流比功率(VSP)作為研究對象.從最常見的單車比功率研究出發，使用氣體動力學交通流模型聯系單車比功率與交通流整體比功率，以此建立交通流比功率模型.為使此模型具備更顯著的物理意義，將交通流比功率分為兩部分，一部分為平衡交
大連交通大學學報 2015年1期2015-06-07
- 合流區匝道交通量控制指標計算方法研究
在許多一般道路交通流通過匝道進入快速道路的合流區。隨著城市機動車的持續增加，一些合流區出現了嚴重的交通擁堵問題。在緩解合流區交通擁堵的諸多控制策略中，入口匝道控制是使用最廣泛的一種。無論是我國一些城市采用的匝道關閉策略，還是歐美國家已普遍采用的匝道交通量調節策略，其核心是根據合流區主線交通流，給出保證合流區不出現交通擁堵的匝道交通量控制指標。該方面的研究主要根據道路合流區主線交通流的基本圖分析交通流狀態變化，結合道路通行能力與交通流密度、流量、速度分析交通
交通運輸工程與信息學報 2015年3期2015-03-11
- 基于宏觀模型的協作式巡航控制交通流方法
協作式巡航控制交通流方法提出一種宏觀模型來描述協作式自適應巡航控制交通流的行為，即對自適應巡航控制交通流的擴展。在協作式自適應巡航控制交通流中，一輛車可以通過無線通信與前方很多車輛交換信息，相比自適應巡航控制交通流而言，本車與前車的距離將會更加緊密?；谝唤M特定模型參數集合的線性和非線性穩定性方法，構建模型的穩定性圖標。分析表明，相比自適應巡航控制交通流，協作式自適應巡航控制交通流能夠加強交通流的穩定性，無論是在大或小的擾動下，車速的變化超調量均更小。車輛
汽車文摘 2014年2期2014-12-14
- 基于時空特性的短時交通流預測模型*
法對城市路網的交通流量進行合理分配變得非常重要，其中，對道路實施交通流控制與誘導是控制交通流合理分配的一個關鍵問題，其核心之一是實時、準確地進行短時交通流預測.各國學者對短時交通流預測進行了長期深入的研究，提出了近百種預測方法.目前，大體可將這些預測方法分為兩類:第1 類是以數理統計和微積分等傳統數學和物理方法為基礎的預測方法，包括時間序列預測［1］、歷史均值預測［2］、卡爾曼濾波模型預測［3］等;第2 類是以現代科學技術和方法為主要研究基礎而形成的預測模
華南理工大學學報（自然科學版） 2014年7期2014-08-16
- 道路網交通流狀態變化趨勢判別方法
100044）交通流狀態判別有多種方法，從簡單的人工巡邏判別方法到緊急電話、移動電話判別方法，從閉路電視判別方法到全自動電子監視判別方法等等.這些方法都能夠在一定程度、一定范圍內發現道路上存在的交通擁堵狀況.最早開發并投入使用的交通流狀態判別算法是以判別突發交通事件為主要功能的加利福尼亞算法.經過實踐和進一步的深入研究，1978年Payne和Tignor［1］公布了10 種基于最初的加州算法的改進算法，其中性能最好的是加州7＃算法和加州8＃算法.1993
同濟大學學報（自然科學版） 2012年9期2012-12-03
- 基于有限元分析的交通流理論與技術研究＊
261100）交通流理論是研究交通流隨時間和空間變化規律的模型和方法體系［1－2］．交通流分析的核心內容是交通流模型的建立．交通流是一個離散系統，宏觀模型忽略了單個車輛的作用，對微觀車輛的相互作用不能夠描述，因此得到的信息不完全；微觀模型雖然考慮了單個車輛的作用，但是模型的控制變量繁多，參數設置龐雜．而利用有限單元法建立交通流的模型可以彌補這些缺陷，因此采用本質上離散的有限元模型來描述實際的交通現象具有其獨特的優越性．1955年，英國學者Lighthill
武漢理工大學學報（交通科學與工程版） 2012年1期2012-12-01
- 基于交通流灰色關聯熵的交通流無序轉化研究*
2)0 引 言交通流無序是指處于交通擁堵狀態下的、通行能力很低的一種道路交通流,它實質是一種在時間、空間有序,而功能無序的道路交通流.交通流系統是復雜的開放巨系統,組成系統的各因素之間存在著復雜的非線性關系,它不僅能導致交通流混沌現象的產生,也會導致交通流無序的產生.近年來,交通流混沌的研究已經受到了交通流理論界的廣泛重視[1].關于交通流混沌的研究成果也越來越多[2-5].但是,對于交通流無序的研究卻是交通流理論研究的一個薄弱環節.交通流無序是交通流中很
武漢理工大學學報（交通科學與工程版） 2010年1期2010-12-01
- 跟馳模型適用范圍與交通流混沌現象的研究
雪摘要：根據交通流有序與元序運動交替出現的特性，提出通過混沌現象，研究跟馳模型的適用范圍。用Matlab軟件編制Gazis HerInarl Potts模型，以產生交通流，當敏感度取不同值時，研究交通流車隊中前五輛車之間的車頭間距變化過程，給出了相關的仿真結果。分析車頭間距的仿真曲線及最大Lyapunov指數，得出當敏感度取值較大時，采用Gazis HermanPotts模型仿真車隊運動，需要對其加以適當修正的結論。關鍵詞：交通流；Gazis Herma
現代電子技術 2009年15期2009-09-30