CN108022423A - 一种ca模型下的城市施工路段车辆变道点逐日预测方法 - Google Patents

一种ca模型下的城市施工路段车辆变道点逐日预测方法 Download PDF

Info

Publication number
CN108022423A
CN108022423A CN201711130033.8A CN201711130033A CN108022423A CN 108022423 A CN108022423 A CN 108022423A CN 201711130033 A CN201711130033 A CN 201711130033A CN 108022423 A CN108022423 A CN 108022423A
Authority
CN
China
Prior art keywords
mrow
day
lane change
vehicle
construction section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711130033.8A
Other languages
English (en)
Other versions
CN108022423B (zh
Inventor
田晟
许凯
张剑锋
张裕天
马美娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201711130033.8A priority Critical patent/CN108022423B/zh
Publication of CN108022423A publication Critical patent/CN108022423A/zh
Application granted granted Critical
Publication of CN108022423B publication Critical patent/CN108022423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

本发明公开了一种CA模型下的城市施工路段车辆变道点逐日预测方法，包括以下步骤：采集城市施工路段的长度L，施工区长度Lw，车辆数c等信息参数及日变模型中的相关参数确定；制定城市施工路段的不对称双车道路段变道规则；制定城市施工路段的直行规则；结合记忆遗忘规律更新理解通行时间；建立变道位置概率转移模型，对车辆变道位置逐日预测。本发明考虑驾驶者变道的逐日演变行为，同时根据历史出行经验及习惯依赖性，结合记忆遗忘规律，对变道位置进行逐日调整。

Description

一种CA模型下的城市施工路段车辆变道点逐日预测方法
技术领域
本发明涉及交通控制与管理技术领域，特别涉及一种CA模型下的城市施工路段车辆变道点逐日预测方法。
背景技术
施工路段道路缩减，通行能力降低，影响路段的走行时间，容易诱发交通堵塞及交通事故。且施工路段车辆的行驶行为复杂多变，出现一系列加速、减速及变道行为，其中的变道行为不同于普通路段的变道，具有不对称性，位于封闭车道上的车辆通过施工路段时至少需要进行一次变道以进入通行车道，而变道行为增加了两车道车辆对有限空间资源的竞争，从而对车速、车头间距等提出了要求。驾驶者在保持期望行驶状态的情况下，需考虑从封闭车道换至通行车道的变道问题。
对施工路段交通特性的研究主要分为两类，一类是提出一定方法研究占道施工路段的通行能力和拥堵延误情况；另一类则通过仿真等方法研究施工路段的车辆分布与速度变化，提出施工路段的限速值。但现有研究多以高速公路施工路段为研究对象，而在实际情况中，城市道路因养护作业、管道铺设及建筑施工等作业导致路段施工的现象较之高速公路施工路段更加普遍。因此有必要对城市施工路段的变道情况进行研究。
元胞自动机(CA)是一种时空离散化，在时间维度上演化的动力学系统，因其在模拟交通流非线性运动方面的优势，国内外相关研究运用CA模型研究了各种复杂的交通现象。采用CA模型可以模拟每辆车的行驶状态，包括位置和速度，因此可以用CA模型确定车辆的变道位置。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种CA模型下的城市施工路段车辆变道点逐日预测方法，本发明提出结合宏观日变模型与微观元胞自动机模型的车辆变道位置逐日预测方法，克服了既有研究没有考虑驾驶者的出行经验对施工路段变道位置的影响(即驾驶者变道的逐日演变行为)问题，同时根据历史出行经验及习惯依赖性，结合记忆遗忘规律，对变道位置进行逐日调整。
本发明的目的通过以下的技术方案实现：
一种CA模型下的城市施工路段车辆变道点逐日预测方法，包含如下步骤：
(1)采集城市施工路段的长度L，施工区长度Lw，车辆数c等信息参数及日变模型中的相关参数确定；
(2)制定城市施工路段的不对称双车道路段变道规则；
dn,fore(t)＞＝1
dn,back(t)＞1+vmax-min(vn(t)+1,vmax)
dn(t)-dn,fore(t)＜4
vn(t)表示第n辆车t时刻的速度，vmax表示车辆的最大速度，当车辆满足以上条件时，车辆进行变道，即由封闭车道变道至通行车道上的概率为1，表现封闭车道车辆的强换道心理。其中dn(t)表示第n辆车t时刻与本车道前车距离，dn,fore(t)表示第n辆车t时刻与邻前车距离，dn,back(t)表示第n辆车t时刻与邻后车距离。dn,fore(t)＞＝1表示下一时间步车辆能够在相邻车道行驶，不会与邻前车发生冲突；dn,back(t)＞1+vmax-min(vn(t)+1,vmax)考虑了车辆与相邻车道车辆的速度差，当变道成功时，车辆不会与邻后车发生冲突，但弱化了安全条件；dn(t)-dn,fore(t)＜4表示本车道的行驶条件有可能好于相邻车道；变道规则不允许车辆由通行车道变道至封闭车道，刻画通行车道驾驶者不变道的心理，同时刻画了封闭车道驾驶者期望变道的心理。
(3)制定城市施工路段的直行规则；
在时段(t,t+1)过程中，模型按如下规则并行演化：
Step1:加速：vn(t+1)＝min(vn(t)+1,vmax)；
Step2:减速：vn(t+1)＝min(vn(t+1),dn(t))；
Step3:随机慢化：以概率pm慢化，令vn(t+1)＝max(vn(t+1)-1,0)；
Step4:位置更新：xn(t+1)＝xn(t)+vn(t+1)。
其中vn(t)表示第n辆车t时刻的速度，vmax表示最大速度，xn(t)表示第n辆车t时刻所在的位置。
(4)基于元胞自动机模型的数据输出，考虑记忆遗忘规律情况，建立变道位置逐日演化模型。变道位置演化包括初始化和位置演化两步，具体步骤如下：
4.1)初始化步骤
令k＝0，以元胞自动机模型模拟交通信息系统发布初始数据，初始数据包括了车辆的变道位置及其对应的路段通行时间。建立基于变道车辆路段通行时间负效用的变道位置Logit模型；
其中P(i,k)表示第k天车辆在位置i的变道概率，θ表示出行者对时间的敏感程度，为一正数，T(i,k)表示第k天在位置i变道车辆的通行时间。
4.2)演化步骤
PI(k+1)＝PO(k)+C(PO(k))
SUM(C(PO(k)))＝0
Nc表示施工车道的通行元胞数，T’(i,k)是第k天位置i出行者的理解通行时间，T’(j,k)是第k天位置j出行者的理解通行时间，rh表示第h天出行的记忆程度。PI(k+1)表示第k天的变道位置概率输入值，PO(k)表示第k天结束后由交通信息系统发布的变道位置概率输出值，POi(k)表示第k天结束后位置i的变道概率输出值，C(PO(k))表示驾驶者根据第k天出行结果在第k+1天的车辆变道位置的概率输入转移值。Δ(i,j)表示变道位置i和j间的关联向量，δ表示变道位置转移系数，ξ表示驾驶者对通行时间的可接受度，其值越大则变道位置的概率输入转移值越小，SUM(·)函数表示对所有包含元素求和。
(5)通过元胞自动机模型和逐日模型的迭代演化，可以预测每日车辆变道位置。
本发明与现有技术相比，具有如下优点和有益效果：
1、制定了城市施工路段的不对称双车道路段变道规则，用以刻画驾驶者在城市施工路段的心理行为特征。
2、将驾驶者的历史出行经验结合记忆遗忘规律更新驾驶者的每日出行的理解通行时间。
3、建立变道位置转移模型，结合每日更新的理解通行时间，可以对车辆变道位置进行逐日预测。
附图说明
图1为实施例方法流程图。
图2为H.Ebbinghaus记忆遗忘曲线。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
本施工路段车辆变道位置逐日预测主要包括不对称双车道路段变道规则制定，直行规则制定，结合记忆遗忘规律的理解通行时间更新，建立变道位置概率转移模型，对车辆变道位置逐日预测。其技术要点主要是考虑出行者往日的历史出行经验，并结合记忆遗忘规律曲线，更新当日的路段理解通行时间，对当日的车辆变道位置进行修正来刻画用户的出行行为，进而采用元胞自动机模型预测逐日变道位置。可为施工路段的交通控制与管理提供策略及制定预案。
具体实施方式如图1所示。
S1、采集城市施工路段的长度L、施工区长度Lw、车辆数c等信息参数，确定日变模型中的相关参数；
S2、制定城市施工路段的不对称双车道路段变道规则；
dn,fore(t)＞＝1
dn,back(t)＞1+vmax-min(vn(t)+1,vmax)
dn(t)-dn,fore(t)＜4
vn(t)表示第n辆车t时刻的速度，vmax表示车辆的最大速度，当车辆满足以上条件时，车辆进行变道,即由封闭车道变道至通行车道上的概率为1，表现封闭车道车辆的强换道心理。其中dn(t)表示第n辆车t时刻与本车道前车距离，dn,fore(t)表示第n辆车t时刻与邻前车距离，dn,back(t)表示第n辆车t时刻与邻后车距离。dn,fore(t)＞＝1表示下一时间步车辆能够在相邻车道行驶，不会与邻前车发生冲突；dn,back(t)＞1+vmax-min(vn(t)+1,vmax)考虑了车辆与相邻车道车辆的速度差，当变道成功时，车辆不会与邻后车发生冲突，但弱化了安全条件；dn(t)-dn,fore(t)＜4表示本车道的行驶条件有可能好于相邻车道；变道规则不允许车辆由通行车道变道至封闭车道，刻画通行车道驾驶者不变道的心理，同时刻画了封闭车道驾驶者期望变道的心理。
S3、制定城市施工路段的直行规则；
在时段(t,t+1)过程中，模型按如下规则并行演化：
Step1:加速：vn(t+1)＝min(vn(t)+1,vmax)；
Step2:减速：vn(t+1)＝min(vn(t+1),dn(t))；
Step3:随机慢化：以概率pm慢化，令vn(t+1)＝max(vn(t+1)-1,0)；
Step4:位置更新：xn(t+1)＝xn(t)+vn(t+1)。
其中vn(t)表示第n辆车t时刻的速度，vmax表示最大速度，xn(t)表示第n辆车t时刻所在的位置。
S4、驾驶者结合记忆遗忘规律的理解通行时间更新；
T’(i,k)是第k天位置i出行者的理解通行时间，T’(j,k)是第k天位置j出行者的理解通行时间，rh表示第h天出行的记忆程度，是一个记忆曲线函数，见图2。
S5、结合S2，S3，S4建立变道位置概率转移模型，对车辆变道位置逐日预测。
PI(k+1)＝PO(k)+C(PO(k))
SUM(C(PO(k)))＝0
Nc表示施工车道的通行元胞数，PI(k+1)表示第k天的变道位置概率输入值，PO(k)表示第k天结束后由交通信息系统发布的变道位置概率输出值，POi(k)表示第k天结束后位置i的变道概率输出值，C(PO(k))表示驾驶者根据第k天出行结果在第k+1天的车辆变道位置的概率输入转移值。PI(·)、PO(·)、C(·)及Δ(·)均表示列向量，维度为封闭车道的开放元胞数，Δ(i,j)表示变道位置i和j间的关联向量，δ表示变道位置转移系数，ξ表示驾驶者对通行时间的可接受度，其值越大则变道位置的概率输入转移值越小，SUM(·)函数表示对所有包含元素求和。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种CA模型下的城市施工路段车辆变道点逐日预测方法，其特征在于，包括以下步骤：
(1)采集城市施工路段的信息参数；
(2)制定城市施工路段的不对称双车道路段变道规则；
(3)制定城市施工路段的直行规则；
(4)结合记忆遗忘规律更新理解通行时间；
(5)建立变道位置概率转移模型，对车辆变道位置逐日预测。
2.根据权利要求1所述的CA模型下的城市施工路段车辆变道点逐日预测方法，其特征在于，所述步骤(2)中制定的城市施工路段的不对称双车道路段变道规则：
dn,fore(t)＞＝1
dn,back(t)＞1+vmax-min(vn(t)+1,vmax)
dn(t)-dn,fore(t)＜4
vn(t)表示第n辆车t时刻的速度，vmax表示车辆的最大速度，当车辆满足以上条件时，车辆进行变道,即由封闭车道变道至通行车道上的概率为1，表现封闭车道车辆的强换道心理；其中dn(t)表示第n辆车t时刻与本车道前车距离，dn,fore(t)表示第n辆车t时刻与邻前车距离，dn,back(t)表示第n辆车t时刻与邻后车距离；dn,fore(t)＞＝1表示下一时间步车辆能够在相邻车道行驶，不会与邻前车发生冲突；dn,back(t)＞1+vmax-min(vn(t)+1,vmax)考虑了车辆与相邻车道车辆的速度差，当变道成功时，车辆不会与邻后车发生冲突，但弱化了安全条件；dn(t)-dn,fore(t)＜4表示本车道的行驶条件有可能好于相邻车道；变道规则不允许车辆由通行车道变道至封闭车道，刻画通行车道驾驶者不变道的心理，同时刻画了封闭车道驾驶者期望变道的心理。
3.根据权利要求1所述的CA模型下的城市施工路段车辆变道点逐日预测方法，其特征在于，所述步骤(3)中制定的城市施工路段直行规则：
在时段(t,t+1)过程中，模型按如下规则并行演化：
Step1:加速：vn(t+1)＝min(vn(t)+1,vmax)；
Step2:减速：vn(t+1)＝min(vn(t+1),dn(t))；
Step3:随机慢化：以概率pm慢化，令vn(t+1)＝max(vn(t+1)-1,0)；
Step4:位置更新：xn(t+1)＝xn(t)+vn(t+1)；
其中vn(t)表示第n辆车t时刻的速度，vmax表示最大速度，xn(t)表示第n辆车t时刻所在的位置，dn(t)表示第n辆车t时刻与本车道前车距离。
4.根据权利要求1所述的CA模型下的城市施工路段车辆变道点逐日预测方法，其特征在于，所述步骤(4)中结合记忆遗忘规律更新理解通行时间：
<mrow> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <mi>T</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>h</mi> </mrow> <mo>)</mo> <mo>&amp;CenterDot;</mo> <msub> <mi>r</mi> <mi>h</mi> </msub> <mo>)</mo> </mrow> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>r</mi> <mi>h</mi> </msub> </mrow>
<mrow> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <mi>T</mi> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>h</mi> </mrow> <mo>)</mo> <mo>&amp;CenterDot;</mo> <msub> <mi>r</mi> <mi>h</mi> </msub> <mo>)</mo> </mrow> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>r</mi> <mi>h</mi> </msub> </mrow>
T’(i,k)是第k天位置i出行者的理解通行时间，T’(j,k)是第k天位置j出行者的理解通行时间，rh表示第h天出行的记忆程度，是一个记忆曲线函数。
5.根据权利要求4所述的CA模型下的城市施工路段车辆变道点逐日预测方法，其特征在于，所述步骤(5)中建立变道位置概率转移模型，对车辆变道位置逐日预测：
PI(k+1)＝PO(k)+C(PO(k))
<mrow> <mi>C</mi> <mrow> <mo>(</mo> <mi>P</mi> <mi>O</mi> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <msub> <mi>N</mi> <mi>c</mi> </msub> </munderover> <mi>&amp;delta;</mi> <mo>&amp;CenterDot;</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> <mo>-</mo> <mi>&amp;xi;</mi> <mo>&amp;CenterDot;</mo> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> <mo>,</mo> <mn>0</mn> <mo>)</mo> </mrow> <msub> <mi>PO</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
SUM(C(PO(k)))＝0
Nc表示施工车道的通行元胞数，PI(k+1)表示第k天的变道位置概率输入值，PO(k)表示第k天结束后由交通信息系统发布的变道位置概率输出值，POi(k)表示第k天结束后位置i的变道概率输出值，C(PO(k))表示驾驶者根据第k天出行结果在第k+1天的车辆变道位置的概率输入转移值；PI(·)、PO(·)、C(·)及Δ(·)均表示列向量，维度为封闭车道的开放元胞数，Δ(i,j)表示变道位置i和j间的关联向量，δ表示变道位置转移系数，ξ表示驾驶者对通行时间的可接受度，其值越大则变道位置的概率输入转移值越小，SUM(·)函数表示对所有包含元素求和。
CN201711130033.8A 2017-11-15 2017-11-15 一种ca模型下的城市施工路段车辆变道点逐日预测方法 Active CN108022423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711130033.8A CN108022423B (zh) 2017-11-15 2017-11-15 一种ca模型下的城市施工路段车辆变道点逐日预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711130033.8A CN108022423B (zh) 2017-11-15 2017-11-15 一种ca模型下的城市施工路段车辆变道点逐日预测方法

Publications (2)

Publication Number Publication Date
CN108022423A true CN108022423A (zh) 2018-05-11
CN108022423B CN108022423B (zh) 2020-02-18

Family

ID=62080643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711130033.8A Active CN108022423B (zh) 2017-11-15 2017-11-15 一种ca模型下的城市施工路段车辆变道点逐日预测方法

Country Status (1)

Country Link
CN (1) CN108022423B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968373A (zh) * 2020-08-27 2020-11-20 哈尔滨工业大学 一种改扩建高速公路交通控制区的换道特性确定方法
CN113850297A (zh) * 2021-08-31 2021-12-28 北京百度网讯科技有限公司 道路数据的监测方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441369A (zh) * 2002-02-27 2003-09-10 杨绍鹏 交通控制法及设施
US20060106473A1 (en) * 2004-11-15 2006-05-18 International Business Machines Corporation Enterprise factory control method and system
CN103225246A (zh) * 2013-05-10 2013-07-31 天津市市政工程设计研究院 大型枢纽立交交织区最佳距离确定方法
CN104298829A (zh) * 2014-10-14 2015-01-21 浙江师范大学 基于元胞自动机模型的城市路网交通流仿真设计方法
CN105631793A (zh) * 2015-12-18 2016-06-01 华南理工大学 一种车流拥堵中车辆群自主协同调度的智能疏导方法
CN107301289A (zh) * 2017-06-20 2017-10-27 南京邮电大学 一种基于智能博弈的交通流元胞自动机模型的实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441369A (zh) * 2002-02-27 2003-09-10 杨绍鹏 交通控制法及设施
US20060106473A1 (en) * 2004-11-15 2006-05-18 International Business Machines Corporation Enterprise factory control method and system
CN103225246A (zh) * 2013-05-10 2013-07-31 天津市市政工程设计研究院 大型枢纽立交交织区最佳距离确定方法
CN104298829A (zh) * 2014-10-14 2015-01-21 浙江师范大学 基于元胞自动机模型的城市路网交通流仿真设计方法
CN105631793A (zh) * 2015-12-18 2016-06-01 华南理工大学 一种车流拥堵中车辆群自主协同调度的智能疏导方法
CN107301289A (zh) * 2017-06-20 2017-10-27 南京邮电大学 一种基于智能博弈的交通流元胞自动机模型的实现方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JAYEETA ET.AL: ""CA-Graph A Context Aware Graph to Model Enterprise Service Bus"", 《2010 ANNUAL IEEE INDIA CONFERENCE》 *
LIANG PEI ET.AL: ""The Research of Land Use Change Based on GIS and CA Model"", 《2010 18TH INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 *
李耘: ""高速公路施工区交通流特性与安全风险分析"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
杨柳: ""基于元胞自动机的高速公路隧道群交通流研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968373A (zh) * 2020-08-27 2020-11-20 哈尔滨工业大学 一种改扩建高速公路交通控制区的换道特性确定方法
CN113850297A (zh) * 2021-08-31 2021-12-28 北京百度网讯科技有限公司 道路数据的监测方法、装置、电子设备及存储介质
CN113850297B (zh) * 2021-08-31 2023-10-27 北京百度网讯科技有限公司 道路数据的监测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN108022423B (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
Huang et al. Ecological driving system for connected/automated vehicles using a two-stage control hierarchy
Dollar et al. Efficient and collision-free anticipative cruise control in randomly mixed strings
CN106652564A (zh) 车联网环境下的交通流元胞自动机建模方法
CN106991251A (zh) 一种高速公路交通流元胞机仿真方法
Khamis et al. Multi-objective traffic light control system based on Bayesian probability interpretation
CN103593535A (zh) 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN110956851B (zh) 一种智能网联汽车协同调度换道方法
CN108022423A (zh) 一种ca模型下的城市施工路段车辆变道点逐日预测方法
CN115257789A (zh) 城市低速环境下的营运车辆侧向防撞驾驶决策方法
Singh et al. Effect of heavy transport vehicles on speed-flow characteristics of mixed traffic on multi lane divided intercity highways
CN113362618B (zh) 基于策略梯度的多模式交通自适应信号控制方法及装置
Ni 2DSIM: a prototype of nanoscopic traffic simulation
Lyu et al. Heterogeneous traffic flow characteristics on the highway with a climbing lane under different truck percentages: The framework of Kerner’s three-phase traffic theory
Ding et al. Cellular automata based modeling for evaluating different bus stop designs in China
Harwood et al. Development of relationships between safety and congestion for urban freeways
Chen et al. Effects of car accidents on three-lane traffic flow
Smirnov et al. Hydrodynamic traffic flow models and its application to studying traffic control effectiveness
De Schutter et al. • Advances traffic control on highways
Lu et al. The delay of bus near a stop when mixed traffic flow is considered
Hua A new car-following model considering recurrent neural network
Kamal et al. A look-ahead car following scheme for efficient driving on urban roads
Winkler et al. Evaluating impacts on freeway capacity using VISSIM: accounting for truck lane restrictions, driver behavior, and interchange density.
Shi et al. Characteristics of lane changing induced by bus stop and deceleration area
Han et al. Energy-aware Trajectory Optimization of Connected and Automated Vehicle Platoons through a Signalized Intersection
Rao et al. Review on Passenger Car Unit Studies in Homogeneous and Heterogeneous Traffic Flow—A Perspective

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant