路段混合车流通行能力分析

分别从时间、空间以及时空综合角度,对以大车、小车两种代表车型组成的混合车流进行分析;建立了路段混合车流通行能力模型——跟驰车头时间间隙模型、跟驰车头空间间隙模型及动态时空消耗模型;分析了模型间关系,得出三者一致性。     

混合车流下单车道道路通行能力分析

以跟驰理论为基础,通过对由大、小两种车型构成的混合车流不同跟驰序列、不同组合概率的研究,得出了跟驰车头时距单车道路段多车型混合车流通行能力模型。研究表明,单车道路段多车型混合车流通行能力不仅与反应时间、车辆长度、车辆速度、制动性能有关,还与混合车流的车辆组成状况及跟驰序列有关,最后分析了各影响参数之间的关系。     

混合车流的通行能力

应用跟车理论中的刹车应模式，引入不同车型刹车反应时间及制动距离不同的概念，分析了以大车和小车两种代表车型组成的混合车流，在高速汽车专用道的平直段上行驶时，为保证紧急刹车情况下的车流安全而确定的混合车流通过行能力，并给出算例，这一分析结果可作为进一步的实用化模型的雏形，应用于高速道路的实时控制中。     

无信号交叉口混合车流的通行能力模型

以可接受间隙理论为基础,通过利用概率论的方法,对以大车和小车2种代表车型组成的混合车流进行分析,建立了无信号交叉口混合车流的通行能力模型,发展了无信号交叉口单一车流理想条件的通行能力理论。     

多车型车流穿越多车道主路的通行能力

以可接受间隙理论为基础,利用概率论的方法,由以由ｒ种代表车型组成的混合车流进行分析,建立无信号交叉口支路混合车流穿越主路ｍ条车道,每一车道交通流的车头时距服从不同强度的Ｍ３分布的通行能力模型,推广了无信号交叉口单一车型、单一车道理通行能力模型。     

多转向多车型车流通过主路的通行能力

以可接受间隙理论为基础，利用概率论的方法，对由直行车、左转车和右转车共同组成的多种车型混合车流进行分析，建立了无信号交叉口支路混合车流不同转向且服从M3分布的通行能力模型，推广了无信号交叉口单一车型、直行车流理想条件的通行能力模型．     

非机动车干扰下信号交叉口的通行能力计算

为了探究城市信号交叉口非机动车干扰机动车行驶的问题,通过调查分析各进口道机动车运行特性,对直行和直左的进口道机动车饱和车头时距及通行能力计算方法进行研究。首先,从进口道停车线出现4种不同跟驰模型的概率出发,构建车辆起始阶段混合车头时距模型,结合实际数据得到车头时距的修正系数;然后,分析采集数据得到非机动车数量对驶入信号交叉口的机动车混合车头时距的影响,采用回归分析法构建对应的特征模型;最后结合交叉口实际信号灯时间计算通行能力。研究结果表明：所采用的通行能力计算方法与实测值的误差更小,较《城市道路设计规范》法及HCM(highway capacity manual)通行能力计算法的误差更低,提高了信号交叉口通行能力计算结果的精准度。     

主车流服从Erlang分布下支路通行能力研究

本文研究了无信号道路交叉口主车道车流车头时距服从Ｅｒｌａｎｇ分布时次车道车流通行能力,交通流中的开段与闭段等计算式。     

主路车流车头时距服从M3分布下支路混合车流的通行能力

以可接受间隙理论为基础,利用概率论的方法,对以大车和小车两种代表车型组成的混合车流进行分析;建立了无信号交叉混合车流的通行能力模型;发展了无信号交叉口单一车流理想条件的通行能力理论。     

利用跟驰理论研究单向交通路段基本通行能力

通行能力是指道路设施所能承载交通流的能力。城市道路通行能力的研究对道路服务水平的确定、城市道路的交通管理和控制等方面起着重要的作用。本文在道路通行能力基本概念的基础上,以跟驰理论为基础,研究了单向交通路段基本通行能力(即理论通行能力),并推导出了单向交通路段基本通行能力的计算公式。     

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和Path实验室标定的自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度、流量、拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,当渗透率为40%～60%时,道路通行能力比纯人工驾驶车辆时提升14%～30%,当道路上全为智能网联车时,其通行能力约为纯人工驾驶车辆的1.9倍;同时在相同智能网联车渗透率下,道路通行能力随智能网联车辆期望车间时距减小而增大。     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

微观交通流中跟车模型的仿真研究

在研究跟随状态中车辆运行特性的基础上,提出了一种新的跟车模型.与传统的跟车模型相比,新模型考虑了车辆的长度,并将传统模型中的期望间距转换为期望车头时距,反映了后车速度对跟车状态的影响.采用实际道路上的车辆跟车数据,在Simulink环境下,对2种跟车模型进行了仿真分析,结果表明在一定程度上,由于考虑了更多实际情况,新模型优于传统模型.为了能反映车辆在实际中加速、减速以及不同跟车类型的差异性,给出了进一步改进新模型的方向.     

双车道公路无信号交叉口通行能力

分析了现有的车头时距分布模型 基于对我国大量的双车道公路上运行车辆车头时距分布模式的调查 ,提出了改进的M 3型车头时距分布模型 ,推导出双车道公路无信号交叉口处当主车道车流车头时距服从改进的M 3型分布时次车道车流通行能力计算公式 ,得出了整个交叉口通行能力随主车道车流量的关系 ,从而可为交叉口的评价及应采取的管理措施提供依据     

一种实用的混合交通流BPR模型

针对城市道路混合交通问题,分析了小、中、大3类车型的车道、区位、断面分布特征,依据各车型车辆的道路路段固有阻抗和车型比例仿真构建了三幅路、四幅路、三幅路单行且公交可逆行等典型道路路段机动车流的车速流量实用模型(BPR模型),并以小、大型车比例差为变量对模型进行了修正.预测结果表明,修正模型能够适应各种交通组成情况,且具有相当高的计算精度,可以较准确地预测缺乏实地调查资料的道路路段交通流参数.     

A new dynamics model for traffic flow

As a study method of traffic flow, dynamics models were developed and applied in the last few decades. However, there exist some flaws in most existing models. In this note, a new dynamics model is proposed by using car-following theory and the usual connection method of micro-macro variables, which can overcome some ubiquitous problems in the existing models. Numerical results show that the new model can very well simulate traffic flow conditions, such as congestion, evacuation of congestion, stop-and-go phenomena and phantom jam.     

混合交通流参数之间的关系

定义超车换道流量与干道流量的比值为超车换道率．通过对混合交通流动力学模型的特征关系式进行积分,得到了混合交通流参数之间的函数关系．分析流量、密度和超车换道率之间函数的极值,确定了混合交通流中超车换道率的变化范围．当超车换道率为0时,道路通行能力最大;超车换道率为-1时,道路通行能力最小．采用实测数据对混合交通流参数之间的关系进行了验证．结果表明两者符合较好．