城市道路实时排队长度估计研究

论文摘要

智能交通系统能够通过采集和处理实时交通信息对其进行智能控制，以平衡路网利用效率，目前已经被用来解决日益严重的交通拥挤问题。探测车系统是目前比较先进的交通信息采集技术，受到越来越多交通学者的关注，然而对其研究还主要集中在旅行时间精度、探测车样本大小和地图匹配精度等方面。对于如何利用探测车数据对旅行时间和排队长度这两个衡量交通状况的指标进行估算却尚未得到充分研究。李强等人已经对旅行时间的本质特征进行了充分研究，得出了路段旅行时间为双峰分布的结论，并提出了一种利用探测车数据对其进行小样本估算的模型，进而在此基础上提出了队前初始排队长度的概念及其估算模型，并在较为理想的仿真模型中得到了可靠性验证。本文基于前人的最新研究成果，对其旅行时间和排队长度的估算模型在更符合实际道路的情况下的可靠性进行了仿真验证，对前人的估算算法进行了改进，并对其各参数做了灵敏度分析，然后根据灵敏度分析结果提出了一种改进小样本估算精度的方法。此外，前人还提出了路段交通状况主次层级的划分模型。然而此模型部分划分指标难以测量，对路段交通状况的定义尚未进行明确的量化。本文在对前人的排队长度估算模型进行改进的基础上，提出了路段交通状况主层级的量化划分标准，解决了交通领域中一直没有客观衡量交通状况的指标这一问题。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文工作
• 1.3.1 研究目标及技术路线
• 1.3.2 本文完成的工作
• 1.3.3 论文安排
• 第2章 文献综述
• 2.1 以往研究成果
• 2.2 最新研究成果
• 第3章 VISSIM 路网仿真模型的建立
• 3.1 制作模型底图
• 3.2 车道数的确定和道路的铺设
• 3.3 信号灯的配置
• 3.4 车辆的输入
• 3.5 检测器的设置
• 3.6 模型试运行及修正
• 3.7 本章小结
• 第4章 旅行时间和排队长度估算模型的仿真验证
• 4.1 估算算法介绍
• 4.2 估算模型中参数的标定
• 4.3 仿真验证结果及分析
• 4.3.1 饱和流率不相等时的验证
• 4.3.2 车辆直行率较小时的验证
• 4.4 本章小结
• 第5章 估算模型的参数灵敏度
• 5.1 第一组车辆比例（p）的敏感度
• 5.2 直行率α的敏感度
• 5.3 饱和流率的敏感度
• 5.4 有效绿灯时间的敏感性
• 5.5 混合车道直行率的敏感度
• 5.6 本章小结
• 第6章 交通状况的量化划分标准
• 6.1 交通状况的量化划分标准
• 6.2 量化标准的实用价值
• 6.3 本章小结
• 第7章 总结与展望
• 7.1 全文总结
• 7.2 研究展望
• 参考文献
• 致谢
• 附录 A Python 程序中主要变量和记号对照表
• 附录 B 仿真运行结果的数据格式
• 个人简历、在学期间发表的学术论文与研究成果