过饱和状态下交叉口群交通运行分析与信号控制PDF电子书下载

第一章 绪论 1

1.1研究背景及意义 1

1.2相关概念及定义 2

1.2.1交叉口群 2

1.2.2交叉口群过饱和状态 4

1.2.3交叉口群关键路径 6

1.3研究目标及内容 7

1.3.1研究目标 7

1.3.2研究内容 7

1.4技术路线 10

第二章 交叉口群交通控制相关研究综述 13

2.1交叉口群交通关联性 13

2.1.1信号控制子区划分 14

2.1.2交叉口群交通关联性 18

2.2路网交通状态识别研究综述 19

2.2.1路网交通状态识别及应用 19

2.2.2交通控制系统的状态识别 26

2.2.3路网关键路径识别 31

2.2.4短时交通流预测 35

2.3过饱和状态交通控制 37

2.3.1单点交叉口控制 38

2.3.2交叉口协调控制 40

2.3.3宏观交通管理 43

2.3.4交通拥堵的集散机理 44

2.4总结及研究方向 46

第三章 交叉口群交通特性分析 49

3.1交叉口群特性分析 49

3.1.1几何拓扑特性 49

3.1.2道路空间特性 51

3.1.3交通流特性 53

3.1.4交通控制特性 55

3.2交叉口群拥堵形成机理 58

3.2.1交通拥堵诱发因素 58

3.2.2过饱和状态形成过程 60

3.3交叉口群拥堵疏散过程 61

3.4交叉口群网络负荷均衡问题 62

第四章 交通运行数据采集及分析 65

4.1交通参数选择与数据采集 65

4.1.1交通参数的选择 65

4.1.2常用数据采集方法 67

4.2数据采集方法选择 68

4.2.1交通检测技术性能比较分析及选择 68

4.2.2交叉口群交通检测器优化配置 71

4.3交通数据清洗及处理 76

4.3.1交通流丢失数据补齐 76

4.3.2交通流错误数据判别和修正 80

4.3.3交通流冗余数据约简 87

第五章 交叉口群范围界定 90

5.1交叉口群范围划分原则与目标 90

5.2交叉口群交通关联性分析 90

5.2.1车流离散分析 91

5.2.2交通关联性模型 92

5.2.3关联指标变化敏感性 94

5.2.4路径关联度 95

5.2.5计算示例 95

5.3基于特征矩阵的交叉口群范围划分 98

5.3.1交叉口群关联矩阵 98

5.3.2确定方法及流程 101

5.3.3实例验证 101

5.4基于自组织神经网络的交叉口群范围划分 106

5.4.1自组织神经网络模型 106

5.4.2划分流程 108

5.4.3方法验证 109

第六章 交叉口群过饱和状态识别方法 115

6.1过饱和状态的延伸定义 115

6.2过饱和状态识别算法 116

6.2.1滞留排队长度估计算法 116

6.2.2溢流状态识别算法 123

6.2.3基于路径的交叉口群过饱和状态识别 125

6.3过饱和状态扩散范围估计 127

6.3.1过饱和状态扩散范围估计流程 127

6.3.2单个路段过饱和状态的扩散范围估计 129

6.3.3交叉口群过饱和状态的扩散范围估计方法 135

6.3.4过饱和状态持续时间的估计方法 137

6.4实例验证 139

6.4.1测试区域及数据描述 139

6.4.2滞留排队长度估计 140

6.4.3溢流状态识别 141

6.4.4过饱和状态扩散范围分析 143

第七章 交叉口群关键路径识别及划分 144

7.1关键路径识别及分级模型框架 144

7.1.1交叉口群关键路径识别问题 144

7.1.2模型框架 145

7.2基于小波变换的交通数据预处理 146

7.2.1小波变换模型 146

7.2.2数据预处理过程 148

7.3基于频谱分析的交叉口群路径关联度计算 150

7.3.1频谱分析算法 150

7.3.2路径关联性计算 152

7.4基于模糊识别的关键路径等级划分 152

7.5实例验证 154

7.5.1模型结果 154

7.5.2结果分析 157

第八章 基本交通参数的短时预测模型 160

8.1基本交通参数短时预测模型对比分析 160

8.1.1基本交通参数短时预测模型 160

8.1.2常规预测方法对比分析 162

8.2改进的指数平滑预测方法 164

8.2.1加权系数对预测结果的影响 164

8.2.2加权系数的自适应确定方法 167

8.3基于SSNN和扩展卡尔曼滤波的预测模型 167

8.3.1交叉口群短时预测的状态空间表述 168

8.3.2基于SSNN和扩展卡尔曼滤波的短时交通流预测模型 169

8.4基于数据融合的预测方法 172

8.4.1融合模型的建立 173

8.4.2权重的确定方法 174

8.5模型验证 176

8.5.1数据描述 176

8.5.2改进的指数平滑预测方法 177

8.5.3状态空间神经网络和扩展卡尔曼滤波方法 178

8.5.4基于数据融合的预测方法 181

第九章 过饱和状态下交叉口群交通控制策略与模型 184

9.1传统协调信号控制方案失效原因分析 184

9.1.1干线协调控制失效原因分析 184

9.1.2区域协调控制失效原因分析 185

9.2交叉口群控制策略优化目标 187

9.2.1过饱和状态交通控制目标的要求 187

9.2.2过饱和状态下交叉口群交通控制优化目标 189

9.3控制策略的控制结构 190

9.3.1过饱和状态交叉口群的控制结构 191

9.3.2交叉口群过饱和状态交通信号控制策略 192

9.4城市道路交叉口群控制模型 196

9.5动静态协同的交通信号控制 198

9.5.1过饱和状态交叉口群动静态协同交通控制流程 198

9.5.2交叉口群过饱和交通控制优化模型框架 199

第十章 交通信号配时方案静态优化 201

10.1静态优化控制算法概述 201

10.2多目标优化算法 202

10.2.1多目标优化 202

10.2.2古典多目标优化方法 203

10.2.3多目标遗传算法 204

10.3基于NSGA-Ⅱ的交叉口群静态优化控制算法 207

10.3.1 NSGA-Ⅱ算法 207

10.3.2算法实现 209

10.4算法验证分析 215

第十一章 过饱和状态交叉口群交通动态控制优化算法 223

11.1过饱和状态交叉口群交通动态控制优化流程 223

11.2参考协调控制周期计算 225

11.3相位差计算方法 228

11.4单点交叉口绿信比优化 232

11.5单点交叉口相位相序的优化与选择 239

11.6交通信号控制方案在线调整耗时分析 244

11.7仿真应用实验 245

11.7.1仿真测试数据 245

11.7.2仿真实验设计 248

11.7.3仿真应用试验结果分析 249

第十二章 交叉口群交通信号控制相关问题 255

12.1交通控制与交通诱导的协同 255

12.2车流离散模型簇分析 256

12.3交叉口群协调控制的升降级问题 257

12.4信号配时方案转换分析 257

参考文献 261

后记 280