MFD子区交通状态转移风险决策边界控制模型

发布时间：2018-01-16 06:11

  本文关键词：MFD子区交通状态转移风险决策边界控制模型　出处：《交通运输系统工程与信息》2017年05期 　论文类型：期刊论文

  更多相关文章： 城市交通 拥堵风险 控制决策 宏观基本图 交通仿真

【摘要】：根据交通流分布,决策区域路网交通状态转移风险是进行区域交通诱导与控制的重要基础.宏观基本图(Macroscopic Fundamental Diagram,MFD)无需复杂的路网OD数据,并可有效描述区域路网宏观特性,为解决这一问题提供了契机.因此以MFD特性为基础,考虑诱导与控制条件下驾驶人的路径决策对子区交通状态的影响,以路网最大完成率和最短总行程时间为约束,通过模糊风险管理,建立平衡MFD子区交通状态与成本的风险决策模型,并采用ALRS算法对模型进行求解.仿真结果表明,建立的交通状态风险决策模型可有效提高控制和诱导的效率,同时保证突发情况下交通控制的实时性和有效性.
[Abstract]:According to the distribution of traffic flow , the risk of traffic state transfer in decision - making area is an important basis for regional traffic guidance and control . The macroscopic basic diagram ( mfd ) does not need complicated road network OD data , and provides an opportunity for solving this problem . Based on the characteristics of mfd , the risk decision - making model of traffic state and cost is established through fuzzy risk management . The simulation results show that the established traffic state risk decision model can effectively improve the control and induced efficiency , and ensure the real - time and effectiveness of traffic control in the case of burst .

【作者单位】： 合肥工业大学汽车与交通工程学院;
【基金】：国家自然科学基金(61304195,51578207,51178158) 安徽省自然科学基金(1408085QF111)~~
【分类号】：U491
【正文快照】： 0引言多样化的城市交通管控方式,不仅对微观车辆、交叉口和路段进行管理,还通过交通诱导与控制的方式均衡优化路网车流分布.由于城市路网交通流的复杂性分布与路网布局存在一定的差异,在临界状态进行不恰当的控制,不仅可能导致部分节点出现拥堵,还会将单点拥堵逐步演化为区域

【相似文献】

相关期刊论文 前10条

1 傅祥浩;风险决策与效用理论[J];上海海运学院学报;1991年02期

2 陈红;章渺;王龙飞;赵禹乔;;高等级公路路段交通状态融合识别模型[J];重庆交通大学学报(自然科学版);2010年05期

3 韩悦臻,曹三鹏;城市道路交通状态指标体系设计探讨[J];公路;2005年06期

4 皮晓亮;王正;韩皓;孙亚;;基于环形线圈检测器采集信息的交通状态分类方法应用研究[J];公路交通科技;2006年04期

5 劳云腾;杨晓光;云美萍;刘竞宇;;交通状态检测方法的评价研究[J];交通与计算机;2006年06期

6 王伟;杨兆升;李贻武;刘新杰;陈昕;;基于信息协同的子区交通状态加权计算与判别方法[J];吉林大学学报(工学版);2007年03期

7 戢晓峰;;城市道路交通状态分析方法回顾与展望[J];道路交通与安全;2008年03期

8 李娟;罗霞;姚琛;;基于多源数据的交通状态判定研究[J];铁道运输与经济;2009年03期

9 李清泉;高德荃;杨必胜;;基于模糊支持向量机的城市道路交通状态分类[J];吉林大学学报(工学版);2009年S2期

10 强添纲;邱洁;;基于熵和耗散结构理论的道路交通状态演变机理[J];交通标准化;2010年Z1期

相关会议论文 前3条

1 郭义荣;张晓栋;董宝田;吴蕾;;基于模糊理论的交通状态快速识别与跃迁转变方法[A];2013年中国智能自动化学术会议论文集（第四分册）[C];2013年

2 窦瑞;云美萍;杨晓光;;基于视频录像的交通状态判别算法准确度评测[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

3 余碧莹;邵春福;;基于时空模型的道路网交通状态预测[A];2008第四届中国智能交通年会论文集[C];2008年

相关博士学位论文 前6条

1 马旭辉;城市道路交通网络过饱和状态信号控制方法研究[D];北京交通大学;2016年

2 刘擎超;基于集成学习的交通状态预报方法研究[D];东南大学;2015年

3 徐东伟;道路交通状态多维多粒度获取方法研究[D];北京交通大学;2014年

4 宋淑敏;非常态下异常道路交通状态信息获取技术研究[D];吉林大学;2012年

5 孙晓亮;城市道路交通状态评价和预测方法及应用研究[D];北京交通大学;2013年

6 钱U，

本文编号：1431862