城市道路交通系统的时间可靠性分析
发布时间：2021-09-07 21:55
随着城市交通需求水平的不断提高交通系统在周期性和非周期性拥堵期间会出现不稳定情况。因此,交通系统的可靠性在交通运输机构的绩效评估和机构与公众的沟通中越来越受到重视。现有的交通工程可靠性相关研究主要集中在日常出行时间变化的长期可靠性上。而本文则对交通系统中道路的实时管理和实时交通信息系统中的短期可靠性进行了研究,扩展了可靠性的研究。根据实验数据得出在同一条道路上测量数据的分布特性不同,而以往研究中在对交通道路进行可靠性评价时对其测量的数据来源一般默认为同分布的数据,这样的可靠性评价方式可能会对道路可靠性评价造成一定的误差。因此本文提出了一种较以往可靠性评价指标更为有效的可靠性评价指标用于评估道路可靠性,利用模拟仿真实验证明了该可靠性指标能够以更灵敏的程度反应出道路交通系统的内部变化。利用该指标对可靠性的计算能够将道路的内部变化以一种较为清晰的方式定量的展现出来,同时将该评价指标与常用的道路服务水平评价方法相结合,使得道路管理者或者道路使用者都能够较为直观的了解到当前或未来一段时间间隔内该道路的服务水平变化。对采集完成的数据进行数据点的甄别时,本文利用测量数据对历史平均模型和具有外部输入的...
【文章来源】：兰州交通大学甘肃省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
测量线路的地理位置
兰州交通大学工程硕士学位论文-19-间下界，为评价区间I对于的上限区间，为评价区间I对于的下限区间，为由C和I共同决定的包含因子。有关包含因子的取值，由图3.2可以详细说明，当>或者<时，不存在包含关系即包含因子为0；当>且<,<<<,<<<,<<<时，存在包含关系即包含因子为1.图3.2包含因子的取值关系公式(3.5)中的x可以是特定的变量，比如可以为一个交叉口的排队时间和延误；评价主干道性能的行程时间。为了评估给定的OD线路之间的服务水平，x作为路线行程时间。此外，我们还可以选择对给定的交通参数(如行程时间)使用哪种统计方法(如估计的平均值)。例如，如果感兴趣的交通参数不是正态分布的，那么可以选择中值，因为它限制了异常值的影响。在与限速相关的研究中，我们一般使用次数较多的为第85位百分点。该指标可作为交通管理机构评估和规划交通系统可靠性性能的定量标准。评价区间I需要由交通管理者确定，并且根据评估目标和评估方式的不同而变化。本论文利用《公路通行能力手册》[37]中的服务水平的阈值，对从实际交通系统试验中采
服务水平的阈值内的概率。换言之，就是该可靠性度量指示交叉口在测量的时间段内可以提供等级为 B 的服务水平的概率为 p。3.2.1 交通需求改变与行程时间可靠性的变化利用前文提到的可靠性指标来验证该指标能够定量的反应出一个交通系统的需求量的变化，采用的测量的数据为道路行程时间。图 3.3 为实际情况下选择的测量路段，该路段起点位于兰州交通大学学府路，终点位于建宁西路附近，图中已经标出测量路段的起止点。由于在图中可供选择的驾驶路线共有三条，所以选择其中一条进行分析，即绿色线路标注的这一线路，全场 1.6 公里。共经过 3 个信号交叉口。据实地测量可以发现在下午高分时段汽车司机必须经过较多次数的停车才能通过该路段。
【参考文献】：
期刊论文
[1]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[2]基于计算实验的城市道路行程时间预测与建模[J]. 唐少虎,刘小明,陈兆盟,张金金. 自动化学报. 2015(08)
[3]关于交通拥堵城市公交加权网络建模的研究[J]. 刘海伟. 信息安全与技术. 2015(04)
[4]实数编码混合遗传算法在参数估计中的应用[J]. 王芳,杨虎山. 高等学校计算数学学报. 2013(04)
[5]交通事故致因分析的贝叶斯网络建模[J]. 许洪国,张慧永,宗芳. 吉林大学学报(工学版). 2011(S1)
[6]基于贝叶斯分析的道路交通系统可靠性模型[J]. 陈富坚,柳本民,郭忠印,陈富强. 同济大学学报(自然科学版). 2011(02)
[7]面向实时短时交通流预测的过程神经元网络建模[J]. 宋国杰,胡程,谢昆青,彭锐. 交通运输工程学报. 2009(05)
[8]微观交通仿真系统参数校正研究[J]. 孙剑,杨晓光,刘好德. 系统仿真学报. 2007(01)
[9]基于遗传算法的交通仿真模型参数校正方法研究[J]. 李志明,闫小勇. 交通标准化. 2006(04)
[10]基于Matlab的高速公路交通流RBF神经网络建模[J]. 王冬丽,吕智林,何小阳,周彦. 交通与计算机. 2005(05)
博士论文
[1]大数据驱动下的高速公路交通运行状态评价与分析[D]. 陈娇娜.长安大学 2016
[2]基于复杂网络的交通流特征分析及组合预测研究[D]. 唐进君.哈尔滨工业大学 2016
[3]拥塞条件下的城市轨道交通网络流量分配演化建模及疏导策略研究[D]. 周玮腾.北京交通大学 2016
[4]基于实时数据的路网交通状态可靠性分析方法研究[D]. 杨聚芬.吉林大学 2015
[5]复杂网络建模的仿真与应用研究[D]. 张兰华.大连理工大学 2013
[6]复杂系统可靠性建模、分析和综合评价方法研究[D]. 覃庆努.北京交通大学 2013
[7]基于可靠性的城市交通网络分析[D]. 况爱武.长沙理工大学 2012
[8]基于交通效率的城市道路交通系统优化理论与方法研究[D]. 祝建军.西南交通大学 2011
[9]车辆道路数值模拟与仿真研究[D]. 张永林.华中科技大学 2010
[10]基于移动源数据的城市路网行程时间可靠性评价模型与算法[D]. 陈琨.北京交通大学 2008
硕士论文
[1]高速公路交通事故空间影响及通行能力研究[D]. 代萱.长安大学 2018
[2]基于VISSIM仿真的应急事件下区域路网连通可靠性研究[D]. 孙健.长安大学 2017
[3]基于多层复杂网络理论的交通网络脆弱性研究[D]. 毕京浩.济南大学 2016
[4]基于优化的BP神经网络的短时交通流预测算法研究[D]. 季雪美.青岛大学 2016
[5]面向交通事件持续时间预测的贝叶斯网络建模研究[D]. 马雪婧.北京交通大学 2016
[6]基于复杂网络的城市公交网络拓扑特征及线路连通性分析[D]. 狄兆华.西南交通大学 2015
[7]城市快速路事故条件下通行能力的仿真研究[D]. 汪滢.北京交通大学 2014
[8]微观交通仿真模型参数标定及检验研究[D]. 王青燕.山东大学 2013
[9]交通事故影响下的交通流研究[D]. 陈诚.暨南大学 2012
[10]VISSIM微观交通仿真模型校正研究[D]. 张清华.北京交通大学 2012
本文编号：3390311
【文章来源】：兰州交通大学甘肃省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
测量线路的地理位置
兰州交通大学工程硕士学位论文-19-间下界，为评价区间I对于的上限区间，为评价区间I对于的下限区间，为由C和I共同决定的包含因子。有关包含因子的取值，由图3.2可以详细说明，当>或者<时，不存在包含关系即包含因子为0；当>且<,<<<,<<<,<<<时，存在包含关系即包含因子为1.图3.2包含因子的取值关系公式(3.5)中的x可以是特定的变量，比如可以为一个交叉口的排队时间和延误；评价主干道性能的行程时间。为了评估给定的OD线路之间的服务水平，x作为路线行程时间。此外，我们还可以选择对给定的交通参数(如行程时间)使用哪种统计方法(如估计的平均值)。例如，如果感兴趣的交通参数不是正态分布的，那么可以选择中值，因为它限制了异常值的影响。在与限速相关的研究中，我们一般使用次数较多的为第85位百分点。该指标可作为交通管理机构评估和规划交通系统可靠性性能的定量标准。评价区间I需要由交通管理者确定，并且根据评估目标和评估方式的不同而变化。本论文利用《公路通行能力手册》[37]中的服务水平的阈值，对从实际交通系统试验中采
服务水平的阈值内的概率。换言之，就是该可靠性度量指示交叉口在测量的时间段内可以提供等级为 B 的服务水平的概率为 p。3.2.1 交通需求改变与行程时间可靠性的变化利用前文提到的可靠性指标来验证该指标能够定量的反应出一个交通系统的需求量的变化，采用的测量的数据为道路行程时间。图 3.3 为实际情况下选择的测量路段，该路段起点位于兰州交通大学学府路，终点位于建宁西路附近，图中已经标出测量路段的起止点。由于在图中可供选择的驾驶路线共有三条，所以选择其中一条进行分析，即绿色线路标注的这一线路，全场 1.6 公里。共经过 3 个信号交叉口。据实地测量可以发现在下午高分时段汽车司机必须经过较多次数的停车才能通过该路段。
【参考文献】：
期刊论文
[1]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[2]基于计算实验的城市道路行程时间预测与建模[J]. 唐少虎,刘小明,陈兆盟,张金金. 自动化学报. 2015(08)
[3]关于交通拥堵城市公交加权网络建模的研究[J]. 刘海伟. 信息安全与技术. 2015(04)
[4]实数编码混合遗传算法在参数估计中的应用[J]. 王芳,杨虎山. 高等学校计算数学学报. 2013(04)
[5]交通事故致因分析的贝叶斯网络建模[J]. 许洪国,张慧永,宗芳. 吉林大学学报(工学版). 2011(S1)
[6]基于贝叶斯分析的道路交通系统可靠性模型[J]. 陈富坚,柳本民,郭忠印,陈富强. 同济大学学报(自然科学版). 2011(02)
[7]面向实时短时交通流预测的过程神经元网络建模[J]. 宋国杰,胡程,谢昆青,彭锐. 交通运输工程学报. 2009(05)
[8]微观交通仿真系统参数校正研究[J]. 孙剑,杨晓光,刘好德. 系统仿真学报. 2007(01)
[9]基于遗传算法的交通仿真模型参数校正方法研究[J]. 李志明,闫小勇. 交通标准化. 2006(04)
[10]基于Matlab的高速公路交通流RBF神经网络建模[J]. 王冬丽,吕智林,何小阳,周彦. 交通与计算机. 2005(05)
博士论文
[1]大数据驱动下的高速公路交通运行状态评价与分析[D]. 陈娇娜.长安大学 2016
[2]基于复杂网络的交通流特征分析及组合预测研究[D]. 唐进君.哈尔滨工业大学 2016
[3]拥塞条件下的城市轨道交通网络流量分配演化建模及疏导策略研究[D]. 周玮腾.北京交通大学 2016
[4]基于实时数据的路网交通状态可靠性分析方法研究[D]. 杨聚芬.吉林大学 2015
[5]复杂网络建模的仿真与应用研究[D]. 张兰华.大连理工大学 2013
[6]复杂系统可靠性建模、分析和综合评价方法研究[D]. 覃庆努.北京交通大学 2013
[7]基于可靠性的城市交通网络分析[D]. 况爱武.长沙理工大学 2012
[8]基于交通效率的城市道路交通系统优化理论与方法研究[D]. 祝建军.西南交通大学 2011
[9]车辆道路数值模拟与仿真研究[D]. 张永林.华中科技大学 2010
[10]基于移动源数据的城市路网行程时间可靠性评价模型与算法[D]. 陈琨.北京交通大学 2008
硕士论文
[1]高速公路交通事故空间影响及通行能力研究[D]. 代萱.长安大学 2018
[2]基于VISSIM仿真的应急事件下区域路网连通可靠性研究[D]. 孙健.长安大学 2017
[3]基于多层复杂网络理论的交通网络脆弱性研究[D]. 毕京浩.济南大学 2016
[4]基于优化的BP神经网络的短时交通流预测算法研究[D]. 季雪美.青岛大学 2016
[5]面向交通事件持续时间预测的贝叶斯网络建模研究[D]. 马雪婧.北京交通大学 2016
[6]基于复杂网络的城市公交网络拓扑特征及线路连通性分析[D]. 狄兆华.西南交通大学 2015
[7]城市快速路事故条件下通行能力的仿真研究[D]. 汪滢.北京交通大学 2014
[8]微观交通仿真模型参数标定及检验研究[D]. 王青燕.山东大学 2013
[9]交通事故影响下的交通流研究[D]. 陈诚.暨南大学 2012
[10]VISSIM微观交通仿真模型校正研究[D]. 张清华.北京交通大学 2012
本文编号：3390311
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3390311.html
