交通流

控制的城市路網(wǎng)交通流優(yōu)化。采用預(yù)測控制方法，達到最大限度地提高路口的通行能力，并驗證了迭代式識別在車輛流量模型的參數(shù)識別中的正確性。研究結(jié)果表明：隨著迭代次數(shù)增多，網(wǎng)絡(luò)各個路段排隊車錯誤值逐漸降低，且保持不變。對網(wǎng)絡(luò)交通系統(tǒng)的最大錯誤對比，以更好地體現(xiàn)了迭代識別正確性。雖然道路網(wǎng)的非線性宏觀流量模型與 道路模擬試驗結(jié)果總體上是與道路交通流量的實際改變相一致的，驗證了該方法在道路網(wǎng)絡(luò)中的非線性大流量模型的識別性能。在隨機擾動在系統(tǒng)中辨識算法可實現(xiàn)對系統(tǒng)期望輸

150040)交通流的研究旨在揭示個體交通參與者與由此產(chǎn)生的交通流動態(tài)之間的關(guān)系。英國學(xué)者Lighthill、Whitham[1]和Richard[2]提出基于流體力學(xué)中的相關(guān)參數(shù)對交通流運行狀態(tài)定量表述方法,通過交通流的三參數(shù)(交通量、速度、密度),利用流體力學(xué)的質(zhì)量守恒連續(xù)性方程,構(gòu)建了LWR模型,此模型再現(xiàn)了當(dāng)時大量的真實交通現(xiàn)象。Munjal等[3-4]將該模型拓展到多車道,對每個車道應(yīng)用LWR模型。Zhang[5]以及Chanut等[6]都針對交

0 引 言由于交通流之間相互干擾, 如交通流內(nèi)部交通個體之間、 各交通流之間以及道路邊緣固體設(shè)施對交通流的干擾, 會使交通流產(chǎn)生粘滯效果, 主要表現(xiàn)為同一交通流的通行速度降低或相鄰交通流的通行速度分布不均。因為交通流的粘滯特性對交通狀態(tài)有很大影響, 所以人們在研究宏觀交通流模型時往往引入交通流粘滯力, 以增強模型的可信度。但目前人們對交通流粘滯特性的研究報道較少, 僅有部分學(xué)者建立了相應(yīng)的粘滯力模型。如以自由流速度和換道車輛數(shù)為參數(shù), Ke等[1]建立了車

具有與真實道路交通流相似的交通參數(shù)及特征。關(guān)鍵詞： SUMO; Traci; 城市交叉口; 交通流; 交通仿真中圖分類號：TP311.13? ? ? ? ? 文獻標(biāo)識碼：A? ? ?文章編號：1006-8228（2022）06-138-04Construction of a simulation platform for urban intersections based on SUMOLi Qianqian， Wang Xiaohan， Zhu Qian

內(nèi)河航道上船舶交通流的運行特征與規(guī)律[1].船舶交通流源于1950年代因國際航運繁榮而發(fā)展起來的海上交通工程學(xué)，其內(nèi)容主要借鑒于道路車輛交通流[2-6].例如，對于平穩(wěn)狀態(tài)下交通流的流量、速度、密度3個基本參數(shù)關(guān)系，即交通流基本圖，目前內(nèi)河船舶交通流往往直接引用經(jīng)典車輛交通流基本圖[7-9].由于組成交通流的運載工具、通航設(shè)施與通航環(huán)境差異較大，特別是船舶航行時為保持舵效有最低航速限值，對于經(jīng)典車輛交通流基本圖模型對內(nèi)河船舶的適用性，迫切需要內(nèi)河船舶交通流

建立相應(yīng)的高速交通流預(yù)測模型是較好的解決途徑。文章綜合分析當(dāng)前常見的交通流預(yù)測模型特點，提出了一種CNN-LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型，該模型能夠有效結(jié)合CNN神經(jīng)網(wǎng)絡(luò)和LSTM長短時神經(jīng)網(wǎng)絡(luò)的優(yōu)點。通過采用該模型對西寶高速交通流進行預(yù)測后發(fā)現(xiàn)CNN-LSTM模型具有準(zhǔn)確的預(yù)測性能，其可為高速公路交通管理運營提供數(shù)據(jù)支持，提高對突發(fā)事件的適應(yīng)性。關(guān)鍵詞 高速公路;交通流;預(yù)測模型;CNN神經(jīng)網(wǎng)絡(luò);LSTM中圖分類號 U491.112 文獻標(biāo)識碼 A 文章編

)高精度的短時交通流預(yù)測方法能準(zhǔn)確預(yù)測交通流，城市道路管理部門可以依據(jù)預(yù)測結(jié)果實時制定相應(yīng)的交通控制策略，提高城市道路通行效率。由于短時交通流具有明顯的非線性特征[1]，而(radial basis function，RBF)神經(jīng)網(wǎng)絡(luò)[2]具有識別復(fù)雜非線性系統(tǒng)的特性，學(xué)者將其應(yīng)用于短時交通流預(yù)測領(lǐng)域[3]，但是它存在初始權(quán)值和閾值不能準(zhǔn)確獲得的缺陷，導(dǎo)致預(yù)測精度有所欠缺[4]。為提高RBF神經(jīng)網(wǎng)絡(luò)模型對短時交通流的預(yù)測精度，黃文明等[5]利用人工蜂群算法

110159)交通流預(yù)測是智能交通網(wǎng)絡(luò)管理系統(tǒng)的重要組成部分[1]，其研究方法經(jīng)歷了多個不同的發(fā)展階段。最初是基于線性理論的方法，如典型的差分整合移動平均自回歸(Autoregressive Integrated Moving Average，ARIMA)模型，將當(dāng)前的交通流數(shù)據(jù)與歷史數(shù)據(jù)建立關(guān)系，從而達到預(yù)測的目的，但其無法捕獲到交通流的突變。還有學(xué)者提出了以機器學(xué)習(xí)為理論依據(jù)的預(yù)測方法，如K最近鄰算法、貝葉斯推理方法和支持向量機(Support Vec

間對路網(wǎng)和路段交通流重新組織分配的安排保障措施。本文用以廣州白云國際機場第二高速公路1標(biāo)段工程半封閉占道施工為對象進行交通組織方案研究。關(guān)鍵詞：占道施工 施工交通組織方案 交通流Research on Traffic Organization of Urban Road Occupation Construction——Taking Guangzhou Baiyun International Airport Second Expressway Secti

對公路網(wǎng)節(jié)假日交通流量的趨勢進行預(yù)測，是保障路網(wǎng)暢通運行的有效手段，在減輕路網(wǎng)擁堵、提高游客出游滿意度、提高出行效率等方面具有重要意義。文章提出了一種趨勢預(yù)測方法，計算同一節(jié)點下歷年節(jié)假日日流量與年平均日交通量（AADT）之間的相關(guān)關(guān)系，根據(jù)修正后的相關(guān)關(guān)系和預(yù)測年份的年平均日交通量實現(xiàn)對節(jié)假日流量的趨勢預(yù)測。以江蘇省鎮(zhèn)江市某節(jié)點2015年9月—2018年5月數(shù)據(jù)作為實例進行方法驗證，表明該模型在節(jié)假日流量趨勢預(yù)測方面具有實用性。關(guān)鍵詞：交通流;趨勢預(yù)測;

年代步車給城市交通流的正常運行帶來諸多方面的干擾。本文選定一縣級市作為交通調(diào)查地點，通過統(tǒng)計數(shù)據(jù)和計算分析，得出老年代步車對車輛運行速度、交通流密度、道路通行能力三方面的影響。關(guān)鍵詞：老年代步車;交通流;縣級市;影響分析0 前言 近年來，隨著我國老齡化人口不斷增多和老百姓生活質(zhì)量的不斷提高，老年人口越來越重視出行方式的舒適度，追求出行消費升級的新選擇，出行需求問題亟待解決。一時間，三輪、四輪低速電動車（即老年代步車）在我國各大中小城市的街頭巷尾悄然興起，

56)0 引言交通流失效是指當(dāng)路段實際交通量達到或接近路段通行能力時，速度發(fā)生急速下降的現(xiàn)象[1]，該現(xiàn)象廣泛存在于交通系統(tǒng)中。近年來，諸多研究發(fā)現(xiàn)瓶頸路段上交通量未達到道路通行能力時亦有可能發(fā)生交通流失效，即早發(fā)性失效。交通流失效將對交通系統(tǒng)的穩(wěn)定性造成較大影響，且該現(xiàn)象的發(fā)生往往伴隨著交通流由自由流狀態(tài)向擁擠狀態(tài)的相位轉(zhuǎn)變[2]。相對于普通的交通流失效，早發(fā)性失效的不確定性更強、預(yù)測難度更大。故深入理解早發(fā)性失效發(fā)生及演化機理，有利于交通管理者及時掌握

研的基礎(chǔ)上，以交通流為控制單元，提出相適應(yīng)的控制策略，并通過燈組自主優(yōu)化控制算法設(shè)計控制預(yù)案后應(yīng)用實施，最后總結(jié)應(yīng)用效果，并對比分析交叉口優(yōu)化前后的平均車速及平均延誤數(shù)據(jù)，闡明本文提出的控制策略能夠明顯提高交叉口通行效率，解決交叉口實際問題。該案例為城市信控交叉口的信號控制優(yōu)化提供了方法指導(dǎo)和借鑒參考。關(guān)鍵詞：信號控制;交通流;燈組自主優(yōu)化控制算法;控制預(yù)案中圖分類號：U491.23;U491.51 文獻標(biāo)識碼：A DOI：10.3969/j.issn.1

李婧摘? 要：交通流異常檢測通常要考慮時間信息、空間信息等信息，這讓交通流異常檢測變得具有挑戰(zhàn)性。文章重點研究由交通事故、或短暫事件引起的非經(jīng)常性交通異常檢查。新提出的算法（GL-GCN）利用交通的時空數(shù)據(jù)，空間信息采用圖卷積網(wǎng)絡(luò)捕獲，時間依賴性采用深度神經(jīng)網(wǎng)絡(luò)DeepGLO的方法建模。同時捕捉時空特性并建立預(yù)測交通流模型，利用異常分?jǐn)?shù)來判斷交通流異常。利用真實的交通流數(shù)據(jù)，證實了提出的模型具有有效性和優(yōu)越性。關(guān)鍵詞：交通流;異常檢測;深度神經(jīng)網(wǎng)絡(luò);圖卷積

：針對城市路網(wǎng)交通流分布不均引起的交通擁堵問題，提出了在預(yù)約出行交通背景下基于預(yù)知OD的交通流路徑優(yōu)化方法。首先，分析了預(yù)約出行交通背景下預(yù)知OD的數(shù)據(jù)環(huán)境;其次，根據(jù)動態(tài)用戶均衡準(zhǔn)則，對預(yù)知的OD進行流量分配，給出預(yù)約出行車輛的路徑;接著，使用預(yù)測控制的方法，結(jié)合路網(wǎng)上預(yù)約車輛的狀態(tài)，以路網(wǎng)上路段的飽和度和未預(yù)約車輛的行程時間最小化為目標(biāo)，從系統(tǒng)和用戶兩個角度對未預(yù)約車輛的路徑進行實時的誘導(dǎo)，通過連續(xù)時域的滾動優(yōu)化控制，優(yōu)化交通流的路徑;最后，對本方法的

甚至更長時間的交通流預(yù)測功能。提前一天或多天預(yù)知高速公路交通流，不僅可以輔助高速公路管理人員提前安排部署、合理誘導(dǎo)車輛分流、疏散，緩解高速公路擁堵現(xiàn)象，也可以為公眾出行提供參考。高速公路交通流預(yù)測作為研究熱點在不同發(fā)展時期均取得較為豐碩的成果，研究趨勢從單一的參數(shù)模型過渡到非參數(shù)模型及混合模型。典型的參數(shù)模型有自回歸積分移動平均(Autoregressive Integrated Moving Average，ARIMA)模型和卡爾曼濾波器模型。如Will

為差異性，改善交通流特性，進而為相關(guān)交通問題的有效解決提供新途徑[1]. 就目前來看，大規(guī)模CAV車輛實地真車測試的實施條件尚不成熟[2]. 因此，現(xiàn)階段對CAV車輛交通流特性的研究已經(jīng)成為交通流理論以及智能交通系統(tǒng)的研究熱點[3-5]，交通流穩(wěn)定性是交通運營質(zhì)量的內(nèi)在屬性，本文針對CAV混合交通流穩(wěn)定性開展研究. 縱觀國內(nèi)外針對交通流穩(wěn)定性分析的研究成果，跟馳模型穩(wěn)定性解析方法眾多，并已形成較為明確的結(jié)論[6]，但是針對混合交通流穩(wěn)定性解析的研究工作進展

建立準(zhǔn)確穩(wěn)定的交通流參數(shù)模型是實現(xiàn)智能交通誘導(dǎo)與控制的關(guān)鍵[1]。交通流參數(shù)模型通常以描述交通流運行特性的三個參數(shù)(速度、流量和密度)為基礎(chǔ)，考慮到交通流數(shù)據(jù)統(tǒng)計時間尺度的不同，交通流序列因受到各種復(fù)雜因素的影響，表現(xiàn)出較強的非線性和時空特性。因此，分析交通流在不同時間尺度下的特性，揭示交通流特性參量間的相互關(guān)系和內(nèi)在時空演變規(guī)律，可為完善交通流理論、進行交通狀態(tài)識別提供科學(xué)依據(jù)和理論支撐。對于交通流時間序列的分析主要有：數(shù)理統(tǒng)計方法、機器學(xué)習(xí)方法、可視圖

44)0 引言交通流預(yù)測是利用人們行為產(chǎn)生的歷史交通流數(shù)據(jù)進行分析，是智能交通系統(tǒng)(Intelligent Traffic System, ITS)中的重要構(gòu)成部分。多年來，在緩解交通擁堵、降低資源浪費等方面發(fā)揮重要作用，一直深受運輸領(lǐng)域?qū)W者的關(guān)注[1-2]。利用歷史交通流數(shù)據(jù)隱含的特性進行短時交通流預(yù)測已經(jīng)取得重要進展。從早期的統(tǒng)計模型到最近的深度神經(jīng)網(wǎng)絡(luò)模型，很多學(xué)者[1]關(guān)注的是交通流長短程時間尺度上的相似性，如楊春霞等[3]引入交通流周時間尺度的相

究自動駕駛微觀交通流跟馳模型已成為自動駕駛領(lǐng)域的熱點研究問題之一[1]。國內(nèi)外關(guān)于自動駕駛跟馳模型的研究工作大致可以歸納為以下幾類：第一類,以傳統(tǒng)跟馳模型為基礎(chǔ)，通過調(diào)節(jié)模型參數(shù)以及優(yōu)化設(shè)計相關(guān)參數(shù)來實現(xiàn)自動駕駛交通流跟馳建模[2]，這一類建模過程簡單且便于應(yīng)用，但難以從模型結(jié)構(gòu)上區(qū)分自動駕駛與手動駕駛的行駛特性;第二類，將自動駕駛跟馳模型結(jié)構(gòu)分為三個部分，第一個部分是通過車聯(lián)網(wǎng)V2V技術(shù)獲取前車加速度信息反饋，第二個部分是實際車頭間距與期望車頭間距的誤差

擁堵.城市短時交通流預(yù)測作為城市計算[1-3]中的一個重要研究方向,由城市交通大數(shù)據(jù)驅(qū)動,可以大大提高生活效率,提升城市的智能化水平.短時交通流預(yù)測的研究已經(jīng)發(fā)展了很多年,從統(tǒng)計學(xué)方法到神經(jīng)網(wǎng)絡(luò)方法和模糊系統(tǒng)的方法,交通流預(yù)測越來越精確、適用.統(tǒng)計學(xué)方法是通過對歷史交通流數(shù)據(jù)進行線性回歸處理來進行交通流預(yù)測的.Sun 等[4]利用局部線性回歸模型對從休斯頓采集到的交通流數(shù)據(jù)進行短時預(yù)測.Dang 等[5]采用多元線性自回歸模型進行交通流預(yù)測.William

間資源，對后續(xù)交通流產(chǎn)生不確定性影響。陳琳莉等[1]研究公交車?？坎煌九_時對相鄰車道車輛速度的影響。韋佼等[2]根據(jù)交通波理論，運用VISSIM仿真驗證直線式公交車?？繉?jīng)過的社會車輛產(chǎn)生的影響。姚志洪等[3]研究公交車?？侩S機延誤對交通流的影響，并建立異質(zhì)交通流車隊流量離散模型。劉云等[4]建立直線式和港灣式公交站點的延誤模型。Fitzpatrick等[5]分析公交車?？康娜萄诱`影響。直線式公交車?？坷碚摰南嚓P(guān)研究對于公交都市建設(shè)具有重要意義，也可為

0 引 言船舶交通流的基礎(chǔ)理論研究多借鑒于道路、行人和航空交通領(lǐng)域相關(guān)理論，已取得一定成果[1].現(xiàn)階段，國內(nèi)外針對船舶交通流的研究主要集中在基于概率統(tǒng)計和模擬仿真技術(shù)的船舶行為特征分析與建模方面[2-7]，同時，在船舶AIS的強制使用以及通訊技術(shù)的不斷發(fā)展中，對船舶交通流的研究更多通過歷史統(tǒng)計的船舶AIS數(shù)據(jù)進行相關(guān)研究.熊振南等[8]通過運用點統(tǒng)計法方法，對天津港北航道和主航道交匯水域的船舶交通流分布規(guī)律進行統(tǒng)計分析.甘浪雄等[9]以AIS數(shù)據(jù)為基礎(chǔ)，

201804)交通流的解析與建模，不僅對于揭示其規(guī)律具有科學(xué)意義，還可為交通流控制和管理提供科學(xué)依據(jù)，因此，有關(guān)于此的研究由來已久.交通流運行過程是一個動態(tài)過程，因受到動態(tài)的交通需求和交通行為，以及靜態(tài)的道路及管理條件等的組合影響，所以交通流狀態(tài)具有不確定性特點.是否能夠準(zhǔn)確地描述交通流真實特征和演變規(guī)律，是交通流控制和管理的關(guān)鍵基礎(chǔ)問題.由于交通流在時間和空間上分布特性的高度復(fù)雜性，很難通過觀測的方法在任意時間段內(nèi)直接獲取任意范圍內(nèi)的交通流狀態(tài)的動態(tài)演變

、準(zhǔn)確性的路網(wǎng)交通流預(yù)測，有效的提高了路網(wǎng)運行的安全性和運行效率。新時期下，有必要利用一些科學(xué)、有效的方法對路網(wǎng)交通流量做出準(zhǔn)確的預(yù)測，以更好的解決目前道路交通中所存在的問題。2 深度學(xué)習(xí)的涵義很長時間以來，人們就一直在致力于研究神經(jīng)網(wǎng)絡(luò)，力求將神經(jīng)系統(tǒng)和視覺系統(tǒng)相聯(lián)系，不斷地促進二者之間的融合。從傳統(tǒng)的機器學(xué)習(xí)和信息處理技術(shù)來看，它們中僅僅包含著單個的非線性特征轉(zhuǎn)換。其中，影響較大的是條件隨機域、SVM模型以及一個隱含層的多層感知器。從它們之間的特征來看

為了更好地解釋交通流狀態(tài)轉(zhuǎn)變中表現(xiàn)的特性，德國學(xué)者Kerner在總結(jié)和研究了大量交通流經(jīng)驗數(shù)據(jù)的基礎(chǔ)上提出了三相交通流理論[1-4]，并進行了擴充和完善[5]。不同于經(jīng)典的兩相（自由流和擁堵流）交通流理論，該理論認(rèn)為交通流狀態(tài)存在三相性，即自由流（Free FLow，F(xiàn)）、同步流（Synchronized FLow，S）和寬運動堵塞流（Wide Moving Jam，J）。近年來，國內(nèi)外學(xué)者基于三相交通流理論提出了許多相關(guān)研究成果。Jia等[6]提出了基于

06）0 引言交通流預(yù)測主要是對交通量的相關(guān)參數(shù)進行預(yù)測。交通量也叫做交通流量，是指在指定時間段內(nèi)，通過道路某一地點、某一斷面或某一車道的交通實體數(shù)[1]。在智能交通系統(tǒng)（Intelligent Transportation Systems，ITS）領(lǐng)域[2]，交通控制與誘導(dǎo)系統(tǒng)是ITS研究的熱門核心課題，而實現(xiàn)交通誘導(dǎo)的關(guān)鍵是實時準(zhǔn)確地預(yù)測交通流。即利用現(xiàn)有道路的實時和歷史交通流數(shù)據(jù)，通過建立適合的模型對下一個時段的交通流進行預(yù)測。交通流預(yù)測分為短期預(yù)測

神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究程山英(江西科技師范大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院，南昌 330038)為滿足交通控制和誘導(dǎo)系統(tǒng)的實時性需求，減少交通擁擠狀況，降低交通事故突發(fā)頻率，需要對短時交通流進行預(yù)測;當(dāng)前的短時交通流預(yù)測方法是采用K-近鄰的非參數(shù)回歸對其進行預(yù)測，預(yù)測過程中沒有將預(yù)測模型中關(guān)鍵因素對交通流的影響進行詳細(xì)的說明，導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確，存在短時交通流預(yù)測誤差較大的問題;為此，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法;該方法首先以歷史短時交

的非穩(wěn)定狀態(tài)下交通流速度研究李 巖(黑龍江工程學(xué)院 經(jīng)濟管理學(xué)院，黑龍江 哈爾濱 150050)不同類型車輛構(gòu)成的交通流會由于車輛差異形成不同的速度變化，尤其是在非穩(wěn)定狀態(tài)的交通流中表現(xiàn)得更明顯。選取大客車、小客車、大貨車、小貨車和摩托車5類車型，在實驗路段采集交通流數(shù)據(jù)進行交通仿真，結(jié)合車速標(biāo)準(zhǔn)差，構(gòu)建在非穩(wěn)定狀態(tài)下交通流速度離散率模型。利用速度離散率獲得由5類車型構(gòu)成的非穩(wěn)定狀態(tài)交通流速度變化趨勢，并確定不同車型對交通流速度離散率的影響程度。非穩(wěn)定狀態(tài)

過程：交叉口處交通流的3種基本關(guān)系；哪些交通流之間需要設(shè)置綠燈間隔；綠燈間隔的計算方法。最后以案例分析的形式，闡明交通流以及信號組之間綠燈間隔矩陣的建立過程。交通管理； 信號控制； 綠燈間隔矩陣； 信號組0 引言綠燈間隔影響著信號控制交叉口處的交通安全與通行效率。據(jù)相關(guān)統(tǒng)計，城市道路上發(fā)生的交通事故有60%以上處于平面交叉口范圍內(nèi),其中90%的事故發(fā)生在上一相位交通信號燈綠燈結(jié)束至下一相位綠燈開始的這段時間[1]。綠燈間隔設(shè)置的目的是保證上一信號相位最后通

制T型交叉口的交通流運行優(yōu)先等級進行重新劃分，共劃分為5級.將主路直行車流和橫穿支路的當(dāng)量人群流作為獨立優(yōu)先流，應(yīng)用間隙接受理論，研究了各次級交通流的可能通行能力計算方法.考慮高等級次級交通流及橫穿主路的當(dāng)量人群流的影響，采用概率論方法研究了各次級交通流的可能通行能力修正系數(shù)，從而得到各次級交通流的實際通行能力計算模型，進而得到整個無信號控制T型交叉口的通行能力計算方法.結(jié)果表明，以當(dāng)量人群描述非機動車和行人對機動車通行的共同影響計算過程簡單，符合我國城市

804)機動車交通流比功率與能耗模型研究張衛(wèi)華1，陳俊杰1，江楠2，柏海艦1(1.合肥工業(yè)大學(xué) 交通運輸工程學(xué)院，安徽 合肥 230009;2.同濟大學(xué) 道路與交通工程教育部重點實驗室，上海 201804)為研究機動車交通流能耗，將機動車交通流比功率(VSP)作為研究對象.從最常見的單車比功率研究出發(fā)，使用氣體動力學(xué)交通流模型聯(lián)系單車比功率與交通流整體比功率，以此建立交通流比功率模型.為使此模型具備更顯著的物理意義，將交通流比功率分為兩部分，一部分為平衡交

在許多一般道路交通流通過匝道進入快速道路的合流區(qū)。隨著城市機動車的持續(xù)增加，一些合流區(qū)出現(xiàn)了嚴(yán)重的交通擁堵問題。在緩解合流區(qū)交通擁堵的諸多控制策略中，入口匝道控制是使用最廣泛的一種。無論是我國一些城市采用的匝道關(guān)閉策略，還是歐美國家已普遍采用的匝道交通量調(diào)節(jié)策略，其核心是根據(jù)合流區(qū)主線交通流，給出保證合流區(qū)不出現(xiàn)交通擁堵的匝道交通量控制指標(biāo)。該方面的研究主要根據(jù)道路合流區(qū)主線交通流的基本圖分析交通流狀態(tài)變化，結(jié)合道路通行能力與交通流密度、流量、速度分析交通

協(xié)作式巡航控制交通流方法提出一種宏觀模型來描述協(xié)作式自適應(yīng)巡航控制交通流的行為，即對自適應(yīng)巡航控制交通流的擴展。在協(xié)作式自適應(yīng)巡航控制交通流中，一輛車可以通過無線通信與前方很多車輛交換信息，相比自適應(yīng)巡航控制交通流而言，本車與前車的距離將會更加緊密?；谝唤M特定模型參數(shù)集合的線性和非線性穩(wěn)定性方法，構(gòu)建模型的穩(wěn)定性圖標(biāo)。分析表明，相比自適應(yīng)巡航控制交通流，協(xié)作式自適應(yīng)巡航控制交通流能夠加強交通流的穩(wěn)定性，無論是在大或小的擾動下，車速的變化超調(diào)量均更小。車輛

法對城市路網(wǎng)的交通流量進行合理分配變得非常重要，其中，對道路實施交通流控制與誘導(dǎo)是控制交通流合理分配的一個關(guān)鍵問題，其核心之一是實時、準(zhǔn)確地進行短時交通流預(yù)測.各國學(xué)者對短時交通流預(yù)測進行了長期深入的研究，提出了近百種預(yù)測方法.目前，大體可將這些預(yù)測方法分為兩類:第1 類是以數(shù)理統(tǒng)計和微積分等傳統(tǒng)數(shù)學(xué)和物理方法為基礎(chǔ)的預(yù)測方法，包括時間序列預(yù)測［1］、歷史均值預(yù)測［2］、卡爾曼濾波模型預(yù)測［3］等;第2 類是以現(xiàn)代科學(xué)技術(shù)和方法為主要研究基礎(chǔ)而形成的預(yù)測模

100044）交通流狀態(tài)判別有多種方法，從簡單的人工巡邏判別方法到緊急電話、移動電話判別方法，從閉路電視判別方法到全自動電子監(jiān)視判別方法等等.這些方法都能夠在一定程度、一定范圍內(nèi)發(fā)現(xiàn)道路上存在的交通擁堵狀況.最早開發(fā)并投入使用的交通流狀態(tài)判別算法是以判別突發(fā)交通事件為主要功能的加利福尼亞算法.經(jīng)過實踐和進一步的深入研究，1978年P(guān)ayne和Tignor［1］公布了10 種基于最初的加州算法的改進算法，其中性能最好的是加州7＃算法和加州8＃算法.1993

261100）交通流理論是研究交通流隨時間和空間變化規(guī)律的模型和方法體系［1－2］．交通流分析的核心內(nèi)容是交通流模型的建立．交通流是一個離散系統(tǒng)，宏觀模型忽略了單個車輛的作用，對微觀車輛的相互作用不能夠描述，因此得到的信息不完全；微觀模型雖然考慮了單個車輛的作用，但是模型的控制變量繁多，參數(shù)設(shè)置龐雜．而利用有限單元法建立交通流的模型可以彌補這些缺陷，因此采用本質(zhì)上離散的有限元模型來描述實際的交通現(xiàn)象具有其獨特的優(yōu)越性．1955年，英國學(xué)者Lighthill

2)0 引 言交通流無序是指處于交通擁堵狀態(tài)下的、通行能力很低的一種道路交通流,它實質(zhì)是一種在時間、空間有序,而功能無序的道路交通流.交通流系統(tǒng)是復(fù)雜的開放巨系統(tǒng),組成系統(tǒng)的各因素之間存在著復(fù)雜的非線性關(guān)系,它不僅能導(dǎo)致交通流混沌現(xiàn)象的產(chǎn)生,也會導(dǎo)致交通流無序的產(chǎn)生.近年來,交通流混沌的研究已經(jīng)受到了交通流理論界的廣泛重視[1].關(guān)于交通流混沌的研究成果也越來越多[2-5].但是,對于交通流無序的研究卻是交通流理論研究的一個薄弱環(huán)節(jié).交通流無序是交通流中很

　雪摘要：根據(jù)交通流有序與元序運動交替出現(xiàn)的特性，提出通過混沌現(xiàn)象，研究跟馳模型的適用范圍。用Matlab軟件編制Gazis HerInarl Potts模型，以產(chǎn)生交通流，當(dāng)敏感度取不同值時，研究交通流車隊中前五輛車之間的車頭間距變化過程，給出了相關(guān)的仿真結(jié)果。分析車頭間距的仿真曲線及最大Lyapunov指數(shù)，得出當(dāng)敏感度取值較大時，采用Gazis HermanPotts模型仿真車隊運動，需要對其加以適當(dāng)修正的結(jié)論。關(guān)鍵詞：交通流；Gazis Herma