高速公路重載貨車移動瓶頸理論研究.pdf

1、近年來，在我國某些高速公路路段（特別是長三角、珠三角、京津塘等經濟發(fā)達、交通繁忙區(qū)域的高速公路）由于重載貨車運行速度低且相互超車換道，導致大量的交通移動瓶頸發(fā)生，造成交通流量未達到設計通行能力卻擁擠不堪。
　　本文的研究目標是探求高速公路移動瓶頸現象的特征和機理，以揭示移動瓶頸發(fā)生時各個交通參數的變化，為降低移動瓶頸的影響、改善交通運行質量提供理論依據。主要工作如下。
　　分析了移動瓶頸和固定瓶頸的異同、移動瓶頸的主要影響因

2、素，剖析了移動瓶頸的形成機理?；谝苿悠款i影響效應模型，利用軟件進行重載貨車移動瓶頸影響效應仿真試驗。試驗揭示了重載貨車不同混入比例的狀況下，對全體車輛、小汽車、重載貨車的平均速度、平均延誤以及整個流量的影響。
　　在Newell模型的基礎上，提出了考慮多輛前車間速度差影響的多速度差移動瓶頸模型，給出了正常行駛區(qū)域和移動瓶頸行駛區(qū)域的優(yōu)化速度函數。同時，優(yōu)化了Nagatani換道模型，提出更加符合實際交通狀況的換道模型。利用元胞自

3、動機和VISSIM分別模擬仿真本文提出的多速度差移動瓶頸模型，繪制和分析時空斑圖、交通參數變化曲線圖，研究移動瓶頸發(fā)生時交通流各參數的變化情況，給出判斷移動瓶頸發(fā)生的條件。
　　基于美國加州大學伯克利分校FSP(The Freeway Service Patrol Project)中部分高速公路路段檢測數據庫中的數據，驗證了用調整后的累計流量曲線判斷移動瓶頸的可行性。提出了基于調整后的累計流量曲線和時間占有率曲線判別移動瓶頸的方法

4、。同時，給出了計算背景交通量和背景時間占有率的新的算法。
　　依據固定檢測器數據采集的特點和交通流特性，選取速度、時間占有率、流量、流量差與速度差之積等四個參數為交通狀態(tài)的特征向量，構建批處理增量學習的Lagrange支持向量機的移動瓶頸發(fā)生判別算法。試驗表明，相對于加利福尼亞算法、McMaster算法、模糊數學算法等經典判別算法和神經網絡算法、支持向量機算法等人工智能算法，批處理增量學習的Lagrange支持向量機模型對移動瓶頸

5、判斷的有效性和可移植性等效果均有明顯提高。
　　依據固定檢測器數據采集的特點和交通流特性，選取移動瓶頸地點上游檢測器的速度差、相鄰兩時段的占有率差、占有率與速度比值、下游檢測器的占有率實測值與預測值之比、下游檢測器的占有率和流量實測值乘積與占有率和流量預測值乘積之比等五個參數共同組成一個五維的交通狀態(tài)特征向量，構建批處理增量學習的Lagrange支持向量機的移動瓶頸產生、持續(xù)和消散全過程判別模型。試驗表明，相對于McMaster算