基于改进沙漏模型的突发事件下交通流预测

交通运输系统工程与信息 ›› 2014, Vol. 14 ›› Issue (6): 86-91.

• 智能交通系统与信息技术 • 上一篇下一篇

基于改进沙漏模型的突发事件下交通流预测

文江辉^a，b,江泽武*^c,徐佳恒d,张随远^e,毛树华^b

武汉理工大学a. 智能交通系统研究中心；b. 理学院；c. 物流工程学院； d. 能源与动力工程学院；e.计算机科学与技术学院，武汉430063

收稿日期:2014-05-15 修回日期:2014-08-01 出版日期:2014-12-25 发布日期:2014-12-30
作者简介:文江辉（1986-），女，湖北松滋人，讲师，博士.
基金资助:
国家自然科学基金项目（61403288）；中国博士后科学基金（2014M562076）；中央高校基本科研业务费专项资金资助（2014-IV-080）

The Forecasting of Traffic Flow Based on Optimized Hourglass Model in Emergencies

WEN Jiang-hui^a，b，JIANG Ze-wu^c，XU Jia-heng^d，ZHANG Sui-yuan^e，MAO Shu-hua^b

a. Intelligent Transport Systems Center；b. School of Science ; c. School of Logistics Engineering；d. School of Energy and Power Engineering；e. School of Computer Science and Technology,Wuhan University of Technology,Wuhan 430063, China

Received:2014-05-15 Revised:2014-08-01 Online:2014-12-25 Published:2014-12-30

摘要/Abstract

摘要：

通过分析突发事故导致车道被占用时，道路通行能力的演变过程及交通流的变化特征，将占道发生后车流与沙漏模型中颗粒物质运动类比，结合突发事件下交通流中不同类型车辆的换道规律，提出了含概率崩塌各异性的改进沙漏模型.并结合元胞自动机仿真理论，运用MATLAB进行仿真计算不同时刻的车辆排队长度，与实际数据对比，该模型的平均相对误差为6.509 7%，验证了模型的可靠性.最后利用该模型预测不同车道被占用和不同车流量的情况下车队长度达到特定长度所需的时间，进而探讨其分别对道路通行能力的不同影响程度，为交通部门监管道路提供理论依据.

关键词: 城市交通, 改进沙漏模型, 元胞自动机, 突发事件, 通行能力, 排队长度

Abstract:

From the analysis of the evolving of traffic flow when traffic congestion emerges caused by accident, analogies of traffic flow with the movement of particulate matter in hourglass model and various vehicles’lane changing pattern in emergency situation, an optimized hourglass model is propose. Based on cellular automata method, we simulate the queuing lengths of vehicles in different time on MATLAB and compare them with the practical data .We find that the average relative error of the model is 6.509 7%, verifying the reliability of the model. Finally, according to the model, we predict the time required for the specific queuing length on various lanes and traffic volumes. Thusly, we can study the impacts of time on traffic capacity and provide a theoretical basis for transportation administration.

Key words: urban traffic, optimized hourglass model, cellular automata, emergency, traffic capacity, length of queuing

中图分类号:

U491.3

文江辉,江泽武,徐佳恒,张随远,毛树华. 基于改进沙漏模型的突发事件下交通流预测[J]. 交通运输系统工程与信息, 2014, 14(6): 86-91.

WEN Jiang-hui，JIANG Ze-wu，XU Jia-heng，ZHANG Sui-yuan，MAO Shu-hua. The Forecasting of Traffic Flow Based on Optimized Hourglass Model in Emergencies[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(6): 86-91.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18892.shtml

http://www.tseit.org.cn/CN/Y2014/V14/I6/86

参考文献

[1] 董春娇,邵春福,等. 基于实测数据的快速路交通流参数模型[J]. 交通运输系统工程与信息, 2013,13 (3):46-52. [DONG C J, SHAO C F, et al. Estimating traffic flow models for urban expressway based on measurement data[J]. Journal of Transportation Systems Engineering and Information Technology, 2013,13(3): 46-52. ]

[2] 李嘉, 刘春华, 胡赛阳, 等. 基于交通数据融合技术的行程时间预测模型[J]. 湖南大学学报:自然科学版, 2014,41(1):33- 38. [LI J, LIU C H, HU S Y, et al. A travel time prediction model based on traffic data fusion technology[J]. Journal of Hunan University: Natural Sciences, 2014,41(1):33-38. ]

[3] 樊娜, 赵祥模, 戴明, 等. 短时交通流预测模型[J]. 交通运输工程学报, 2012, 12(4):114-119. [FAN N, ZHAO X M, DAI M, et al. Short-term traffic flow prediction model[J]. Journal of Traffic and Transportation Engineering,2012,12(4): 114-119. ]

[4] Bak P, Tang C, Wiesenfeld K. Self-organized criticality: an explanation of 1/f noise[J]. Physical Review Letters, 1987, 59(4):381-384.

[5] Held G A, Solina D H, Solina H, et al. Experimental study of critical- mass fluctuations in an evolving sandpile[J]. Physical Review Letters,1990,65(9):1120.

[6] 赵康嘉，陈淑燕. 基于元胞自动机的交通事件交通流仿真模型[J]. 公路交通科技, 2014, 31(003):133- 138. [ZHAO K J, CHEN S Y. Cellular automaton based traffic simulation model for traffic incident[J]. Journal of Highway and Transportation Research and Development, 2014, 31(003):133-138. ]

[7] 李霖渊. 沙漏计时原理二维数值模拟研究[D]. 贵阳：贵州大学, 2008. [LI L Y. The hourglass timing principle two dimensional numerical simulation research [D]. Guiyang：Guizhou University, 2008. ]

[8] Kita E, Nanya W, Wakita Y, et al. Road network determination by cellular automata traffic flow simulation[C]//Computing and Networking (CANDAR), 2013 First International Symposium on IEEE, 2013: 500-504.

[9] 中华人民共和国交通部. JTG/B01-2003 公路工程技术标准[S]. 北京：人民交通出版社, 2003. [Ministry of Communications and Transportation. JTG/ B01- 2003 Code for technical standard of highway[S]. Beijing：China Communication Press, 2003. ]

[10] 纪英,高超. 道路堵塞时排队长度和排队持续时间计算方法[J]. 交通与计算机, 2009, 27(Z1):41- 43. [JI Y, GAO C. Method to calculate vehicle queuing length and queuing under crowded road[J]. Computer and Communications, 2009, 27(Z1):41-43. ]

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[4]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[5]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[6]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[7]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[8]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[9]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[10]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[11]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[12]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[13]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.
[14]	牟振华, 汪寒冰, 林本江, 陈逸群, 金程程, 陈艳艳. 基于演化博弈的违章停车动态罚金策略效用仿真评价[J]. 交通运输系统工程与信息, 2022, 22(1): 152-162.
[15]	贾富强, 李引珍, 杨信丰, 马昌喜, 代存杰. 基于演化博弈的政府鼓励条件下共享停车行为分析[J]. 交通运输系统工程与信息, 2022, 22(1): 163-170.

基于改进沙漏模型的突发事件下交通流预测

The Forecasting of Traffic Flow Based on Optimized Hourglass Model in Emergencies

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics