發(fā)布時間：2020-12-04 04:47

　　隨著中國人均車輛擁有量的快速攀升,交通擁堵問題日益制約著經濟發(fā)展和人民生活水平的提高。因此改善或解決交通擁堵問題具有很強的現(xiàn)實意義,這也吸引著眾多的學者對其深入研究并提出了一系列的理論和方法。其中元胞自動機交通流模型是其中較為著名的一種方法。本文在充分總結和繼承原有元胞自動機交通流模型的基礎上,以建立貼合實際道路交通的元胞自動機交通流模型為目的,通過對模型的模擬仿真,認識交通流的一些基本規(guī)律,并為交通管理部門提供決策意見。本文的主要研究工作如下:(1)針對經典的NaSch模型和雙車道STCA換道模型存在的不足,基于提高駕駛安全性考慮,引入經典Gipps安全距離規(guī)則,對原有的車輛行進規(guī)則和換道規(guī)則進行了修改,在此基礎上建立了改進的雙車道混合交通流模型。以高架橋為仿真對象,在開放邊界條件下,對模型進行了仿真實現(xiàn),通過對時空特征、輸出率、混合比例和隨機慢化概率等要素的分析,揭示了改進模型的基本特征和交通流的基本規(guī)律。(2)在改進的雙車道混合交通流模型的基礎上,建立了考慮駕駛員進道意愿的雙車道混合交通流模型。該模型針對駕駛員進道意愿研究的需要,提出了車輛進道規(guī)則,該規(guī)則考慮了影響駕駛員進道意愿... 

【文章來源】：浙江工商大學浙江省

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?１８４號規(guī)則示意圖??

圖３－２輸出率不同時的交通流特征圖（ａ）輸入率－速度圖（ｂ）輸入率－密度圖（ｃ）輸??入率－流量圖（ｄ）輸入率－換道次數(shù)圖＜＞？＝０．３，?Ｃ－ｒａｔｉｏ＝０．７）??比較圖３－２（ａ）的密度圖和圖３－２（ｃ）的速度圖可以發(fā)現(xiàn)，這兩幅圖的走勢正好??相反，這是因為在道路車輛密度較低時，車輛之間的影響較小，車輛可以以較高??速度行駛，而當?shù)缆奋囕v密度較高時，車輛之間的相互影響加劇，車輛的速度相??應的也會減小。具體來看，當＾＞０．２時，輸入率對密度和速度的影響很小，此時??道路密度處于低位，而道路速度則處于高位，密度曲線和速度曲線的走勢相同，??都呈水平狀；當＾＝０．２時，輸入率開始對密度和速度產生影響，當輸入率２＞＝０．７??時，速度值急速變小，密度值也相應增加；當／＾＝〇．１時，此時道路車輛密度和速??度，完全取決于輸入率的大小，當Ａ＝０．１時，道路交通狀態(tài)為自由態(tài)，此時密度??較小

圖３－３車輛混合比例不同時的交通流特征圖（ａ）道路密度圖（ｂ）車輛換道次數(shù)圖??（／？?？＝〇．３，?＂＝０．９）??在圖３－３中，可以發(fā)現(xiàn)車輛混合比例的不同對于道路交通流特征影響很大。??具體來看，在圖３－３（ａ）的密度圖中，當Ｃ－ｒａｔｉｏ＝ｌ時，即道路上全為小車時，密??度隨輸入率變化最為顯著，這是因為小車速度更快，相互之間的影響也更大，所??以密度較大，且變化幅度較大；當Ｃ－ｒａｔｉｏ＝０時，即道路上全為大車時，此時密??度隨輸入率增加而增加，但是增加幅度較Ｃ－ｒａｔｉｏ＝ｌ時要小，這與大車的最大速??度較小，可以減小車輛之間的影響有關。而當〇．２＜＝Ｃ－ｒａｔｉｏ＜＝０．８時，密度變化較??小，說明此時道路進入自由態(tài)，午輛混合比例對道路交通流影響較小。??圖３－３（ｂ）的換道次數(shù)圖中可以大致分為兩個部分。當Ｃ－ｒａｔｉ〇＝ｌ時，車輛的??換道次數(shù)先增后減

【參考文獻】：
期刊論文
[1]耦合元胞自動機的尾氣排放規(guī)律數(shù)值模擬[J]. 馮煥煥,鄧建華.  計算機工程. 2018(06)
[2]基于復雜網絡同步城市快速路協(xié)調控制研究[J]. 龐明寶,刁化堯,趙冰心,黃玉滿.  交通運輸系統(tǒng)工程與信息. 2018(03)
[3]《2017年中國主要城市公共交通大數(shù)據分析報告》發(fā)布[J].   人民公交. 2018(05)
[4]城市交通規(guī)劃和城市規(guī)劃的協(xié)調關系[J]. 王紫.  交通世界. 2018(07)
[5]基于模擬退火的交叉口自適應信號控制優(yōu)化研究[J]. 曹陽.  交通運輸工程與信息學報. 2018(01)
[6]2012—2016年全國道路交通噪聲污染狀況分析[J]. 李憲同,溫香彩,魏峻山,白煜,趙佳美,宗蕙娟,汪赟.  環(huán)境保護與循環(huán)經濟. 2018(01)
[7]多路段元胞自動機交通流模型[J]. 梁經韻,張莉莉,欒悉道,郭金林,老松楊,謝毓湘.  物理學報. 2017(19)
[8]面向群體利益分配的蟻群勞動分工建模與仿真[J]. 肖人彬,王英聰.  管理科學學報. 2016(10)
[9]A cellular automata model of traffic flow with variable probability of randomization[J]. 鄭偉范,張繼業(yè).  Chinese Physics B. 2015(05)
[10]短時預測下的單點交叉口無模型自適應控制方法[J]. 郭海鋒,程君,方良君,彭起濤.  中國公路學報. 2014(12)

碩士論文
[1]基于元胞自動機的交通流改進模型及模擬分析[D]. 衛(wèi)妮娜.華南理工大學 2017
[2]基于元胞自動機的交通流模型研究[D]. 葉冬.長安大學 2014
[3]基于元胞自動機和模糊推理的交通流模型研究[D]. 張笑梅.大連理工大學 2013
[4]一維元胞自動機交通模型的研究[D]. 魏鵬飛.北方工業(yè)大學 2012
[5]基于元胞自動機的快速路交通流建模與仿真研究[D]. 熊勝輝.江蘇大學 2010
[6]基于改進的加權概率元胞自動機模型的道路交通流建模與模擬[D]. 莊倩.北京交通大學 2009
[7]基于三相流理論的交通流復雜動態(tài)特性的微觀模式研究[D]. 趙博涵.中國科學技術大學 2009



本文編號：2897036