黄何瑶静 黎 婷

（重庆大学建设管理与房地产学院，重庆 400045）

引言

智能交通系统以卡口系统、浮动车数据采集系统为主要智能采集设备。浮动车数据在地理及时空维度呈现稀疏性特点，就城市道路及复杂路网交通流状态而言属主要难题之一，目前较多的研究为基于拓扑关系的度量方式；卡口系统广泛运用于交通规划管理，提供基础运行数据，其数据量呈膨胀增长趋势，目前以相关大数据挖掘算法及时间序列预测模型为主。本文基于浮动车与卡口数据，以深圳市交通实时数据进行交通流状态统计描述，结合多维度信息获得具有时空关联特性的交通流状态描述方法。据此，以重点道路的车流分布时间特点，建立基于matlab的可视化元胞自动机交通流模型，以辅助交通管理部门对于重点道路实时交通状况进行被动决策及拥堵疏散。

1 模型假设

（1）只考虑在单一车道上行驶的车流，不考虑超车情况。

（2）交通流为标准长度的小型、中型汽车在单方向道路上行驶而形成的车流，没有外界因素入岔路、信号灯等的影响。

（3）蓝牌车辆、白牌车辆、其他牌照车辆当量等同于标准小型汽车，黄牌车辆当量等同于标准大型客车。

（4）交通流可近似看作一辆辆汽车组成的连续的流体，可以用流量、密度、速度3个参数描述其基本特性。

（5）不考虑路面情况及车道宽度。

（6）某一路段的平均速度可以用该路段上的车辆平均速度代替。

（7）每辆车随机变道，不考虑超车情况。……