应用神经网络动态估计信号交叉口饱和流率
2021-09-01
广西大学学报(自然科学版) 2021年3期
(1.清华大学 土木水利学院, 北京 100084;2.清华大学 交通研究所, 北京 100084;3.北京工业大学 北京市交通工程重点实验室, 北京 100124;4.北京建筑大学 土木与交通工程学院, 北京 100044)
0 引言
饱和流率是通行能力中重要的参数,是指在连续绿灯时间内,进口道上连续车队通过停车线的最大流率[1]。饱和流率是计算通行能力、评价交叉口服务水平和信号配时的重要参数。目前,获得饱和流率常用的方法有2种,一种是模型法,一种是实测法。
国内外对于饱和流率的研究主要集中在饱和流率计算模型以及实测方法两个方面。在饱和流率计算模型方面,国内外学者[2-9]主要分析了本地交通特点,通过实测数据,将常见的修正系数如车道宽度、进口道坡度等进行本地化改进,针对一些特殊影响因素如公交停靠站、导流标线等构建新的修正系数计算模型。在实测方法方面,美国道路通行能力手册(highway capacity manual, HCM)[10]、别一鸣等[1,11]主要集中在车辆饱和状态的判别,通过动态采集饱和流率实时掌握通行能力变化,为交通控制方案制定提供支持。但就饱和流率计算模型而言,影响饱和流率的因素很多,直接从理论上推导某种规律来描述饱和流率是无法完全涵盖的,难以通过传统统计准确表达。就实测方法而言,无法掌握饱和流率变化与交叉口各交通特征之间的关系,对于拥堵难以准确发现其原因并实现精细化改进。因此,构建既能准确描述饱和流率与各影响因素之间关系,又能掌握饱和流率实时动态变化特征的模型,显得十分必要。……
登录APP查看全文