文摘
地铁的快速发展,越来越多的人选择它作为主要的运输方法。然而,实际上,一些大的地铁站附近的大量的行人也相应地影响机动车的交通道路相邻车站。在这项研究中,交通信号的协调控制认为人行横道延迟研究基于这个背景。首先,发展乐队的模型综合分析了相邻路口,和级数的计算公式带宽和延迟的车辆交通流在不同条件下的发展。其次,五个不同的行人延误模型进行了分析。在不同条件下的机动车和行人交通流Vissim拟合和校对和最优模型在不同条件下进行。最后,二层规划问题,融合上述两个模型确定;通过编码算法,它可以解决。此外,从Jiming寺八路口十字路口Daxinggong沿着南京地铁3号线为实际背景,进行协调控制的计算和优化。发现的大型十字路口的交通效率在一定程度上,一个更广泛的发展乐队可以制定在它们之间的道路,可以减少和行人延误。
1。介绍
以南京为例,近年来,城市机动车的增长已经明显。许多城市的主要动脉道路在一年四季都接近饱和状态。这对我们的旅游带来了巨大的负面影响,这不仅会影响工作的效率,但也导致人们情绪不满,因此它是一个重要的任务我们的交通工人提高通行能力和有限的道路空间内的交通效率最大化1,2]。
通过交通信号的协调控制,我们能最大程度上满足人们的交通需求,同时保证安全(3- - - - - -5]。孤立交叉口的功能主要是由其控制参数决定的,当然其他的十字路口。然而,由于现代交通系统的复杂性,交通信号协调控制已成为一种重要的城市交通管理策略(6,7]。映射到现实是更畅通的交通流量,减少交通事故,和更稳定的行驶速度8]。
因此,它是特别重要的协调的信号在地铁站附近的十字路口拥堵持续增长,交通需求在扩张9]。该项目将利用微观仿真作为研究工具来分析中需要考虑的主要因素的交通信号协调控制。时空车辆之间的冲突及其影响信号的协调控制提出了交通信号控制方法,有利于地铁乘客的旅行(10,11]。
这是信号协调控制的文献综述。协调控制的信号而言,早在1970年代,有一个MAXBAND动脉道路协调控制模型(12]。提出了发展乐队的概念。双向发展的带宽是作为目标函数,使用和最大目标函数模型,结合混合整数线性规划。然后是多波段模型(13,14),这是基于不同的交通需求在不同的道路部分,和相应的带宽计算得到最好的协调效果。区域协调控制的离线优化网络信号的时机TRANSYT英国道路交通研究所提出了全面考虑的综合模型巡航时间,公共汽车建模、峰值延迟计算,和燃料消耗评估(15),以及归纳区域交通协调控制系统拟声唱法,轻便摩托车,和其他人,这可以有效地提高不饱和的交通状况和过饱和公路网络16]。
之后结合公交优先战略,Vasudevan [17),公交优先的框架下的协调控制,以最小绿灯时间为约束和协调控制下的最低人均延误为优化目标,建立了优化基于公交优先的干线协调控制模型。许多先进的信号控制系统考虑不同优先级交通策略和算法以更好、更有效地适应多模控制需求。相反,有些系统是为了减少人均延误,如减少机动车延误。一些研究[18,19]增加了流量优先级根据交通规则,而且罗(20.),选择一系列的机动车提前实现他们的优先级控制方法。此外,一些系统权衡因素,如行人延误,机动车延误,总线延迟(21),或者通过减少运输时间的公共汽车和行人对下游站的等待时间和其他优先策略对其他交通系统(22]。
最近,信号协调控制日益青睐vehicle-coordinated数据的使用,他们试图把所有上述因素,包括权衡各种路人的延迟,考虑不同优先级策略。在系统中操作,实时交通信息需要。谭实现车辆信息交互通过AVL(自动车辆位置)或APC(自动乘客计数)23]。然而,这种系统仅限于两个连接主干道十字路口(而不是更多),还有更多的问题有多个公交线路和多个优先级控制策略(11]。仍有研究中使用机器学习的方法来处理问题之间的十字路口车辆和行人24- - - - - -26];然而,结果是有限的,费解的交通设计与控制(27,28]。
虽然有一些研究关注行人行为的建模(29日- - - - - -31日),我们所知,它是罕见的组合模型协调信号控制和行人延误。因此,我们考虑的问题和信号控制人行横道。本文的绿灯时间和全面分析两个相邻交叉口之间的相对偏移量。然后,根据机动车的平均旅行时间,绿波进行可行性分析来计算相应的带宽和延迟进展的绿色浪潮下的机动车流动(不考虑nongreen波机动车的延误)。最后,完整的十字路口绿波分析。然后,分析了行人延误模型。通过收集大量的数据,模型不同的机动车辆和行人流量延误。然后,车辆和行人流量模拟流动Vissim测试每个模型在不同条件下的模拟。集成的程度来生成一个更准确的获得行人延误的计算模型。其次,算法是用Python编写的,和上述两个模型合并在一起,应用于实际十字路口协调模型,和最优协调方案获得的输入到算法中。最后,Vissim用于模拟实际情况来判断的合理性建立模型和编辑算法并得出结论。
本文的其余部分如下:在部分2,我们提出的模型发展带宽不同周期长度的情况下,绿色,和抵消。部分3说明了建立模型的过程中行人延误。部分4提出了二层规划融合上述两个模型和算法来解决这个问题。此外,它还提供了一个案例研究来测试它们的合理性。最后,我们得出结论5。
2。发展模式的带宽
由于大城市的土地利用率高,相邻交叉口之间的距离非常接近。因此,有必要协调信号方案的交通效率最大化。这就是所谓的交通干线协调控制。所谓的绿色浪潮意味着车辆(车辆流)不断通过一定的主要道路,遇到红灯尽可能少。
有很多参数信号协调控制,包括信号期间,绿色信号比,抵消等等。建立一个模型的主要思想是获得32),画一个时空建模的地图。本文主要研究两个相邻交叉口的协调控制和计算产生的延迟和进展带宽对应绿波交通通过考虑在第二个十字路口车辆排队的情况。本文是基于前的内容,同时,纠正一些错误。通过比较两者之间的红色和绿色光相位差十字路口和第一个路口口红和绿灯时间,完成信号的相邻路口了。然后,子类除以机动车的平均运输时间,然后每个子类的协调参数进行了分析,最后,完整的模型。
因为协调控制是受到多种因素的影响,车辆离散化严重,导致形成的舰队;有大量的车辆进入和退出,从而破坏的形成连续的交通。在十字路口的信号灯是复杂的,有超过两个阶段和协调困难。因此,在建立一个模型,有必要做出一些合理的假设,不偏离实际情况和满足的条件建立模型。(1)道路交通条件的影响,比如天气和道路几何,不考虑。(2)十字路口之间的道路不包含大量的车辆或转移的,不包含大量的重要交通点,吸引人们和乘客。(3)十字路口之间的距离不应超过600米。(4)车辆的行驶速度波动不大,也没有大型车辆之间的速度差异。(5)十字路口需要协调控制两个阶段,这段时间长度是相同的,只有红色和绿色的灯光被认为(黄灯绿灯数),和行人清空时间不包括。(6)协调部分都是不饱和的。
中定义的符号表1的关系,给出了其中一些如下(具体符号模型将得到相应的):
在图1,当 ,根据最后一个十字路口的位置对应的开始时间在下一个十字路口红灯,这四类分为三个部分。红线图的斜率2是分类的基础。类别我((图1①部分)):在图2(一个)此刻,一些车辆离开十字路口的绿灯我可以通过我+1日的十字路口,他们中的一些人不得不等待拥堵。t2表示当汽车遇到拥堵的时间间隔在指定的速度,和t3表示堵塞疏散时间(通过停车疏散行,下同)。D表示交通延误的车辆发展的乐队,这是由图中的阴影部分表示。所以我们可以得到以下方程: 类别II ((图1②部分)):在图2 (b)的车辆我时间和链接连接th交集在红色我th和我+1日交叉生成队列。所以,当车辆的发展我+1日的十字路口,他们面前的一部分应该等待。我们表示t1车辆离开时的最大时间间隔我十字路口,等待下一个节点。t2表示等待时间的最重要的车辆发展的乐队,和t3表示堵塞疏散时间。D也表示交通延迟发展乐队的车辆,这是由这个图的阴影部分表示。然后我们得出以下几点: 三级((图1③部分)):在图2 (c),在这个时候,车辆到达下一个路口的开始时间以特定的速度是在绿灯时间的范围我th十字路口,交通流的尾巴在发展乐队必须是拥挤的,和前面的车要等或不等取决于疏散速度我+1日节点。在这个时候,分为两类。这一讨论的饱和流量足够大时的交通拥堵已经消失了的进展乐队。我们表示t1车辆离开时的最大时间间隔我十字路口,等待下一个节点。t2表示结束的等待时间车辆发展的乐队,和t3表示堵塞疏散时间,t′表示阈值阻塞或者间隔时间。D也表示交通延迟发展乐队的车辆,这是由这个图的阴影部分表示。然后我们得出以下几点:
(一)
(b)
(c)
(d)
在图2 (d)时,饱和流率是不够的,发展的乐队我十字路口应该等待。t1表示绿色交通流的尾巴的时间间隔我十字路口,t2表示绿色的交通流的时间间隔我十字路口,t3表示堵塞疏散时间,t′表示阈值阻塞或者间隔时间。
在图3,当 ,根据最后一个十字路口的位置对应的开始时间在下一个十字路口红灯,这四类分为三个部分。红线图的斜率4是分类的基础。类别我((图3①部分)):在图4(一),这种情况是一样的类别II在交错的(图2 (b))。所以观念都省略了,方程(3应该使用)。类别II ((图3②部分)):在数字4 (b)和4 (c),这种情况是一样的交错一个三级(数字2 (c)和2 (d)),所以省去了概念和方程(4)和(5应该使用)。三级((图3③部分)):在图4 (d),在特定转速下,车辆的我th交叉的发展乐队必须等待下一个十字路口,所以它可以生成绿色浪潮,这意味着这种情况消除。
(一)
(b)
(c)
(d)
在图5,当 ,根据车辆的位置在最后一个节点开始时间的到达红色在下一个十字路口,它分为三个部分的五个类别。红线图的斜率6是分类的基础。类别我((图5①部分)):在图6(一),在这个时候,车辆到达下一个路口的开始时间以特定的速度是在绿灯时间的范围我th十字路口,交通流的尾巴在发展乐队必须是拥挤的,和前面的车辆应该或不应该等待取决于疏散速度我+1日节点。在这个时候,分为两类。这一讨论的饱和流量足够大时的交通拥堵已经消失了的进展乐队。我们表示t1车辆离开时的最大时间间隔我十字路口,等待下一个节点。t2表示结束车辆的等待时间进展的乐队,t3表示堵塞疏散时间,t′表示阈值阻塞或者间隔时间。D也表示交通延迟发展乐队的车辆,这是由这个图的阴影部分表示。然后我们得出以下几点: 在图6 (b)时,饱和流率是不够的,发展的乐队我十字路口应该等待。t1表示绿色交通流的尾巴的时间间隔我十字路口,t2表示绿色的交通流的时间间隔我十字路口,t3表示堵塞疏散时间,t′表示阈值阻塞或者间隔时间。 类别II ((图5②部分)):在图6 (c),这种情况是一样的类别II在交错的(图2 (b))。所以观念都省略了,方程(3应该使用)。三级((图5③部分)):在数字6 (d)和6 (e),这种情况是一样的交错的三级(数字2 (c)和2 (d)),所以省去了概念和方程(4)和(5应该使用)。
(一)
(b)
(c)
(d)
(e)
最后,我们提出了发展带宽模型考虑不同的抵消,绿灯时间,平均旅行时间,总结在表2。
最重要的是,我们得到了级数带宽和机动车延误相邻路口在每种情况下,最后,将会有多个进程部分带宽不同的道路。目前,交通信号的协调控制优化方法的最大进展带宽法和最小延迟法。
的最大进展带宽的方法是确保车辆(车辆流)可以占领一个周期最长的连续地通过十字路口。因为每个交叉协调的周期长度被认为是相同的,进展乐队是满意的。当然,这将确保大多数交通流可以参与协调控制。的情况下发展乐队的长度是不同的在不同的章节中,最小值作为检验指标。最小延迟的方法是减少延误之和机动车发展的十字路口(这里不考虑延迟nongreen波车),这是理论的另一个合理的解决方案。延迟是不仅与协调控制,还与汽车尾气排放,停车,燃料消耗,等等,从而影响相应的驾驶成本。
此外,在上述方程模型,一些模型的带宽延迟,呈低度负相关,和一些模型满足两个变量的二次函数,这是相对复杂。带宽是最大的进展时,机动车延误不一定是最小的;否则,当机动车延误是最小的,不一定是最大的进展带宽。除了行人延误被研究在本文中,至少有三个评价指标,至于如何分配权重,如何给合理地综合评价指标,然后给他们详细部分4。
3所示。行人延误模型
因为这项研究不仅考虑交通信号的协调控制,但也认为大量的行人流动,不仅需要考虑发展的协调和优化乐队在每个十字路口,而且人行横道的最小化延迟。实际上,信号控制与行人过马路。在十字路口行人会影响人行清算时间,从而影响相反的绿灯时间的车辆。太多的车辆与行人会加剧他们的冲突,导致增加延迟。此外,有很多研究交叉口的行人信号的延迟时间,所以我们应该考虑的适应程度不同的模型在不同的具体情况。
这一章的具体过程如下:首先,我们将介绍几个行人延误模型,分析其优缺点,适用条件,然后使用Vissim机动车微观仿真获得3例通过聚类分析,模拟行人流量从少到多。然后仿真结果与计算结果进行比较,并计算错误,以确定每个模型在不同流速下的适应性,这对实际的分析奠定了理论基础的人流在接下来的部分。
3.1。不同型号的行人延误
3.1.1。HCM2000
在哪里C表示循环交叉(s)的长度,G表示绿灯时间的周期(s)。模型是基于平等的行人到达率,相同的信号周期,没有行人和机动车之间的冲突。这是一个理想模型,该模型适用于十字路口,机动车和行人流量很小,这是不适合这个项目的背景。然而,一系列的改进模型基于这个模型被提升更多。
3.1.2。BR模型(33]
在哪里F表示行人遵守交通规则的比例。这个模型考虑行人不遵守交通规则,相信他们不会被推迟。特别适合形势发展中地区,人们通常有一个弱的流量。然而,该模型没有考虑行人和机动车之间的冲突,和没有明确的行为假设。适用的条件受到很大的约束。
3.1.3。李模型(34]
在哪里dG表示行人(s)的平均延迟kν表示不均匀到达率的调整因素,RE红色表示有效时间,表示行为的比例问表示车辆的平均到达率(pcu / s)。这个模型假定行人到达率不是固定在一个周期和行人到达绿灯时间和行人不遵守交通规则仍有延迟。此外,行人的平均延迟随整个周期,和这些变化是肯定的。绿色的时候,行人的平均延迟是固定的。在红色的开始时间,价值是最大的,然后线性减少,并定期更改。这个模型不适合行人流量高的地区,将小和计算值。
3.1.4。Z模型(35]
在哪里年代表示饱和行人流量(ped / h),问表示行人的平均到达率(ped / h),λ1表示左转车辆的到达率(pcu / s),λ2表示右转车辆的到达率(pcu / s),τ表示安全缺口(s),W表示高速公路的宽度(米)Vp表示行人的平均速度(米/秒),R表示反应时间(s)l通过车辆(s)表示时间。这个模型考虑行人等红灯的延误,也需要离开造成的延误或右旋车辆穿过人行横道时考虑。
3.1.5。MV模型(36]
在哪里α1表示不均匀到达率的调整因素,α2表示行人不遵守交通规则的比率,Δt表示理想跨越(s),γ表示人行横道的调整因素,D维特表示冲突延迟的行人和车辆。模型实际上有三个组件,包括行人等待延时,运输时间延迟,延迟与机动车冲突。行人等待时间延迟是通过纠正HCM延误公式。运输时间延迟是获得的速度扩张理论。第三部分是通过一个二进制logit模型,由直接查找表中获得该项目。模型适用于复杂的路口和假定行人到达率不均匀;行人违反交通规则,行人速度变化,pedestrian-vehicle冲突。
3.2。适应性分析
我们已获得五个不同模型的文献综述,我们有两个变量:车辆流和人流。使它简单,我们离散,也就是说,把一个值每50和100年,分别Vissim模拟。然而,我们也需要一个降维。在这项研究中,我们使用聚类分析。有关更多信息,请参见附录。这里我们直接显示结果。行人延误和机动车流之间的关系并不重要,而重要的人流。根据机动车的流量,它分为三类,即问= 600 pcu / h时,电动机流小;问= 1500 pcu / h时,马达流量适中;问= 2400 pcu / h时,马达流量很大。
这是细节图7。有六个次要情节,在左列是行人延误(s)作为行人流量的函数(ped / h),右列的行人流量的相对误差作为功能(ped / h)。在第一行,两个数字描述情况下小型车辆流(问= 600 pcu / h)。在第二行,两个数字描述的情况下适度车辆流(问= 1500 pcu / h)。在第三行,两个数字描述情况下大型车辆流(问= 2400 pcu / h)。灰色(只有在左列)线表示延迟的模拟、HCM的黄线表示延迟和相对误差模型,红线表示延迟和BR模型的相对误差,李的绿线表示延迟和相对误差模型,蓝线表示延迟和Z模型的相对误差,和紫色的线表示延迟和MV模型的相对误差。
(一)
(b)
(c)
(d)
(e)
(f)
在数据7(一)和7 (b),我们发现当行人的到达率小于600 ped / h;HCM模型更符合这种情况。当行人的到达率是600年到1200年间ped / h和ped / h,李模型更准确,因为随着人流的增加,越来越多的人不遵守规则,而这些人也可以产生延迟。当流量超过1200 ped / h, MV模型适合,因为当行人增加,机动车的冲突逐渐增加(尽管机动车流量很小)。在这个时候,MV模型和Z模型考虑行人和机动车之间的冲突。然而,由于Z模型的最大流量的限制行人、附近的误差最大流量明显大,行人和机动车之间的冲突在MV模型应该得到调查的许多曲线,容错率较高。
在数据7 (c)和7 (d)当行人流量小于1200 ped / h,李模型具有良好的拟合程度。当行人流量大于1200 ped / h, MV模型拟合程度很高。而其他的模型是不适合在这种情况下,特别是与之前不同的是,HCM模式适合在低流速较低。这仅仅是因为延迟模型只考虑周期长度和绿灯时间随着车辆流量的增加。也有一些修正因素需要考虑,包括行人行为因素,延误造成的行人和机动车的冲突。这两个模型考虑上述影响。
在数据7 (e)和7 (f)当行人流量小于900 ped / h, Z模型拟合程度更高。当行人流量在900 - 1600 ped / h,李模型适合到一个更高的学位。当行人流量大于1600 ped / h,只能使用MV模型。这是因为当行人流量很小,MV模型overconsiders延迟造成的机动车和行人之间的冲突,所以误差相对较大;相反,当行人流量大,行人之间的碰撞,汽车正逐渐加强。这应该考虑,Z模型是非线性增加由于行人流量的限制,和增长速度逐渐增加。因此,Z模型不再适用,当接近行人流量的上限。与此同时,李模型负责。
最后,我们总结计算行人延误的方程如下:
4所示。算法和案例研究
从部分2和3,我们建立了协调控制进展带模型和行人延误模型根据不同的实际情况。这个项目最关键的是这两个模型结合起来。例如,附近的地铁站,不仅需要考虑的优化协调控制,而且大量的行人流量定期进出地铁站。首先,我们提出一种算法来处理这个上下两层的问题,然后用一个案例来测试模型和算法的合理性。
4.1。上下两层的编程和算法
从上面的分析,这个问题可以转换为以下:
因为该研究关注人行横道的延迟,行人延误的最小化是定义为上层规划的目标函数,在哪里问行人延误其他变量相关,除了周期长度和绿色的时间,这是由一个字母和它代表了不同的低层次计划决策变量;约束可以表示为一个通用公式,具体实际问题的约束条件,包括绿灯时间小于信号周期长度等在一定范围内(C/ 4,3C/ 4)。规划是一个多目标非线性规划的较低水平。一是发展带宽是最大的,其他是十字路口的车辆总延误最小。与上面的计划,一个参数这里使用代表决策变量的特定于底层的计划。低级的约束规划更复杂,包括不仅绿灯时间的限制,而且各种情况下的约束模型。
显然从关联的方程模型上下两层的绿灯时间和周期长度有几个优点的分析问题。有上下两层之间的冲突和依赖关系。从路的路是肯定的,旅行时间给行人越多,相应的机动车延误将会增加,绿色浪潮将很难形成。相反,平滑的汽车旅行,时间越少行人过马路。然而,决策变量的目标函数是重复的,因此互相依赖。较低的层的决定不仅会影响自己的目标函数的值,但也会影响上层的决定。然而,它并不完全无条件地符合上层计划,并保留一定的自主权。
有许多二层规划的解决方案,包括模糊算法、分支定界法、KT方法和极点算法。然而,设置问题特定的在这种情况下,如周期长度主要是60到180之间的整数和绿灯时间是正的。如果特定的最优值的范围是事先不知道,不能通过分支界限法。和n维模型只能计算建立了绿色的时间n十字路口,然后计算相邻路口的抵消。最终的模型必须超过n维,所以一般的梯度算法和迭代步长算法很难执行。考虑问题的特殊性,本研究将双目标成一个单一的目标函数如下:
比较五个目标函数(37]Penabaena-Nibbles博士提出的交通信号及效益函数(38),我们提出了这个最终的目标函数,在哪里我表示我十字路口,j表示方向的十字路口,bij表示宽度发展乐队,表示车辆延误,表示延迟的行人表示流的车辆。
方法需要列表的组合不同的绿色乘以相同的周期,计算相应的延迟和带宽和进展的具体计算每一层的结构如图8。进展带宽和机动车延误要求三列子系统之间的绿灯时间和偏移量两个十字路口,路口只需要绿色的时间(和其他因素不改变的周期长度)在计算行人延误。所以,每个绿灯列被列为一个子系统。然后,我们认为它是解决最短路径问题的计算,使用迪杰斯特拉算法。每个子系统的路径被认为是最短路径问题,子系统的计算值是重量。因此,问题的两层可以被视为解决最短路径问题n节点。该算法在算法的伪代码1。
|
在算法1,年代,我,j(十字路口),表示节点d表示每个节点的总距离。然后,我们假设一个来源和目的地,找到这两个节点之间的最短路径。和相应的周期长度和相邻交叉口之间的偏移量可以计算,这意味着将获得的优化方案。
4.2。案例研究
本研究分析了Jiming殿之间的道路,阜乔,Daxinggong站南京地铁3号线,如图9,即太平北路(南北),北京东路(东西)的北部和南部中山东路。(东西),总长度约1.9公里,与几个路口,包括8个信号控制交叉口。部分位于南京玄武湖区,是南北交通骨架道路之一。从整个城市的空间结构,太平北路(北京东Road-Zhongshan东路)是一个重要的渠道沟通宣武区的南北,这降低了主要的三个地铁站各功能区域;从周边地区功能而言,太平北路的面积是一个重要的城市街区集办公、居住、学习、购物、和其他功能。有东南大学Sipailou校园,华海3 c广场,Sipai建筑商业中心和总统府和主要学习,购物,如图书馆和办公空间。因此,这个主要道路的交通设计不仅是与整个城市交通系统的效率,但也密切相关,周围居民的工作和生活。它具有重要的现实意义。
此外,还有许多地方对学生学习和行为主要道路,包括东南大学和成街小学。步行需求非常大,这是符合的背景行人过马路。此外,许多十字路口,比如Shipopo-Taiping北路,Wendui Bridge-Taiping北路,和Sipai Building-Taiping北路丁字形的十字路口,和北京东Road-Taiping北路只是往东的。此外,一些南北道路禁止左转。类似于我们的假设条件的协调控制,也就是说,“十字路口之间的道路不包含大量的车辆在或转移”是相似的。因此,本研究选择这个主干道作为模拟对象。
我们收集相应的数据(流量、速度)现场调查。然后根据上述算法,我们终于可以得到交通信号协调控制表的结果3。我们应该注意到八十字路口之间的周期长度是相同的,也就是说,120年代,这是本研究的假设之一。然后我们把microsimulator中的结果Vissim为了测试算法和模型是合理的。
然后我们得到最终的仿真结果列在表中4。我们得到分类的车辆和行人服务水平评估交通状况。
可以看出,除了中山Road-Taiping北路和珠江Road-Taiping北路,其他协调路口的延迟已经改善,甚至一些服务水平提高了一个层次。平均队列长度是4到8车辆按照平均进展6米的距离,这是可以接受的。然而,机动车延误两个复杂路口增加改进后,平均队列超过15辆。行人而言,平均延迟8十字路口是在30年代,B和C的服务水平是部分,和对行人的影响控制达到预期。
简而言之,虽然延误两个单独的十字路口略有增加,机动车和行人的控制效果对整个道路改善是由于绿色浪潮的形成,基本上实现了项目的目的,以及机动车发展带模型,行人延误模型和算法的合理性。进一步改善结果,我们将分析和连接之间的发现和搜索(39摘要]和算法。
5。结论和讨论
摘要发展乐队的发展建立带模型和延迟产生的机动车通过相邻路口。现有模型的基础上,条件进一步细化,以便模型涵盖了不同的十字路口的周期长度和绿灯时间,和级数的计算公式在不同条件下带宽和延迟。为了获得更准确的模型计算人行横道延迟,在多个文档中不同的模型和公式建立了集成,和它们的优缺点和适用条件进行了分析。此外,建立了三种类型的机动车流量速度Vissim。在这种情况下,不同的行人流量设置从小型到大型,和模拟延迟与计算延迟。最后,我们得到了最好的模型和计算公式拟合程度在不同条件下。
为了融合上述两个模型,建立了二层规划问题。然后,我们分析本研究的特点,简化目标函数和使用最短路径搜索来获得优化结果。为了验证算法的合理性和相应的模型,我们发现动脉道路符合项目的背景,进行研究和分析,获得相关数据。集成后,一方面,数值分类将带入算法获得交叉协调的结果,也就是说,周期长度、绿灯时间和偏移量,和发展带宽基于上述模型;另一方面,结果输入Vissim在一个环境模拟,与某些行为的假设。进行操作得到改善后的效果和评价指标在实际情况下。最后,服务水平进行分析,某些项目模型的合理性和算法可以保证。
本文的最大贡献是提出发展带宽和行人延误模型,并建立相关算法与十字路口子系统协调解决相应的信号参数。
这是我心目中的未来的研究方向。在进展带宽的建立模型中,假定上游车辆输入连续和均匀的绿色波速的绿灯时间。当多个路口被认为同时,情况变得越来越复杂。司机有两种选择的十字路口,等待或传递。因此,对于主要道路n十字路口,有2所示n−1一辆车通过的主要道路的可能性。在这篇文章中,只有两个相邻路口的进展乐队只是分析,偏离实际情况。然而,直接分析是非常复杂的。因此,在发展乐队的模型中,如何有效地分析多个路口之间的绿色浪潮成为一个需要深入研究的研究方向。
附录
聚类分析变量之间的关系
降维的和更好的知道行人流量之间的关系,两种形式的流动,我们使用k - means聚类。首先,k点的聚类数目是随机选择作为首发中锋,然后剩下的点和点离首发中锋分为一类,并计算每个类别的重心,重心是用作新中心继续迭代,直到满足收敛条件。此外,该方法需要一个给定数量的集群和异常数据和数据噪声敏感。
系统聚类将每个对象作为一个独立的类,合并组建一个新的点最近的两个样本,并停止当所有数据组合成一个集群或达到一些融合规则。我们模拟的关系Vissim结果在图10。
从图中,我们可以初步发现延迟的水平变化不明显;也就是说,行人延误和车辆流之间的关系并不显著。然而,垂直变化明显,这表明行人延迟和行人流量之间的关系是重要的。为了更好地解释它们之间的关系,我们将使用聚类分析来解释。此外,根据图中,我们认为,集群进行根据三类。
表5显示车辆的聚类中心流和行人延误。表6显示集群方差的车辆和行人延误流动。因此,我们可以得到的结果问= 600 pcu / h时,电动机流小;问= 1500 pcu / h时,马达流量适中;问= 2400 pcu / h时,马达流量很大。
数据可用性
交通流数据用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
本文中描述的研究得到了中国国家重点研发项目(2018号yfb1600900),中国国家自然科学基金(71971056,51608115),江苏省六大人才高峰计划xnyqc - 003和重点实验室开放项目的科学先进的城市公共交通,交通运输部。本研究还共同资助的研究资助的研究资助委员会香港特别行政区(项目号香港理工大学15212217)和香港学者计划(项目号G-YZ1R)。