伴随移动互联等新兴技术的发展与应用，以移动众包为代表的交通感知方法愈加丰富，交通信息感知的粒度愈加精细，为城市交通协同管控能力提升与技术变革带来了新机遇。本书面向众包环境，对基于众包数据的城市路网交通态势感知与信号控制优化的科学规律进行了细致研究，沿着交通态势感知和信号控制优化两条主线，系统探讨了众包轨迹重构、溢流风险辨识、交通瓶颈辨识、交通信号控制优化等方法，揭示了城市路网拥堵传播机理，并提出了交通信号控制优化策略。
样章试读
目录
- 目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 3
1.2.1 车辆轨迹重构 3
1.2.2 基于众包轨迹的信号交叉口排队长度估计 5
1.2.3 基于张量分解的缺失数据填补和交通状态估计 9
1.2.4 面向排队溢流风险防控的干道信号控制优化 11
1.2.5 路网瓶颈辨识 14
1.2.6 路网瓶颈控制 18
1.3 本书内容及章节安排 23
参考文献 25
第2章 基于粒子滤波的众包车辆轨迹重构 36
2.1 粒子滤波模型 36
2.1.1 系统状态预测 37
2.1.2 预测状态修正 37
2.2 高噪声轨迹数据修复 38
2.2.1 单交叉口初始粒子构建 38
2.2.2 连续交叉口初始粒子构建 43
2.2.3 测量准则设计 44
2.2.4 重构轨迹输出 46
2.3 数据采集与实验分析 47
2.3.1 数据描述 47
2.3.2 测试场景一：单交叉口 47
2.3.3 测试场景二：连续交叉口 51
参考文献 55
第3章 基于卡尔曼滤波与变分理论的交通流轨迹重构 58
3.1 卡尔曼滤波与变分理论整合模型 58
3.1.1 标准离散卡尔曼滤波 58
3.1.2 基于卡尔曼滤波与变分理论整合的车辆轨迹重构模型 59
3.2 交通流全样本轨迹重构 60
3.2.1 提取关键点信息 60
3.2.2 车辆运动状态分类 60
3.2.3 估计排队消散波 61
3.2.4 建立时间离散的排队状态空间模型 61
3.2.5 基于卡尔曼滤波估计排队边界曲线 62
3.2.6 车辆运行轨迹重构模型 63
3.3 数据采集与实验分析 64
3.3.1 NGSIM数据预处理 66
3.3.2 路段车辆运行轨迹重构模型基本参数 66
3.3.3 模型评价准则 67
3.3.4 路段车辆运行轨迹重构模型测试与分析结果 67
3.3.5 敏感性分析 69
参考文献 70
第4章 基于众包轨迹的信号交叉口周期排队长度估计 71
4.1 交通波理论 72
4.2 周期到达场景分类 73
4.3 未饱和交通状态下周期到达流率估计 77
4.4 饱和交通状态下周期到达流率估计 78
4.5 基于参数估计的排队长度估计 80
4.5.1 初始排队长度估计 80
4.5.2 最大排队长度估计 81
4.6 基于非参数估计的排队长度估计 83
4.6.1 车辆排队位置估计 83
4.6.2 排队长度分布估计 84
4.7 数据采集与实验分析 85
4.7.1 仿真分析 85
4.7.2 实证分析 101
参考文献 103
第5章 基于迭代张量分解的卡口数据修复 105
5.1 张量分解方法基础 105
5.2 交通流数据张量特征 107
5.2.1 交通数据相关性介绍 108
5.2.2 交通流数据低秩性介绍 108
5.3 周期到达流率动态张量建模 109
5.4 迭代张量分解算法 111
5.4.1 截断奇异值分解方法 112
5.4.2 结合截断奇异值分解的张量分解算法 114
5.4.3 迭代张量分解算法 115
5.5 数据采集与实验分析 117
5.5.1 实验设计 117
5.5.2 随机缺失条件下算法性能分析 120
5.5.3 极端缺失条件下算法性能分析 122
5.5.4 非常发交通事件下算法性能分析 123
5.5.5 算法对比结果 124
参考文献 125
第6章 基于溢流风险平衡的干道信号控制优化 127
6.1 基于周期排队长度的干道分割方法 127
6.1.1 交叉口排队溢流现象分析 127
6.1.2 周期排队清空区域计算 129
6.1.3 溢流风险区域的计算 130
6.1.4 基于溢流风险辨识的干道分割方法 130
6.2 基于溢流风险平衡的信号控制优化算法 132
6.2.1 交通信号控制概述 132
6.2.2 干道直行相位信号控制优化方法 134
6.2.3 干道左转相位信号控制优化方法 135
6.2.4 支路相位信号控制优化方法 136
6.3 实验分析 137
6.3.1 交通信号控制评价指标 138
6.3.2 信号控制优化算法仿真结果分析 138
6.3.3 排队长度估计误差对信号控制优化算法性能影响分析 142
参考文献 145
第7章 基于拥堵有向关联挖掘的路网交通瓶颈辨识 146
7.1 基于重构轨迹的众包车辆行驶方向识别 146
7.1.1 行驶方向识别与横向定位误差过滤 146
7.1.2 交叉口空间转向识别 148
7.2 基于拥堵关联性挖掘的路网拥堵传播图构建 149
7.2.1 拥堵路段检测 149
7.2.2 拥堵关联性判定 150
7.2.3 路网拥堵关联图构建 152
7.2.4 拥堵传播图构建 155
7.2.5 拥堵传播概率估计 156
7.3 流向级路网瓶颈辨识 158
7.3.1 拥堵持续时长估计 158
7.3.2 延误估计 159
7.3.3 路段拥堵传播费用估计 160
7.4 实验分析 161
7.4.1 实验路网 161
7.4.2 拥堵路段关联性分析 162
7.4.3 路网交通瓶颈辨识 164
参考文献 166
第8章 基于交通瓶颈辨识的区域信号控制优化 169
8.1 基于交通瓶颈辨识的路网分层 169
8.1.1 瓶颈车流上游路网分层 169
8.1.2 瓶颈车流下游路网分层 169
8.2 基于轨迹溯源与追踪的瓶颈关联区动态划分 170
8.2.1 瓶颈众包轨迹分层溯源 171
8.2.2 瓶颈众包轨迹分层追踪 171
8.2.3 瓶颈关联区动态划分 172
8.3 瓶颈关联区外层边界智能控制 173
8.3.1 路网时空状态表示 174
8.3.2 边界智能体动作空间构建 175
8.3.3 边界智能体奖励函数构建 176
8.3.4 边界智能体深度强化学习机制设计 177
8.4 瓶颈关联区内层信号交叉口动态协调控制 180
8.4.1 内层关联交叉口动态协调控制基本思想 180
8.4.2 考虑路段时变容量的瓶颈车流加放控制 181
8.4.3 考虑动态消散量的瓶颈关联交叉口截流控制 184
8.5 仿真实验分析 185
8.5.1 瓶颈众包轨迹溯源与追踪 185
8.5.2 关联区外层边界智能控制 186
8.5.3 关联区内层信号交叉口动态协调控制 189
参考文献 192
彩图
京公网安备 11010102004214号