摘要：本文阐述了交通流动力学理论双组分模型参数变化的研究结果。研究了在不同交通条件下，网络中同时停车的车辆与特定行驶时间和特定停留时间的比值。所获得的相关性允许在考虑不同级别的交通组织的情况下预测交通状况的变化。此外，本文还讨论了利用探测车获得的信息评估路网交通状况的问题，并提出了利用探测车模拟路网饱和所需水平的算法。
关键词：交通流动力学;预测;探测车;信息评估
中图分类号：U491 文献标识码：A
1 绪论
智能交通系统的发展使交通监控能力显著增强，实现交通过程控制和交通参与者信息支持[1]。现代监测系统最重要的组成部分之一是浮动车。在国外文献中，“探测车”一词近年来更为普遍。探测汽车收集了广泛的信息，例如关于汽车位置、速度、行驶时间、事故和交通堵塞的数据。
然而，在应用使用浮动车获得的数据之前，有必要验证收集信息的条件，并编制使用浮动车收集的数据列表[2]。解决这些问题引起了人们对基于不同基础的交通流理论（双流体模型）的双组分模型的兴趣。目前两种流体模型的参数都是根据探测车采集的数据来应用的[3]。然而，在许多情况下，在整个研究工作流程中，从获取输入信息到解释结果的准确性被忽视。本文論述了提高双组分模型参数和浮动车方法可靠性的几个方面。
2 正文
2.1双组分模型在交通状况评价中的应用
交通流动力学理论的双组分模型的基本关联性涉及交通流在无障碍条件下的相关性、相关的出行和停车的具体参数以及具体的出行时间。交通条件的评价取决于满足这些条件的稳定性和参数组合。在建立两组分交通流模型时，应确定动车与静止车的关系。除将交通密度划分为两个分量模型外，还应采用出行时间划分[4]。公式如下：
如果变量n增加，那么在相同的特定行程时间下，特定的停留时间减少。另一方面，变系数n可以再现不同行驶时间、相同特定停留时间下的驾驶模式结构。一般来说，当参数n=0且行程值为常数时，行程时间将随着静止时间的增加而成比例增加。如果n>0，那么增加停留时间将导致旅行时间的高速增长，因为旅行时间也在增长。无障碍条件 下参数n和行程时间不同组合的实验记录如图1所示。
通过对公式2-4的分析，发现在无障碍条件下，对于较大的系数n和行程时间， 和t的依赖关系具有更大的倾角。对于倾斜角度较大的依赖项，改变停留时间会导致行程时间发生较大变化。当无障碍条件下的行程时间增加时，系数n对时间行程与停留时间依赖关系变化的影响增大。以 和 之间的依赖关系为例，图2显示了参数p对双组分模型中参数动力学的影响。
2.2使用数据应用程序评估交通状况的特殊性
几乎不可能想象在所有网段和任何时间使用探测车进行测量的情况。因此，有必要通过探测车辆来确定覆盖网络所有部分的可接受概率水平。为此，可以使用以下模拟算法来确定道路网络中探测车的所需数量级别：
根据生成的对应矩阵，解决交通流在网络中的分布问题;
确定道路网络中探测车取样的数量，并与网络中的总行程进行比较;
解决探测车在路网中的行程分配问题;
确定参与者的比例，探测车的数量与最初计算的值相对应，并且可以使用探测车对交通状况进行可靠估计;
如果道路网所有参与者的概率分布得到的结果小于规定值，则重复模拟步骤，直到达到所需的结果。该算法可应用于利用探车提供的数据预测路网交通状况的可靠性。显然，实现该算法的关键在于开发对应矩阵，并对整个网络和探测车的交通流动态分配问题提出挑战[5]。
3 结论
交通流的两个组成部分模型和探测车提供的信息相结合，可以评估和预测本地和网络级别的交通状况。所得数据揭示了双组分模型的性质，并表明了模型参数对交通条件的依赖性。关于使用探测车收集基线数据以进一步用于两组分模型的建议允许获得有关交通管理效率的可靠信息。
参考文献：
Wang F， Yam C Y， Chen G. Time-dependent density-functional theory/localized density matrix method for dynamic hyperpolarizability.[J].Journal of Chemical Physics，2007，126（24）：3-46.
李宇光.海量低频浮动车数据道路匹配及行程时间估算[D].武汉：武汉大学，2013.
廖孝勇.浮动车交通参数检测及在道路交通状态分析中的应用研究[D].重庆：重庆大学，2011.
朱顺应，邓爽，王红，管菊香，程阳.具有模糊特性变量的出行方式预测Logit模型[J].交通运输工程学报，2013，13（03）：71-78.
于尧.基于出行者行为的动态交通分配建模与实现[D].长春：吉林大学，2014.
相关热词搜索： 交通 相关性 力学 分量 模型
