基于车辆密度-车辆行为分析的城市干道区域交通拥挤演变机理研究

Exploring traffic congestion evolution mechanism is the foundational and essential issue for developing traffic control strategies and easing traffic congestions. Current researches about propagation and dissipation mechanism of traffic congestion are short of appropriate methods to comprehensively observe evolution processes of traffic congestions at regional scale, and the actual impacts imposed on traffic state changes by vehicle density and vehicle behaviors are rarely considered. In this project, study on UAV traffic information collection methods are newly conducted aiming at typical urban trunk road areas, based on which regional traffic information are extracted. Research on traffic congestion evolution mechanism is carried out on the basis of vehicle density - vehicle behavior analysis. The project research mainly involves: 1. Research of vehicle behavior features’ extraction method based on UAV video; 2. Explore influences of vehicle behaviors on traffic efficiency, and establish methods and models for evaluating traffic flow state considering vehicle behavior impacts; 3. Analyze and quantify the dynamic interactions among traffic flow state, vehicle density and vehicle behavior, and construct the evolution model of traffic flow state. .The project research will reveal the evolution mechanism of traffic congestion at typical urban trunk road areas from a mesoscopic view, enrich and expand the theoretical framework and analysis methods of traffic flow research, provide theoretical basis and decision support for urban traffic organization and management, and also provide a new way and perspective for traffic prediction, traffic monitoring and traffic control on important urban nodes, trunk roads and regions.

探明交通拥挤演变机理是制定交通预防控制策略、缓解交通拥挤的基础与关键。当前交通拥挤传播和消散规律研究缺乏合适的方法从整体观测区域交通拥挤演变过程，且较少考虑车辆密度-车辆行为对交通流状态变化的作用机理。项目以典型城市干道区域为对象，研究并利用新的无人机交通信息采集方法提取区域交通信息，基于车辆密度-车辆行为分析展开交通拥挤演变机理研究，主要内容包括：1.基于无人机视频的车辆行为特征挖掘方法研究；2.探究车辆行为对通行效率的影响测度，建立考虑车辆行为影响的交通流状态判别方法与模型；3.分析并量化交通流状态、车辆密度、车辆行为之间的动态交互作用，建立交通流状态演变模型。.项目研究从中观的视角揭示城市干道区域交通拥挤演变机理，可丰富和拓展交通流研究的理论框架与分析方法，为城市交通组织与管理提供理论支撑和决策支持，也为城市道路重要节点、干线和区域的交通预测与管控提供一种新的方式和视角。

探明交通拥挤演变机理是制定交通预防控制策略、缓解交通拥挤的基础与关键。当前交通拥挤传播和消散规律研究缺乏合适的方法从整体观测区域交通拥挤演变过程，且较少考虑车辆密度-车辆行为对交通流状态变化的作用机理。项目以典型城市干道区域为对象，研究并利用新的无人机交通信息采集方法提取区域交通信息，基于车辆密度-车辆行为分析展开交通拥挤演变机理研究。. 主要内容包括：1.基于无人机视频的车辆行为特征挖掘方法研究；2.探究车辆行为对通行效率的影响测度，建立考虑车辆行为影响的交通流状态判别方法与模型；3.分析并量化交通流状态、车辆密度、车辆行为之间的动态交互作用，建立交通流状态演变模型。. 主要研究成果：1.建立了基于无人机视频的城市干道交通流信息提取方法，如流量、密度、速度、车间距、车辆行驶行为；2.为细致刻画干道交织区复杂的交通流特性，基于无人机视频提取的车辆微观轨迹，建立了主线上下游、交织影响区等多个分区的精细化元胞尺寸与步长的元胞自动机车辆跟驰模型、多级决策车辆换道模型；3.建立了基于视频三维卷积的交通状态识别模型，其F均值为91.32%，比C3D、R3D、R(2+1)D分别高12.24%、26.72%、28.02%，优于C3D、R3D、R(2+1)D等3D CNN 模型及LeNet、AlexNet、GoogleNet、VGG16等常用的二维卷积网络模型；4.提出了基于三维卷积神经网络-深度神经网络的交通状态预测方法，道路交通状态预测准确率为91.18%；5.基于实测数据与VISSIM仿真，构建了交织区通行能力优化模型，其拟合度为0.9897，与实测数据误差6%以内。. 项目研究从中观视角揭示城市干道区域交通拥挤演变机理，可丰富和拓展交通流研究的理论框架与分析方法，为城市交通组织与管理提供理论支撑和决策支持，也为城市道路重要节点、干线和区域的交通预测与管控提供一种新的方式和视角。