导读:本文包含了车头时距论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:车头,城市交通,通流,模型,信号,状态,公交。
车头时距论文文献综述
邢韵,陶雨蒙,安成川,夏井新[1]（2019）在《考虑车头时距不确定性的交叉口饱和车流识别》一文中研究指出鉴于传统的单一阈值方法无法考虑饱和与非饱和车流划分中的不确定问题,本文提出了一种考虑随机性的阈值划分方法,主要包括非饱和车流计算起点确定和划分阈值选取两部分。在非饱和车流计算起点确定方面,本文提出的基于阈值划分方法允许一列连续的饱和车流中存在少量大于设定阈值车头时距的车辆。在划分阈值选取方面,考虑号牌数据不具备正态分布特性,提出了一种基于非参数检验的最优划分阈值确定方法,通过秩和检验对不同阈值划分结果进行显着性差异检验,并依据最小P值确定了最优阈值。本文的研究是根据我国实际情况,开展基于高解析度交通流数据的城市道路信号控制性能评价的一次尝试,将为我国城市道路信号控制性能评价、干线信号协调优化提供一定的技术支持。(本文来源于《第十四届中国智能交通年会论文集》期刊2019-11-01）
严颖,安成川,夏井新[2]（2019）在《信号交叉口饱和车头时距估计方法》一文中研究指出为了准确获取车道的饱和流量,为道路交通设计和管理控制提供重要参数,本文提出了利用车辆号牌数据估计信号交叉口进口道饱和车头时距的方法。根据采集的信号交叉口进口道的车辆号牌数据,分信号周期提取车头时距,基于高斯混合模型将车头时距划分为饱和状态和非饱和状态两类,同时获得饱和状态下车头时距的均值,即为饱和车头时距。以昆山市一个信号交叉口的3条进口车道为例对所提方法进行验证,结果表明:本文所提的方法不仅能够准确估计每条进口车道的饱和车头时距,而且结果稳定好,方法适应性强。(本文来源于《第十四届中国智能交通年会论文集》期刊2019-11-01）
刘海平,周云月,汪卓[3]（2019）在《城市道路车头时距频率分布模型建立与验证》一文中研究指出车头时距是交通流的重要参数之一,影响着行车安全和道路服务水平。早期学者建立了各种车头时距频率分布模型来估算车头时距频率值,但只有少数模型考虑了交通流状态和汽车尾气排放。基于M3模型的思想,本文通过对不同交通流状态下(畅通/缓慢/拥挤)车头时距数据的定量分析,分别划分了叁种交通流状态并建立了相应的车头时距分布模型,最终利用各交通流状态下CO排放量占混合交通流状态下的比例作为分配系数建立了混合交通流车头时距频率分布模型。通过卡方检验、与M3模型的对比以及交通量的计算验证了模型的有效性。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
段敏,刘振朋,陈天任[4]（2019）在《智能汽车可变车头时距的车间纵向控制研究》一文中研究指出车辆纵向距离是汽车行驶安全的重要参数之一,因此控制其精度是研究辅助驾驶与智能驾驶的关键技术。为解决上述问题,建立了车间纵向运动学模型,采用多步预测、滚动优化、反馈矫正的预测控制方法达到减少计算成本的目的,提出控制目标的约束条件与优化时域。提出了最佳可变车头时距,并给出计算方法。最后根据较为典型场景的期望加速度得出执行机构切换规则,并利用驾驶模拟器试验平台进行试验验证,结果表明,可变车头时距的车间纵向运动状态得到最优控制。(本文来源于《计算机仿真》期刊2019年10期）
姚红云,梁丽娟[5]（2019）在《路侧公交专用车道下右转出口上游公交车头时距分布特征》一文中研究指出为了描述路侧公交专用车道下右转出口上游公交车的车头时距分布特征,考虑公交停靠站对公交车头时距分布的影响,将研究对象分为两类。基于实测数据,对公交车头时距进行非线性回归拟合,并通过卡方检验对各组数据进行拟合优度检验,从定性和定量角度对公交车头时距分布进行分析。最后,基于可插间隙理论,建立了右转车辆在交织区延长后的通行能力模型;结合两种类型下的公交车头时距分布模型,分别建立了交织区长度与公交车流量和右转车流量的关系模型。研究结果表明:第Ⅰ类公交车头时距服从负指数分布,第Ⅱ类公交车头时距服从移位负指数分布。(本文来源于《科学技术与工程》期刊2019年26期）
刘悦棋,向红艳,陈城辉[6]（2019）在《公交进站换道行为对车头时距的影响》一文中研究指出公交车进站换道行为属于城市道路上的常发性、强制性换道行为.为了探寻因其导致的公交站上游交通组织状态混乱的影响因素,定性分析了公交车进站换道行为的过程,并且借助实际调查数据,定量分析换道耗时、换道次数、离站路程、穿越车道数和交通量这5个因素与车头时距的关系.基于主成分分析法,建立了车头时距与上述5个因素的多元线性回归模型,模型检验效果良好,效果优于经验回归模型.结果表明:公交进站换道对车头时距的影响过程,第1主成分主要反映换道耗时,而换道次数不满足主成分要求,对车头时距影响相对不明显;除了离站路程与车头时距成反比,其余4个因素与车头时距均成正比,即在高峰时期,公交车进站换道位置离站越远,较少的换道耗时、换道次数、穿越车道数或交通量都有助于改善公交站上游车辆交通状况.(本文来源于《江苏大学学报(自然科学版)》期刊2019年01期）
邓君,崔梁[7]（2018）在《基于车头时距的现代有轨电车信号控制策略》一文中研究指出参考美国交通信号控制手册(TSC)给定的最大允许车头时距值,对比公交专用道上现代有轨电车头时距与最大允许车头时距的关系,判断是否给予现代有轨电车优先通行权。提出了基于车头时距的绿灯需求时间计算方法,并根据现代有轨电车到达停车线不同时刻,运用绿灯延长、红灯早断、相位插入等方法构建了相对优先控制策略。利用VISSIM软件仿真计算传统感应控制与相对优先控制的现代有轨电车和社会车辆的车均延误、人均延误等指标。仿真结果表明,相比于传统感应控制,相对优先控制策略能有效提高现代有轨电车的通行效率。(本文来源于《城市轨道交通研究》期刊2018年08期）
李红伟,陆键[8]（2018）在《基于平均车头时距的城市道路PCE算法》一文中研究指出为得到一种反映交通流运行情况,适用于各种交通流状态的车辆换算系数(PCE)计算方法,结合车头时距特性分析结论,基于等效车头时距原理,对车头时距法进行改进。通过分析车头时距数据发现,小型车与大型车跟车状态数量差距较大,路段总流量平均车头时距不能体现路段中与大型车有关车辆的平均车头时距,应分跟车状态统计平均车头时距;同一路段不同交通流状态下,同一跟车状态数量相差较大,应分交通流状态分析路段PCE值。因此,用跟车状态平均车头时距代替路段总流量平均车头时距,对车头时距法进行改进。与经典的容量法对比,所提方法在各交通流状态下计算得出的PCE值与容量法计算得出的PCE值差距最大为6.40%,最小为1.57%,证明所提方法适用于各种交通状态。分析PCE影响因素发现,PCE值与大型车比例呈U型曲线关系;公交专用道路段的PCE值在各个时段均高于未设置公交专用道路段相应时段的PCE值。(本文来源于《交通信息与安全》期刊2018年03期）
温惠英,曾钰宸,李硕[9]（2019）在《城市信号交叉口左转车流车头时距分布特征研究》一文中研究指出针对长沙市典型信号交叉口芙蓉中路-人民中路,分别在饱和状态和复合状态下对高峰与非高峰两个时段左转车流的车头时距分布进行特性分析。交叉口实测数据验算表明,我国现行规范CJJ37和美国规范HCM2010等常用方法对左转车流饱和车头时距预测结果均偏大较多,采用4种传统的车头时距分布模型和SPSS中的9大基本曲线模型的拟合效果均不理想。采用分段函数分别建立了饱和状态和复合状态下的统一模型,通过调整模型中的标定系数和增长系数,即可分别得到高峰时段和非高峰时段的车头时距分布特征。实测数据检验分析表明:饱和状态和复合状态的车头时距分布都存在2.000～2.500 s内集中程度最高且超过27%,集中在1.500～2.500 s内超过50%的现象;非高峰时段车头时距分布集中程度低于高峰时段,且倾向于集中在较小的车头时距上;目前常用方法对车头时距平均值的预测误差通常都超过16%,文中模型误差则低于4%,与传统模型相比能较好地拟合车头时距的实际分布形态,拟合效果更为理想。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年03期）
杨春磊[10]（2018）在《公交车头时距可靠性分析及控制策略研究》一文中研究指出优先发展公共交通是解决城市交通拥堵的重要策略。在现实生活中,公共交通服务水平还未达到人们满意出行的要求。公交车辆在运行过程中,会受到各种因素的干扰,经常出现公交集结运行的现象。本文以公交运行过程中发生“串车”、“大间隔”现象为切入点,对公交线路车头时距特性进行分析,挖掘导致车头时距异常波动的影响因素,建立基于车头时距可靠性的评价指标来衡量公交服务水平,并提出基于车头时距稳定从的滞站控制策略,以保证线路中公交车头时距的稳定性,降低站点乘客候车时间,提高公交服务质量。首先,通过公交数据调查,对公交车头时距的基本特性进行分析,了解公交车头时距的变化规律,重点研究了同一公交单元在线路中各个站点的车头时距变化规律和不同公交单元在同一站点的车头时距可靠性变化规律。其次,建立了微观、中观、宏观叁个层次的公交车头时距可靠性评价模型。依据北京市663路公交运行数据,从站点、区段、线路叁个层次进行可靠性评价分析。其中,在微观层面建立基于站点的车头时距遵守性指标和车头时距稳定性指标,中观层面以站间区段为单位,从站点车头时距可靠性和运行时间可靠性两方面进行研究。宏观层面通过对各个站点车头时距可靠性进行综合分析,对整条线路可靠性进行评价。最后,在公交车头时距可靠性评价结果分析和公交改善控制策略分析基础上,提出了基于车头时距稳定性的滞站控制策略,并建立了相应的公交到站时间预测模型。通过蒙特卡罗法对公交运行过程进行仿真建模,借助MATLAB语言,验证了基于车头时距可靠性滞站控制策略对改善公交车头时距可靠性的效果。(本文来源于《北方工业大学》期刊2018-05-14）
车头时距论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了准确获取车道的饱和流量,为道路交通设计和管理控制提供重要参数,本文提出了利用车辆号牌数据估计信号交叉口进口道饱和车头时距的方法。根据采集的信号交叉口进口道的车辆号牌数据,分信号周期提取车头时距,基于高斯混合模型将车头时距划分为饱和状态和非饱和状态两类,同时获得饱和状态下车头时距的均值,即为饱和车头时距。以昆山市一个信号交叉口的3条进口车道为例对所提方法进行验证,结果表明:本文所提的方法不仅能够准确估计每条进口车道的饱和车头时距,而且结果稳定好,方法适应性强。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车头时距论文参考文献
[1].邢韵,陶雨蒙,安成川,夏井新.考虑车头时距不确定性的交叉口饱和车流识别[C].第十四届中国智能交通年会论文集.2019
[2].严颖,安成川,夏井新.信号交叉口饱和车头时距估计方法[C].第十四届中国智能交通年会论文集.2019
[3].刘海平,周云月,汪卓.城市道路车头时距频率分布模型建立与验证[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[4].段敏,刘振朋,陈天任.智能汽车可变车头时距的车间纵向控制研究[J].计算机仿真.2019
[5].姚红云,梁丽娟.路侧公交专用车道下右转出口上游公交车头时距分布特征[J].科学技术与工程.2019
[6].刘悦棋,向红艳,陈城辉.公交进站换道行为对车头时距的影响[J].江苏大学学报(自然科学版).2019
[7].邓君,崔梁.基于车头时距的现代有轨电车信号控制策略[J].城市轨道交通研究.2018
[8].李红伟,陆键.基于平均车头时距的城市道路PCE算法[J].交通信息与安全.2018
[9].温惠英,曾钰宸,李硕.城市信号交叉口左转车流车头时距分布特征研究[J].重庆交通大学学报(自然科学版).2019
[10].杨春磊.公交车头时距可靠性分析及控制策略研究[D].北方工业大学.2018
论文知识图
