导读:本文包含了排队长度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:长度,数据,交通,上海铁路局,车道,通流,里程。
排队长度论文文献综述
刘佳超,安成川,夏井新[1]（2019）在《基于号牌识别和GPS数据的实时排队长度估计方法》一文中研究指出排队长度是制定有效的城市交通缓堵策略的重要基础信息。本文提出了一种双层随机森林模型,利用匹配的号牌数据和GPS数据进行实时排队长度估计。GPS数据提供了车辆的停车位置,与之匹配的号牌识别数据提供了对应停车位置的解释特征。模型的第一层基于提取的特征对有停车车辆和无停车车辆进行分类,模型第二层用于估计有停车车辆的停车位置,从而直接得到排队长度。昆山市叁个不同等级的道路作为实例对本方法进行了验证,估计值和实际值的对比表明本方法具有可信的精度并且有一定的应用价值。(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）
黄旭,周君,刘玥,何林,王振[2]（2019）在《基于排队论模型的偏置右转车道长度设计》一文中研究指出为了解决因城市交叉口交通渠化中偏置右转车道长度设置不合理,导致右转车辆在交织分流区域与直行车辆冲突的问题,通过对偏置右转车道设置条件和红绿灯信号周期分析研究,运用排队论计算直行等待区信号周期内车辆排队长度以及常规状态下车辆制动距离,结合高密度状态下的车辆右转行为分析,提出了一种测算偏置右转长度的新算法。以淮安市承德南路与枚乘东路交叉口为例,借助VISSIM仿真,结果表明经该算法优化后的偏置右转车道长度能够减少车辆在该交叉口的延误时间,提高其通行效率,缓解拥堵问题,保证车辆运行环境的安全。(本文来源于《淮阴工学院学报》期刊2019年05期）
晏子,陈之锴[3]（2019）在《基于信号交叉口排队长度的交通量调查方法》一文中研究指出交通量调查是交通规划、交通组织、交通管理控制的重要基础。在交通设施不完备的情况下,目前常用的人工交通流量调查法,工作量大且对调查人员要求较高。为了提高交通流量调查效率,降低调查工作量,文中依据交通流基础理论,构建了交通流量与排队长度的分布和拟合的模型。通过信号交叉口红灯期间排队车辆长度来快速计算通过交叉口的交通流量。最后应用实际验证表明:文中方法调查误差均小于10%,符合工程实际应用需要。(本文来源于《物流工程与管理》期刊2019年09期）
尹俊淞[4]（2019）在《基于道路速度-排队长度的VISSIM参数标定建模与算法》一文中研究指出VISSIM作为一种微观交通软件,被广泛的应用于城市交通仿真中。在实际应用中,VISSIM参数标定是基础工作。虽然存在很多标定方法,但是标定方法都以单目标或者单一指标为主,本文提出基于道路速度-排队长度的标定模型,通过MATLAB调用VISSIM的COM接口进行二次开发,设计惩罚函数,并利用遗传算法进行模型求解。将本文方法应用于成都德胜路叁个交叉口的VISSIM仿真参数标定中,仿真表明本文参数标定模型和算法既降低了整体误差,也防止了个别交叉口或道路与实际测量差别较大的情况。(本文来源于《交通运输工程与信息学报》期刊2019年03期）
魏然[5]（2019）在《基于轨迹数据的交叉口排队长度计算方法》一文中研究指出根据轨迹数据可以预测交通需求、判断路网运行状态、提高路网运行效率,为交通控制和研究提供了新的数据源和研究思路。为此,文章提出了新的基于轨迹数据的排队长度估计方法,不需要关于排队长度分布和可探测车辆渗透率的前提条件,适用性较强。经过仿真验证的结果表明,在可探测车辆的渗透率较低的情况下,该方法也能够准确地计算出信号交叉口的排队长度并用于交通信号控制优化。(本文来源于《智能城市》期刊2019年17期）
孔令君,王力,路轩[6]（2019）在《长叁角铁路70年，回头望大跨越》一文中研究指出7月27日，沪宁城际铁路进行电子客票应用试点，这是铁路客运服务的创新举措。70年来，铁路售票从硬板票、软纸票、磁介票到刷身份证乘车，从人工售票到网络售票，发展到今日的电子客票。70年长叁角铁路成绩斐然不少“长叁角人”记得，上(本文来源于《解放日报》期刊2019-07-31）
姚宇[7]（2019）在《基于数据融合的交叉口排队长度估计方法》一文中研究指出目前,国内外对于排队长度估计的主流研究大多是根据交通流状态,获得道路交叉口信号周期内最大排队长度和平均排队长度。已有的研究多依赖于单一的交通数据来源,如GPS浮动车数据、断面检测的流量数据等。由于数据检测传输过程中的检测误差、信号丢失、干扰、以及检测设备覆盖范围限制,使得依赖于单一数据源的排队长度估计算法的稳定性和可靠性难以保证。因此,融合多源数据进行排队长度估计的算法研究,在数据互补、精度修正、提高估计模型的综合性能上具有良好的研究价值。本文主要围绕交通数据融合以及交叉口排队长度估计方法进行研究,具体分成叁部分:交通数据融合与排队长度估计方法;数据融合的交叉口排队长度估计方法精度分析;基于排队长度的信号配时思路探讨。首先,本文通过对不同交通数据特性进行分析,从而对交通数据的归属类型、交通数据采集技术分类以及不同种类检测设备的特点进行总结,分析比较各种方法的适用条件及优缺点。然后基于统计归纳思想和交通流理论,结合浮动车的排队规律和断面检测流量数据特点,分别建立排队长度估计模型。考虑到两类模型在不同数据采集环境下的精度差异,为增强估计模型的普适性和稳定性,提出采用组合估计的方法,进行误差融合修正,通过将断面检测流量数据与移动GPS数据进行有效的融合,最终构建出基于数据融合的可实时估计交叉口车辆排队长度的估计模型。其次,采用已获取的南昌市东湖区中山路与八一大道交叉口的固定检测器检测数据,应用VISSIM软件进行排队仿真分析,获得路段同步同流量下实时的浮动车数据,同时根据移动GPS数据和断面检测流量数据,分别估计各时间间隔内的交叉口排队长度,依据熵值法的组合估计理论,对基于移动GPS数据的排队长度估计结果和基于断面检测流量数据的排队长度估计结果进行加权组合估计,运用仿真输出的实际排队长度结果,对模型计算精度进行误差指标分析和评价。最终验证了基于数据融合的排队长度组合估计模型相比于单一数据来源的排队长度计算方法,整体估计稳定性能较好,计算结果精度更高。最后,基于估计的排队长度,探讨依据估计排队长度确定交叉口信号配时的方法,并分析交叉口连续数据采集条件下信号配时的基本过程,并总结了基于排队长度均衡为控制目标的信号配时策略的主要思路。(本文来源于《华东交通大学》期刊2019-06-30）
孔军伟[8]（2019）在《基于车辆排队长度的城市道路交通流宏观基本图研究》一文中研究指出随着城市经济的快速发展和城市化进程的不断推进,城市居民的生活水平不断提高,城市汽车保有量也在逐渐增多,伴随而来的交通拥堵、交通安全等问题日益突出,己严重影响了城市居民的出行质量,同时制约了城市的发展。在最近的研究中,宏观基本图(Macroscopic Fundamental Diagram,MFD)理论已经被证明是大型城市路网建模与控制的有力工具,本文考虑到排队长度通常被认为是评估城市路网交叉口运行效率的重要指标,提出了一种基于排队长度的城市交通流宏观基本图(Queue-length-based MFD,QMFD)的概念,并依据北京市浮动车数据(Floating Car Data,FCD)验证了 QMFD的存在性。此外,本文建立了一种基于排队长度的道路交通运行状况的判别模型。具体的研究工作如下:首先,本文对北京市浮动车数据进行预处理和地图匹配。数据预处理的目的是剔除异常或错误数据;地图匹配的目的是确定浮动车所在的路段。由于浮动车数据中包含众多的瞬时速度为零的数据点,且这些零速度点数据的方向角大多不准确,因此,对零速度点数据和非零速度点数据采取不同的匹配算法。其次,本文提出了一种基于浮动车数据估计交叉口进口道路段排队长度的方法。由于排队长度与浮动车停车点到交叉口进口道停车线的距离有关,该方法统计了不同时间段的距离分布数据,然后利用Vissim得到排队长度与不同浮动车比例、不同统计时间段的距离分布数据样本对,训练BP神经网络模型,最后根据训练后的模型估算排队长度。再次,在对浮动车数据进行准确的地图匹配的基础上,本文计算各路段的速度、密度、流量、排队长度等参数,研究城市路网交叉口进口道路段的车辆平均排队长度与其他宏观交通参量(平均速度、平均密度、平均流量等)之间的关系(QMFD)。根据北京市2014年9月的浮动车数据从不同的角度验证了 QMFD的存在性,并对MFD和QMFD的关系进行分析。最后,本文建立了一种基于排队长度的道路交通运行状况的判别模型。为了能够清晰地描述路段的交通运行状况,对流量进行重新定义,加入了车辆通过该路段的行程速度的考虑。通过Vissim提供的单个路段的交通数据,发现在交通信号灯周期时长和绿灯时长保持不变的情况下,单个路段的流量与排队长度呈单峰、低散度关系,并且发现峰值处的排队长度和信号灯绿信比之间存在着一定的函数关系,这一函数关系可以用于判别道路的交通运行状况。(本文来源于《北京交通大学》期刊2019-06-01）
石红云[9]（2019）在《基于时空数据的信号交叉口实时排队长度测算》一文中研究指出为提高信号交叉口实时排队长度估计精度,判断交叉口实时交通状态,作为交叉口实时信号控制基础。以过饱和交叉口为例,利用磁频检测法,应用车辆到达离散模型及交通波理论研究车辆排队演化过程,实时计算有无专用转向相位两种情况下车辆排队长度,并通过VISSIM和MATLAB仿真软件,验证算法的精度及实用性。结果表明,算法对于工程实用性较强,排队长度实时计算误差在工程应用可接受范围内,左转相位实时排队长度模型相比直行相位排队长度模型而言精度更高。(本文来源于《交通与运输》期刊2019年02期）
范翘楚,曹鹏[10]（2019）在《基于无人驾驶车数据的快速路排队长度实时检测方法》一文中研究指出交通拥堵是造成城市交通延误和运输资源浪费的重要原因。为了实时有效的对交通拥堵现象进行检测及预测,本文搭建了一套基于无人驾驶车数据的快速路排队长度实时检测系统。针对交通拥堵中的交通流现象和特点,本文基于无人驾驶车采集数据的特点,应用交通波理论,提出基于斜率法和LWR交通流模型法的两种方法对交通波波速进行估计,进而对排队长度的实时检测,最后使用NGSIM数据集对该系统进行验证。结果表明,基于LWR交通流模型法的方法二估计结果更接近于真实值,且无人驾驶车比例越高,估计结果越准确。实验证明该系统具有实时性、高效性和准确性的优点。(本文来源于《综合运输》期刊2019年02期）
排队长度论文开题报告
（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：
为了解决因城市交叉口交通渠化中偏置右转车道长度设置不合理,导致右转车辆在交织分流区域与直行车辆冲突的问题,通过对偏置右转车道设置条件和红绿灯信号周期分析研究,运用排队论计算直行等待区信号周期内车辆排队长度以及常规状态下车辆制动距离,结合高密度状态下的车辆右转行为分析,提出了一种测算偏置右转长度的新算法。以淮安市承德南路与枚乘东路交叉口为例,借助VISSIM仿真,结果表明经该算法优化后的偏置右转车道长度能够减少车辆在该交叉口的延误时间,提高其通行效率,缓解拥堵问题,保证车辆运行环境的安全。
（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。
排队长度论文参考文献
[1].刘佳超,安成川,夏井新.基于号牌识别和GPS数据的实时排队长度估计方法[C].第十四届中国智能交通年会论文集.2019
[2].黄旭,周君,刘玥,何林,王振.基于排队论模型的偏置右转车道长度设计[J].淮阴工学院学报.2019
[3].晏子,陈之锴.基于信号交叉口排队长度的交通量调查方法[J].物流工程与管理.2019
[4].尹俊淞.基于道路速度-排队长度的VISSIM参数标定建模与算法[J].交通运输工程与信息学报.2019
[5].魏然.基于轨迹数据的交叉口排队长度计算方法[J].智能城市.2019
[6].孔令君,王力,路轩.长叁角铁路70年，回头望大跨越[N].解放日报.2019
[7].姚宇.基于数据融合的交叉口排队长度估计方法[D].华东交通大学.2019
[8].孔军伟.基于车辆排队长度的城市道路交通流宏观基本图研究[D].北京交通大学.2019
[9].石红云.基于时空数据的信号交叉口实时排队长度测算[J].交通与运输.2019
[10].范翘楚,曹鹏.基于无人驾驶车数据的快速路排队长度实时检测方法[J].综合运输.2019
论文知识图
