车道被占用对城市道路通行能力的影响-华南理工大学A056_1A1905.zip

参赛队员：孙增辉，李润铄，彭玄；

指导教师或指导教师组负责人：刘清；

参赛学校：华南理工大学。     

摘要

交通是城市的命脉。车道往往会因为交通事故等原因被占用，从而降低了道路的通行能力，严重的话会导致交通堵塞。为了帮助交通管理部门更好地管理城市交通，需要正确估算车道被占用对城市道路通行能力的影响程度。

为了更准确地计算视频中上流路口进入事发路段的车辆和通过交通事故所占车道的横断面的车辆情况，本文在使用了背景差分法为主，直方图均衡化、中值滤波法、、形态学滤波法和边缘检测算法为辅的图像处理方法得到检测运动车辆的视频，使计算更简便。

针对问题一，根据权威文献计算出事故发生期间事故所处横断面理论通行能力和实际通行能力，由两种通行能力随时间变化的图像可知实际通行能力在事故期间随时间在理论通行能力上下波动，而且这种波动符合正态分布。

针对问题二，在视频一和视频二的数据通过正态检验和方差齐次检验后，利用这些数据使用方差分析得到同一横断面交通事故所占车道不同对该横断面实际通行能力的影响无显著性差异的结论。为了得到这种影响的实际情况，本文又进一步使用了通径分析，得到的结果为同一横断面交通事故所占车道不同对横断面实际通行能力的影响决定于各车道的流量比例。

针对问题三，首先使用城市交通二流理论计算得到事发路段随事故持续时间增加而改变的排队长度，然后使用非线性比例尺改进算法统计视频的排队长度。然后用夹角余弦法对事故横断面实际通行能力、路段上游车流量分配权重统一为一个自变量，和事故持续时间一同作为BP神经网络的输入样本，排队长度作为输出样本进行训练，得到一个拥挤交通流排队长度模型。最后用遗传算法对神经网络进行优化。模型的结果和样本数据拟合效果较好，显示排队长度会随着排队时间变大，路段上游车流量变大，事故横断面实际通行能力下降而不断增加。

针对问题四，将车看作元胞，根据所给的数据制定元胞运动规则，构造出基于元胞自动机的交通流预测模型。经过模拟仿真，得到的结果为：事故发生后，在上游车流量波动不大的情况下，经过8.3分钟到9分钟之间的时间，车辆排队长度将到达上游路口。对模型进行改进，考虑红绿灯的情况，得到车辆排队长度达到上游路口的时间缩短为8分到8.4分钟之间，平均时间为8.36分钟，且排队长度曲线的波动程度变大。

关键词：背景差分法 通径分析 二流理论 神经网络 遗传算法 元胞自动机