摘要

细分了三角基本图(TFD)的交通状态,分别为自由流、中断和拥堵;基于非自由流特性,重新划分了U型时空域,以此找到适合的波速范围;重新确定了上游边界累积流量,使得边界函数刻画不过于宽泛;建立了非自由流Newell模型,并提出了是否可以使用该模型的判断条件;引入了参数车辆秩,达到在多车道上描述车辆超车现象的目的,并建立了更精确的车辆秩估计模型,从而建立了非自由流Newell扩展模型;提出了针对非自由流下2种情形的车辆轨迹估计算法,根据是否存在超车现象分为先进先出(FIFO)情形与非先进先出(non-FIFO)情形;结合数值模拟和实际交通案例,验证了算法的有效性。研究结果表明:2种情形下的轨迹估计算法都是有效的,当超车现象存在时,non-FIFO情形的估计效果较准确和稳健,算法更优。在数值模拟研究中,non-FIFO估计误差相对FIFO下降13.45%,non-FIFO算法更优;在实际交通案例中,2个小汽车数据集的non-FIFO估计误差相对FIFO分别下降2.38%、2.04%,且估计误差均服从高斯混合模型。公交车数据集因不存在超车现象,non-FIFO估计误差与FIFO相等均为4.90%,且估计误差服从伽马分布。可见,所建立的非自由流Newell模型对于中断占比多或拥堵占比多的交通数据均是有效可行的,且所提出的FIFO和non-FIFO轨迹估计算法,效果表现良好。