随着我国经济社会持续快速发展,机动化交通带来了诸多问题,越来越多的城市开始转变发展思路,逐渐向以公共交通为主导的绿色交通模式过渡。自行车作为公共交通的重要补充,成为建设绿色宜居城市的重要环节。本文从自行车交通流的微观运动特性入手,通过设计骑行实验,提取骑行者的运动轨迹,从最底层研究骑行者之间的交互关系,建立骑行者的行为决策规则,建立微观仿真模型,以期从科学角度理解自行车交通流的特性,为更加合理地配置交通资源提供依据。本文的主要研究内容及结论如下:(1)基于图像处理技术,从自行车交通流微观信息采集方法入手,研究并提取了自行车的运动轨迹。提出了基于张正友相机标定法的自行车运动轨迹提取流程:先是标定相机内参数和畸变参数;然后标定了相机位姿,即相机外参数;最后构建像素坐标与世界坐标的关系模型,将拍摄得到的二维像素数据转化为真实世界中骑行者的三维运动轨迹数据。通过案例分析对数据的有效性进行了验证,结果表明,标定方法提取的数据和实际数据的最大误差为5.61%,平均误差为2.67%,说明该方法提取的自行车运动轨迹数据较为可靠。(2)组织骑行实验,将提取的轨迹数据进行处理与分析,构建了自行车微观行为决策模型。选取并定义横向间距、纵向间距和速度差作为运动状态特征向量,基于高斯混合模型,对特征向量进行聚类,研究了自行车处于跟驰和超越行为下不同运动状态的微分类,分析了聚类结果的正确性。最后,基于决策树模型,将不同运动状态下的聚类群集进行分类,建立了自行车运动的概率选择规则模型,通过划分训练集和测试集,分析了最终决策树的预测效果。结果表明,跟驰行为的预测准确率为94.66%,超越行为的预测准确率为86.68%。(3)基于Agent理论,构建了基于Agent和概率选择规则的自行车微观仿真模型。以自行车个体为Agent单元,定义目的任务模块、个体属性模块、行为库模块以及交互模型模块,对模型的相关参数进行了标定,并在MassMotion仿真平台进行二次开发,验证了模型的有效性。本文的研究提出了基于相机标定方法的自行车轨迹提出方法,扩展了非机动车交通流轨迹数据的获取方法;通过定义特征向量,提出了基于运动状态的自行车运动决策模型,进一步了构建了自行车微观行为模型,丰富了自行车微观行为建模的思路,为交通资源配置提供了科学依据和技术支撑。