城市交通拥堵治理是集战略战术、短期长远、规划执行高度结合,政府、企业、学者、公众多方配合的一揽子解决方案。在诸多缓堵对策中,依托智能交通系统被认为是投资小、见效快的重要措施。行程时间作为智能交通子系统的重要参数,广泛用于出行信息服务、动态路径诱导、路网性能评判、交通需求管理、出行策略制定。因此,针对包含多条路段的城市信控干道系统,深入研究动态行程时间估计及预测,可实现“感知现在,预测未来”,对城市交通的智能决策、精准管理、高效服务具有重要意义。本文有两点研究目标,一是根据交通现象形成机理构建物理模型,通过对除行程时间外其他数据的处理计算,实现稳态及过饱和状态下干道动态行程时间的准确、间接估计;二是借助数据驱动方法挖掘路径行程时间与其历史值及路段时间的非线性关系,实现短时干道动态行程时间的实时、直接预测。基于上述目标,研究工作主要有以下五点:(1)动态行程时间估计及预测基础理论研究对“估计”和“预测”进行概念辨析,将动态行程时间估计按数据类型分类,将动态行程时间预测按核心方法分类,从研究对象、基础数据、理论方法、变量参数、模型构建、计算精度及效率、适用范围等方面梳理相关文献,并对研究现状进行总结。(2)基于车流波动理论的冲击波追踪模型研究以单条路段为一个元胞,将其交通状态简化为到达流、饱和流、阻塞流3种状态,通过追踪排队波、消散波、驶离波、压缩波4种冲击波描述动态交通,构建基于车流波动理论的路段冲击波追踪模型。对信号控制道路按路段划分为多个元胞,考虑干道边界条件和上下游路段关联,构建干道冲击波追踪模型。根据已知的外部交通需求、交通流特征参数、信号配时方案、路网几何参数等,即可动态追踪冲击波传播及路口排队演化,并估计各路段各时刻交通状态分布。(3)基于车流波动理论的虚拟车轨迹重构研究分析车辆在单条路段运行时的6类特征轨迹,分别对其遍历交通状态、所遇冲击波及灯控情况总结,并将轨迹重构归纳为3种情形。然后给出关于车辆进入路段6个关键时间节点的计算公式,并划分与3种重构情形相对应的3个特征时段。由车辆进入路段时刻判定所属情形,每一时刻车辆的决策行为都根据其自身状态和所处交通环境做出调整,从而产生连续轨迹直至驶离路段。当扩展至干道时,考虑车辆行驶中的空间转移和时间推移,以上游路段驶离时刻作为下游路段驶入时刻,反复应用路段轨迹重构过程实现完整干道轨迹重构。(4)基于冲击波追踪和虚拟车轨迹重构的动态行程时间估计研究首先通过冲击波追踪模型估计交通状态,求解出各路段各时刻4种冲击波波速及轨迹、排队长度,并提取各周期最大最小排队长度、以及初始排队、最大排队、清空排队、最小排队的对应时刻。然后,以上述结果为输入数据,通过虚拟车轨迹重构求解车辆在各时刻下的累积行驶距离,从而根据起终点时刻差值估计其动态行程时间,按一定统计间隔聚合即可得到平均行程时间。经算例验证,所提出的估计模型在缺少移动检测数据的情况下,即可获取准确性较高的干道动态行程时间,并且对稳态及存在剩余排队的过饱和状态均适用。(5)基于粒子滤波的实时干道动态行程时间预测研究考虑到城市交通系统的非线性本质及行程时间观测数据可能不满足高斯噪声假设,而粒子滤波在处理非线性非高斯系统上具有独特优势,据此提出基于粒子滤波的实时预测方法。具体是以干道行程时间为状态变量,以路段行程时间为观测值,利用采集的一组粒子近似状态变量。其中,每个粒子状态值为历史天某时段干道行程时间,权值则通过比较历史和实时交通模式计算。相较传统方法,主要从沿数据序列传播代替明确的状态转移函数、以多路段多时段行程时间矩阵标定交通模式、采用部分重采样策略3方面改进。然后,详细阐述算法5个核心步骤的具体实现过程,并给出逻辑架构设计。经算例验证,所提出的预测模型单步误差最小,15分钟内的多步预测精度均较高,并可同时兼顾精度及效率。