论文题目：交叉口群拥堵扩散机理及其控制与诱导协同模型研究随着我国城市经济的飞速发展、城市化的不断加快、居民生活水平的逐步提高，人们对交通的需求也越来越高，促使交通运输与社会经济发展和人民日常生活更加紧密。这种现象在大中城市当中更加明显，居民收入的不断增加促使机动车的保有量激增，当相应的交通管理无法同步时，就会导致拥堵、事故等交通问题越来越多，间接引起的能源浪费、环境污染、经济损失等问题也成为影响城市可持续和谐发展的不利因素。其中，交通拥堵问题尤为严重，不仅增加了城市居民的出行时间，降低了居民的出行效率，而且给居民出行带来不便，进而大大降低了城市交通系统的有效运行。在城市路网中，道路的通行能力包括两方面：路段通行能力和交叉口通行能力。而信号控制交叉口作为间断交通流设施，通过人为的设置红灯和绿灯交替信号，在方便不同转向的车辆快速通过交叉口的同时，也会阻断交通流的连续性，导致交叉口的通行能力要低于路段通行能力，因此交叉口往往成为交通拥堵的诱发点。当关键交叉口出现拥堵时，如果不及时采取有效措施，拥挤会迅速向上游与之关联的交叉口扩散，容易造成区域交通拥挤。因此，解决好由关键交叉口及其关联性密切的相邻节点形成的交通拥堵问题，是目前交通领域研究的重点。本论文在总结国内外交叉口群研究的基础上，深入剖析交叉口群的交通拥堵扩散机理及其对通行能力的影响分析。利用复杂网络研究城市道路网络的复杂性，同时基于复杂网络群落结构特征提出交叉口群的构想。基于交叉口群中各交叉口这一间断交通流设施的交通流特性，应用“交通波”理论及不同排队长度对上游路段交通流的阻滞效应，同时考虑车辆的实际运行情况，分析排队长度对干道及交叉口通行能力的影响规律，研究了交叉口群的容量特性，为下一步交叉口群的交通状态判别及信号控制与诱导系统的协同研究提供理论基础。论文考虑交叉口群的交通状态在交通信号控制和动态交通诱导协同中的重要作用，以交叉口群的交通状态判别为研究对象。首先研究了交通状态判别的基础部分交通参数预测，在分析短时交通流的特点的基础上，细致分析了Elman神经网络的特点，提出了基于可变增益因子的动态递归神经网络路段平均速度短时预测方法，利用实时数据对方法的有效性进行了验证。在获取准确的未来交通参数数据基础上，提出了新的交叉口群基本单元的想法，即将关键交叉口和相关路段看成一个基本单元，利用交叉口饱和度、路段平均速度和时间占有率三个参数对基本单元的交通状态进行组合判别，利用长春市人民大街和自由大路交叉口及其南进口路段的实测数据对模型进行了验证，结果表明组合判别方法可以提高判别精度，减少单一参数带来的误差。同时，还给出交叉口过饱和状态的排队长度计算公式，可以为行程时间预测提供准确的路段长度，方便交通诱导时动态交通诱导信息的计算。交叉口群的实时信号控制及动态交通诱导协同模型是本论文研究的重点，本文综合考虑信号控制和交通诱导的关系以及两者对交通流的影响，对交叉口群的两者协同的可行性进行了分析，利用前景理论对无诱导信息的交通出行、通过可变信息板或交通广播获取诱导信息的交通出行以及通过车载终端获取备选路径信息的交通出行下的驾驶员路径选择行为进行研究，给出三种情形下的驾驶员路径选择概率，并以此为基础建立了准系统最优的动态交通分配模型，最终建立了交叉口群信号控制与动态诱导的双层协同优化模型，同时利用仿真路网数据对模型的有效性进行了验证。在第四章双层协同优化模型研究的基础上，论文第五章综合考虑驾驶员在出行过程中的信息需求以及驾驶员对诱导信息的选择行为，针对交叉口群的特点，从调查数据的实际出发对交叉口群这种特殊对象下的信号控制与交通诱导协同信息的发布内容、信息发布方式、救援车辆的协同信息优化等方面进行了研究，从而实现事故发生后救援车辆可以快速到达救援现场从而实现紧急救援的目的，最后利用仿真方法对事故条件下的救援车辆与社会车辆的协同管理进行了验证。