城市道路交通拥堵判别、疏导与仿真

发布时间：2019-09-20 21:03

【摘要】：随着我国经济、社会的迅速发展、居民收入的提高、城市化进程的加快,城市交通拥堵日益严重。交通拥堵使居民出行的经济和时间成本增加,不确定因素增多,驾驶体验降低,油气资源大量浪费,局部环境污染问题加剧等等。交通系统是以人类活动为中心的复杂系统,它既受到内在的交通流分布、交通参数动态关系的影响,又受到外在的政策、出行需求、天气等广泛因素的影响；既受制于路况等客观因素,又受制于出行需求、驾驶习惯等主观行为；既包括流量、密度、速度等可观量,又包括出行路径选择、车型动态组合等难以精确测算的不可知因素。交通系统是非线性系统,一个细微的参数波动都可能带来“蝴蝶效应”,具有强不确定性。因此,许多现象无法用确定性分析方法来研究,而应该引入不确定分析方法。它又是一个动态开放系统,与模型无法完全覆盖的外部世界联系紧密,存在系统局部之间、内部与外部之间的关联互动,离线、固化、基于特定模式的方法不能适应交通运行的快速变化,需要选用更具鲁棒性的在线分析算法。根据工况变化,不断刷新模型及参数,传统仿真框架的封闭性并不适合对在线分析算法的研究。针对交通系统的上述特点,本文将不确定性处理技术和轨迹信息挖掘的在线分析技术融入交通拥堵时空分布特征的分析研究。并在此基础上构建在线缓堵控制框架,通过融合数理统计与模型仿真方法,开辟解决城市交通缓堵这一难题的新途径。为了支撑上述研究,本文自主构建了开放架构的全新交通仿真平台,以适应计及不确定因素的交通仿真分析及模型的扩展需求。为此,开展了如下具体的研究工作：1. 构建了交通参数时间响应轨迹的多尺度分析方法：针对非平稳交通流参数影响相关性分析、制约预测精度提高的问题,提出了2个将交通参数信号分解为趋势和细节分量的方法,用于在不同的场景下解决上述问题：一是利用小波分解法将单个交通参数信号分解为趋势和细节分量,二是利用多项式拟合及其智能分段算法实现多个关联交通信号的逐段分解。上述方法提高了信号平稳性,避免特定时间尺度的信号受其它尺度的干扰,实现交通信号的在线多尺度分析。2.构建了计及不确定性因素的在线预测算法：借助平稳的趋势分量并在其上应用ARMA算法实现单个典型趋势的预测,在此基础上考虑不确定因素影响,采用蒙特卡罗方法抽取趋势不稳定段上、下探细节波的随机组合,构建包含多条预测线的可能趋势集,形成预测值区间,并与实测值和确定性趋势预测方法比较,验证了方法的有效性。3. 构建了计及时间、空间相关性及不确定性的拥堵判别指标及方法：基于交通参数轨迹构建了拥堵判别指标,和可应用于概率预测结果的拥堵概率判别指标；阐述了交通流在网络拥堵中的时空分布特性,并建立了扩展相关性指标及算法,使交通流的时空相关性可被详细分析,提出考虑相关性的拥堵判别方法,可用于相邻道路的在线拥堵预警；提出了区域相关性集聚度指标及拥堵关联区域判别方法,将目标路网分割为少数几个交通状态相对独立的区域,实现具有参数相关性的路段或区域的聚类,有利于缩小复杂路网交通控制研究的问题规模。4. 构建了动态交通分配模型的在线参数估计方法：在根据区域相关性集聚度划分的多个网络分区上,建立了用于动态交通分配模型参数估计的迭代搜索算法,通过动态0-D参数的摄动逐步降低各区主导道路的仿真与实测结果的误差,产生与交通规律相符合的动态交通分配模型。5. 提出了计及参数预测不确定性的缓堵诱导优化策略的生成框架：建立了系统最优的诱导优化目标和开环交通仿真模型,以概率预测数据作为边界条件,来约束仿真参数的动态变化；基于目标函数变化量关于诱导策略摄动量的灵敏度构建了缓堵诱导措施的智能优化算法,在道路速度预测值区间内摄动未来路况的诱导值,并推导出道路速度的变化量,利用拥堵概率阈值作为优化约束条件筛选出可行解。算例表明,基于该算法自动搜索到的结果与实际缓堵经验相吻合。6. 构建了满足动态性、交互性、开放性和可扩展性要求的交通拥堵动态仿真平台：将围绕交通拥堵的分析、判别、预测、诱导控制优化等技术通过先进软件技术整合为一体,设计仿真组件,实现对道路交通拥堵与诱导的仿真模拟；并集成GIS及数据库系统,成功实现交通类采集、分析、决策支持数据的存储、挖掘、仿真计算和直观显示功能。上述工作选取有价值的突破点,打通了城市道路交通拥堵研究中理论分析、算法构建、控制优化、平台应用等4个关键步骤,完成了拥堵机理分析、状态判别、预测预警以及较有发展潜力的交通诱导优化,并运用先进IT技术为上述成果应用于工程搭建了仿真平台,为后续更深入的研发应用奠定了坚实基础。
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：U491.265

【相似文献】