城市快速路交通状态特性及关联分析方法研究

发布时间：2017-10-27 22:07

  本文关键词：城市快速路交通状态特性及关联分析方法研究

  更多相关文章： 城市快速路 交通状态 时间序列 关联分析 交通特性 关联度 关联模式 短时交通流预测

【摘要】：国内外大量实践经验表明,在城市规划布局已初步成型的特大城市,单纯依靠修建道路设施并不能很好地解决交通拥堵问题,而发展交通科学研究,推广ITS技术的应用,才是解决已经面临和将要面临的交通症结的最有效手段之一。但ITS建设的基础,以及系统功能发挥的好坏,很大程度上取决于对实时道路交通状态信息的了解和把握。 快速路交通系统是一个受多因素影响的复杂系统,具有很强的随机性和动态性；同时针对一些具体的交通状态参数变化,又具有较强的规律性和联系性。据此,本文以北京市快速路交通检测系统的实测数据为研究对象,探讨如何应用统计学、系统工程的有关理论与方法,进行交通状态时序的特性与关联分析,目的在于挖掘快速路交通状态参数的变化规律,为快速路结合部的交通控制与管理提供依据。 面对海量的动态交通流数据,快速路的交通状态分析,重点需要解决三个问题：一是如何选择交通状态参数的问题；二是如何选择分析方法的问题；三是如何应用交通状态分析结果的问题。围绕这三个方面的问题开展研究,本文所形成的主要成果如下： (1)根据快速路的交通状态分级要求,利用经典的流量-占有率参数关系模型,提出了基于参数弹性变化的两阶段、四相位交通状态划分方法,即首先将交通状态划分为非拥挤流和拥挤流,然后将非拥挤流划分为畅通流和谐动流,将拥挤流划分为同步流和堵塞流,使得交通状态的划分更具有量化依据。根据不同的道路交通条件,以及交通状态划分标准,提出了基于相似速度和占有率的交通状态模糊推理判定方法,使得判定结果更符合实际的车辆运行状态。 (2)针对交通状态时序的统计特征和形态,以及趋势性、周期性、突变性和混沌性等特征,提出了系统、全面的时间序列分析方法,有助于深刻认识交通状态的变化规律。综合运用突变性和混沌性分析结果,提出将复杂多变的交通状态时序分解为多个趋势成分更为简单的交通状态时序,然后再进行趋势拟合和组合建模。实证表明,与长尺度趋势拟合模型相比,分形趋势组合模型的MAE和MAPE降低了18.34%,RSE降低了18.42%。 (3)对于交通状态时序关联度的计算,首先分析了统计相关、模糊相关、灰色相关等不确定性分析方法的适应性,然后提出了单截面、多截面,以及考虑延迟性的关联度计算方法,将计算结果用于短时交通流预测,能不同程度地提高预测效果。对于考虑空间物理属性的关联度计算,提出采用路径容量和路径里程的综合指标,即连通度来构建空间权重矩阵,然后运用空间自相关理论,计算交通状态时序的全局空间自相关Morans's Ⅰ和局部空间自相关Morans's Ⅰi,有助于从协同控制角度理解交通状态时序在不同截面上的空间属性关系。 (4)对于交通状态时序如何关联,从随机事件出现的频率角度出发,利用空间权重矩阵,提出了基于空间Markov链的交通状态时序关联模式提取方法。实例表明,与传统的ARIMA预测和Markov链预测相比,利用空间Markov链建立的交通状态关联模式能够更加有效刻画不同截面的交通状态时序之间的依赖关系,对于不同交通相位的短时交通流预测,均具有较为满意的预测效果。
【关键词】：城市快速路 交通状态 时间序列 关联分析 交通特性 关联度 关联模式 短时交通流预测
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：F572.88;F224
【目录】：

• 致谢5-7
• 摘要7-9
• ABSTRACT9-11
• 序言11-19
• 1 绪论19-29
• 1.1 选题背景及意义19-25
• 1.1.1 选题来源19
• 1.1.2 论文研究背景19-22
• 1.1.3 问题的提出22-23
• 1.1.4 研究目的及意义23-25
• 1.2 研究内容及技术路线25-28
• 1.2.1 研究内容及结构安排25-26
• 1.2.2 技术路线26-28
• 1.3 本章小结28-29
• 2 国内外研究综述29-41
• 2.1 交通状态分析的相关理论29-34
• 2.1.1 交通状态的基本内涵29-30
• 2.1.2 交通状态分析的主要方法30-34
• 2.1.3 交通状态分析的理论研究综述34
• 2.2 时间序列分析的相关理论34-37
• 2.2.1 时间序列的定义和分类34-35
• 2.2.2 时间序列分析的主要方法35-37
• 2.2.3 时间序列分析的理论研究综述37
• 2.3 关联分析的相关理论37-40
• 2.3.1 关联与关联分析的定义37-38
• 2.3.2 数据关联分析的主要方法38-39
• 2.3.3 关联分析的理论研究综述39-40
• 2.4 本章小结40-41
• 3 快速路交通状态分析的基础数据准备及其处理方法41-65
• 3.1 道路交通状态分析的体系框架41-44
• 3.1.1 交通流参数及其分类41-42
• 3.1.2 交通状态分析的功能需求42-43
• 3.1.3 交通状态分析的总体框架43-44
• 3.2 基于TIDS的交通状态参数提取44-52
• 3.2.1 TIDS简介及本文实例的数据说明44-46
• 3.2.2 基于TIDS的直接交通流参数分析46-50
• 3.2.3 基于TIDS的间接交通流参数分析50-52
• 3.3 基于数据挖掘的快速路交通数据预处理52-64
• 3.3.1 质量问题数据的挖掘清洗52-55
• 3.3.2 车辆折算系数的分类建模估算55-58
• 3.3.3 面向需求的交通数据合并处理58-60
• 3.3.4 TIDS数据预处理的实证分析60-64
• 3.4 小结64-65
• 4 快速路交通状态的划分及实时判定方法研究65-89
• 4.1 基于弹性理论的快速路交通状态划分65-78
• 4.1.1 道路交通状态划分的问题说明65-68
• 4.1.2 快速路交通状态划分的基本思路68-70
• 4.1.3 基于占有率的交通流参数模型70-71
• 4.1.4 交通状态的两阶段、四相位划分71-73
• 4.1.5 快速路交通状态划分的实证分析73-78
• 4.2 基于分级特征的快速路交通状态实时判定78-88
• 4.2.1 道路交通状态判定的问题说明78
• 4.2.2 基于单参数的快速路交通状态实时判定78-81
• 4.2.3 基于相似速度的快速路交通状态实时判定81-83
• 4.2.4 基于模糊推理的快速路交通状态实时判定83-88
• 4.3 小结88-89
• 5 快速路交通状态的动态性分析及建模方法研究89-119
• 5.1 交通状态时序分析概述89-91
• 5.1.1 交通状态时序分析的内涵89
• 5.1.2 交通状态时序分析的问题提出89-90
• 5.1.3 交通状态时序分析的基本思路90-91
• 5.2 快速路交通状态时序的特性分析及实证91-110
• 5.2.1 交通状态时序的统计特征分析91-94
• 5.2.2 交通状态时序的形态识别94-96
• 5.2.3 交通状态时序的周期性分析96-99
• 5.2.4 交通状态时序的趋势性分析99-104
• 5.2.5 交通状态时序的混沌性分析104-106
• 5.2.6 交通状态时序的突变性分析106-110
• 5.3 基于分形趋势组合的快速路交通状态时序建模110-117
• 5.3.1 快速路交通状态时序的建模流程110-112
• 5.3.2 交通状态时序的分形趋势组合建模112-117
• 5.4 小结117-119
• 6 快速路交通状态时序的关联分析方法研究119-155
• 6.1 交通状态关联分析概述119-121
• 6.1.1 交通状态关联分析的内涵119
• 6.1.2 交通状态关联的成因模式119-121
• 6.2 快速路交通状态时序关联的定性分析121-124
• 6.2.1 单截面交通状态关联的定性分析121-124
• 6.2.2 多截面交通状态关联的定性分析124
• 6.3 交通状态时序关联度的不确定性分析124-134
• 6.3.1 交通状态时序关联度的问题描述124-125
• 6.3.2 时序关联度的统计相关分析方法125-126
• 6.3.3 时序关联度的模糊相关分析方法126-127
• 6.3.4 时序关联度的灰色相关分析方法127-129
• 6.3.5 实例分析129-134
• 6.4 交通状态时序关联度的延迟性分析134-136
• 6.4.1 交通状态延迟性的问题描述134
• 6.4.2 考虑延迟的交通状态时序关联度计算134-136
• 6.4.3 延迟性在短时交通流预测中的应用136
• 6.5 基于空间权重矩阵的交通状态空间关联度计算136-144
• 6.5.1 空间关联度的问题描述136-137
• 6.5.2 空间自相关理论及其关联度计算137-138
• 6.5.3 基于连通性的空间权重矩阵构建138-140
• 6.5.4 实例分析140-144
• 6.6 基于空间Markov链的交通状态关联模式提取144-153
• 6.6.1 交通状态关联模式提取的问题描述145-146
• 6.6.2 交通状态时序的Markov链146-148
• 6.6.3 交通状态时序的空间Markov链148-149
• 6.6.4 实例分析149-153
• 6.7 小结153-155
• 7 结论与展望155-157
• 7.1 论文工作总结155-156
• 7.2 研究工作展望156-157
• 参考文献157-171
• 作者简历及攻读博士学位期间取得的研究成果171-175
• 学位论文数据集175

【参考文献】

中国期刊全文数据库 前10条

1 张心哲;关伟;;城市快速路路段交通流状态评估方法[J];北京交通大学学报;2009年06期

2 陈雪梅;高利;魏中华;李潜飞;;驾驶员因素与交通事故率的关联性[J];北京工业大学学报;2007年07期

3 周翔;翁剑成;邵长桥;荣建;任福田;;基于双流模型的城市交通状况宏观评价方法[J];北京工业大学学报;2008年02期

4 陈玉坤;司锡才;李伟彤;;基于模糊相似性测度的数据关联算法研究[J];弹箭与制导学报;2007年02期

5 达庆东 ,姜学锋;基于流量——占有率检测数据的交通状态划分[J];道路交通与安全;2002年03期

6 于春全;郭敏;梁玉庆;;关于建立城市道路交通运行状况宏观评价系统的研究[J];道路交通与安全;2007年01期

7 戢晓峰;;城市道路交通状态分析方法回顾与展望[J];道路交通与安全;2008年03期

8 沈涛;李娟;邵春福;张荣光;;动态交通信息处理技术研究[J];道路交通与安全;2009年04期

9 闫敏华,邓伟,陈泮勤;三江平原气候突变分析[J];地理科学;2003年06期

10 陈淑燕,王炜,瞿高峰;短时交通量时间序列的小波分析-模糊马尔柯夫预测方法[J];东南大学学报(自然科学版);2005年04期

中国博士学位论文全文数据库 前4条

1 高坤;从基本图方法到三相交通流理论[D];中国科学技术大学;2008年

2 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

3 曹宝贵;交通流复杂动态特性与交通拥堵问题研究[D];吉林大学;2010年

4 孙晓燕;交通流复杂动态特性的元胞自动机模型研究[D];中国科学技术大学;2010年

，

本文编号：1105383