城市交叉口短时交通流的配时优化方案研究与应用
发布时间：2020-12-10 20:09
准确、高效的交通流预测是智能交通系统的核心功能,也是实现智能交通诱导和控制的前提;而改善交叉口信号配时,则是提高交通运行系统效能的关键。本文以短时交通流预测为基础,对交叉口配时优化进行研究,具有一定的理论意义和实际应用价值。本文在研究现有短时交通流预测模型基础上,融合传统机器学习和深度学习模型,提出了一种混合预测交通流模型,以及基于该模型的交叉口多目标配时优化模型,实现了基于预测交通流的交叉口交通控制信号多目标配时优化计算。论文主要工作与贡献包括:1.分析交通流量的主要特性和时空相关性,以及交通流数据集特点,并从不同维度分析交通流的特征。在此基础上,针对短时交通流预测,提出CNN-XGBoost混合预测模型。将CNN-XGBoost模型与其它四种预测模型进行实验对比,验证该模型的优势。2.基于短时交通流预测,建立交叉口多目标配时优化模型,并提出一种改进的非支配排序遗传算法（Nondominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ）算法。3.利用河北育才街和裕华路交叉口几何条件和相位相序,以及基于实际交通流生成数据,对该交叉口使用VISSIM进行仿真...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 国内外研究现状
1.3.1 短时交通流预测
1.3.2 交通信号控制
1.4 研究目标和研究内容
1.5 论文组织结构
第2章 相关理论与技术
2.1 交通信号控制相关概念和评价指标
2.1.1 交通信号控制的基本参数
2.1.2 交通信号控制的评价指标
2.2 XGBoost模型
2.3 深度学习模型
2.3.1 长短期记忆模型
2.3.2 卷积神经网络模型
2.4 多目标优化的相关理论和NSGA-Ⅱ算法
2.4.1 多目标优化的相关概念
2.4.2 多目标优化的评价指标
2.4.3 NSGA-Ⅱ优化算法
2.5 城市交通信号智能控制系统相关技术
2.5.1 Spring/SpringBoot相关技术
2.5.2 Netty相关技术
2.6 本章小结
第3章 短时交通流预测
3.1 交通流量主要特性和时空相关性
3.1.1 交通流量主要特性
3.1.2 交通流量时空相关性
3.2 交通流数据集分析
3.2.1 交通流数据结构
3.2.2 交通流数据预处理
3.3 基于XGBoost模型的短时交通流预测
3.4 基于深度学习模型的短时交通流预测
3.4.1 LSTM预测模型
3.4.2 CNN预测模型
3.5 混合预测模型
3.5.1 LSTM-XGBoost预测模型
3.5.2 CNN-XGBoost预测模型
3.6 实验结果与讨论
3.7 本章小结
第4章 交叉口多目标配时优化模型和优化算法
4.1 经典配时方法
4.1.1 Webster配时法
4.1.2 HCM配时法
4.1.3 ARRB配时法
4.2 多目标配时优化模型
4.2.1 性能指标选择
4.2.2 配时优化模型
4.2.3 配时方案选择
4.3 改进的NSGA-Ⅱ优化算法
4.3.1 新的初始化种群
4.3.2 概率选择算子
4.3.3 混合交叉算子
4.3.4 INSGA-Ⅱ算法步骤
4.3.5 INSGA-Ⅱ算法测试和分析
4.4 本章小结
第5章 实例仿真与分析
5.1 交叉口条件
5.1.1 交叉口几何条件
5.1.2 交叉口现行信号相位和配时方案
5.2 仿真建模与实验参数
5.2.1 VISSIM仿真软件概述
5.2.2 交叉口仿真步骤
5.2.3 实验参数
5.3 仿真结果分析
5.4 本章小结
第6章 城市交通信号智能控制子系统设计与实现
6.1 UTSICS系统需求分析
6.1.1 功能需求
6.1.2 质量需求
6.2 UTSICS系统总体设计
6.2.1 系统的技术架构
6.2.2 系统的模块结构
6.2.3 数据持久化存储设计
6.2.4 系统开发工具以及运行环境
6.3 UTSICS子系统实现
6.3.1 参数分析实现
6.3.2 仿真优化实现
6.4 本章小结
第7章 总结与展望
7.1 总结
7.2 下一步工作展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果
【参考文献】：
期刊论文
[1]基于深度学习的短时交通流预测研究[J]. 王祥雪,许伦辉. 交通运输系统工程与信息. 2018(01)
[2]基于NSGA-Ⅱ的并网型风光互补发电系统协调控制[J]. 李晓青,王小会,李慧玲. 测控技术. 2017(12)
[3]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[4]城市道路短时交通流预测方法研究[J]. 马飞虎,饶志强. 公路. 2017(06)
[5]基于组合模型的短时交通流量预测算法[J]. 芮兰兰,李钦铭. 电子与信息学报. 2016(05)
[6]基于支持向量机回归的短时交通流预测模型[J]. 傅贵,韩国强,逯峰,许子鑫. 华南理工大学学报(自然科学版). 2013(09)
[7]基于NSGA-Ⅱ算法的过饱和状态交叉口群交通信号配时优化（英文）[J]. 李岩,过秀成,陶思然,杨洁. Journal of Southeast University(English Edition). 2013(02)
[8]基于时空依赖性的区域路网短时交通流预测模型[J]. 常刚,张毅,姚丹亚. 清华大学学报(自然科学版). 2013(02)
[9]短时交通流预测模型[J]. 樊娜,赵祥模,戴明,安毅生. 交通运输工程学报. 2012(04)
[10]国外智能交通系统的发展情况[J]. 陈桂香. 中国安防. 2012(06)
博士论文
[1]城市交通控制信号配时参数优化方法研究[D]. 栗红强.吉林大学 2004
硕士论文
[1]信号交叉口违规变道对交通效率影响研究[D]. 何磊.长安大学 2017
[2]拥挤网络交叉口多目标配时优化研究[D]. 张凌煊.西南交通大学 2015
[3]基于粒子群算法的区域交通优化控制的研究[D]. 李忠玉.西华大学 2015
[4]基于低碳交通的信号交叉口优化控制研究[D]. 王芳.湖南大学 2014
[5]城市单交叉路口交通信号的控制方法研究[D]. 曾松林.西南交通大学 2013
[6]城市交通动态研判应用技术研究[D]. 杨洪.西南交通大学 2013
[7]基于多目标规划的城市道路交叉口信号配时研究[D]. 刘金明.北京交通大学 2011
[8]基于FCD的交通动态区域协调控制研究[D]. 卞凯.中国科学技术大学 2011
[9]车辆导航系统中动态路径规划方法研究[D]. 曹磊.吉林大学 2009
本文编号：2909298
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 国内外研究现状
1.3.1 短时交通流预测
1.3.2 交通信号控制
1.4 研究目标和研究内容
1.5 论文组织结构
第2章 相关理论与技术
2.1 交通信号控制相关概念和评价指标
2.1.1 交通信号控制的基本参数
2.1.2 交通信号控制的评价指标
2.2 XGBoost模型
2.3 深度学习模型
2.3.1 长短期记忆模型
2.3.2 卷积神经网络模型
2.4 多目标优化的相关理论和NSGA-Ⅱ算法
2.4.1 多目标优化的相关概念
2.4.2 多目标优化的评价指标
2.4.3 NSGA-Ⅱ优化算法
2.5 城市交通信号智能控制系统相关技术
2.5.1 Spring/SpringBoot相关技术
2.5.2 Netty相关技术
2.6 本章小结
第3章 短时交通流预测
3.1 交通流量主要特性和时空相关性
3.1.1 交通流量主要特性
3.1.2 交通流量时空相关性
3.2 交通流数据集分析
3.2.1 交通流数据结构
3.2.2 交通流数据预处理
3.3 基于XGBoost模型的短时交通流预测
3.4 基于深度学习模型的短时交通流预测
3.4.1 LSTM预测模型
3.4.2 CNN预测模型
3.5 混合预测模型
3.5.1 LSTM-XGBoost预测模型
3.5.2 CNN-XGBoost预测模型
3.6 实验结果与讨论
3.7 本章小结
第4章 交叉口多目标配时优化模型和优化算法
4.1 经典配时方法
4.1.1 Webster配时法
4.1.2 HCM配时法
4.1.3 ARRB配时法
4.2 多目标配时优化模型
4.2.1 性能指标选择
4.2.2 配时优化模型
4.2.3 配时方案选择
4.3 改进的NSGA-Ⅱ优化算法
4.3.1 新的初始化种群
4.3.2 概率选择算子
4.3.3 混合交叉算子
4.3.4 INSGA-Ⅱ算法步骤
4.3.5 INSGA-Ⅱ算法测试和分析
4.4 本章小结
第5章 实例仿真与分析
5.1 交叉口条件
5.1.1 交叉口几何条件
5.1.2 交叉口现行信号相位和配时方案
5.2 仿真建模与实验参数
5.2.1 VISSIM仿真软件概述
5.2.2 交叉口仿真步骤
5.2.3 实验参数
5.3 仿真结果分析
5.4 本章小结
第6章 城市交通信号智能控制子系统设计与实现
6.1 UTSICS系统需求分析
6.1.1 功能需求
6.1.2 质量需求
6.2 UTSICS系统总体设计
6.2.1 系统的技术架构
6.2.2 系统的模块结构
6.2.3 数据持久化存储设计
6.2.4 系统开发工具以及运行环境
6.3 UTSICS子系统实现
6.3.1 参数分析实现
6.3.2 仿真优化实现
6.4 本章小结
第7章 总结与展望
7.1 总结
7.2 下一步工作展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果
【参考文献】：
期刊论文
[1]基于深度学习的短时交通流预测研究[J]. 王祥雪,许伦辉. 交通运输系统工程与信息. 2018(01)
[2]基于NSGA-Ⅱ的并网型风光互补发电系统协调控制[J]. 李晓青,王小会,李慧玲. 测控技术. 2017(12)
[3]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[4]城市道路短时交通流预测方法研究[J]. 马飞虎,饶志强. 公路. 2017(06)
[5]基于组合模型的短时交通流量预测算法[J]. 芮兰兰,李钦铭. 电子与信息学报. 2016(05)
[6]基于支持向量机回归的短时交通流预测模型[J]. 傅贵,韩国强,逯峰,许子鑫. 华南理工大学学报(自然科学版). 2013(09)
[7]基于NSGA-Ⅱ算法的过饱和状态交叉口群交通信号配时优化（英文）[J]. 李岩,过秀成,陶思然,杨洁. Journal of Southeast University(English Edition). 2013(02)
[8]基于时空依赖性的区域路网短时交通流预测模型[J]. 常刚,张毅,姚丹亚. 清华大学学报(自然科学版). 2013(02)
[9]短时交通流预测模型[J]. 樊娜,赵祥模,戴明,安毅生. 交通运输工程学报. 2012(04)
[10]国外智能交通系统的发展情况[J]. 陈桂香. 中国安防. 2012(06)
博士论文
[1]城市交通控制信号配时参数优化方法研究[D]. 栗红强.吉林大学 2004
硕士论文
[1]信号交叉口违规变道对交通效率影响研究[D]. 何磊.长安大学 2017
[2]拥挤网络交叉口多目标配时优化研究[D]. 张凌煊.西南交通大学 2015
[3]基于粒子群算法的区域交通优化控制的研究[D]. 李忠玉.西华大学 2015
[4]基于低碳交通的信号交叉口优化控制研究[D]. 王芳.湖南大学 2014
[5]城市单交叉路口交通信号的控制方法研究[D]. 曾松林.西南交通大学 2013
[6]城市交通动态研判应用技术研究[D]. 杨洪.西南交通大学 2013
[7]基于多目标规划的城市道路交叉口信号配时研究[D]. 刘金明.北京交通大学 2011
[8]基于FCD的交通动态区域协调控制研究[D]. 卞凯.中国科学技术大学 2011
[9]车辆导航系统中动态路径规划方法研究[D]. 曹磊.吉林大学 2009
本文编号：2909298
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2909298.html
