高速公路基本路段交通状态判别方法研究
发布时间：2021-01-13 18:54
高速公路是人们日常生活出行的重要载体,由于交通出行量的急剧增加,导致路网规模的不断扩大化,路网结构的逐渐复杂化,道路交通拥挤趋向常态化、道路事故频发、能源消耗增多等诸多问题也变得日益突出。目前在高速公路交通状态判别研究方面,其研究成果和实践应用均有一定基础,但并非很完善,加之新的数据源为方法的完善提供了新的方式,因此,本文开展了基于微波数据和手机数据的交通状态判别方法研究。首先,以高速公路基本路段为着手点,归纳分析了常用的高速公路交通流参数采集技术,并对比各类技术的优缺点,以此明确了以微波检测器和手机切换定位检测器采集的数据为论文研究的数据基础。另外,分析交通状态所涉及的交通参数及其之间的关系,选取交通量、速度和占有率为论文研究的交通状态参数。其次,阐述了微波检测技术和手机切换定位技术的基本原理,并对微波数据和手机数据的精度进行了分析,提出以交通量、微波检测速度值、手机检测速度值和占有率作为交通状态判别研究的参数。基于此,提出了以故障数据的识别修复和交通数据的转化为重点的交通数据预处理方法,并分析了微波数据和手机数据的各自特性,结果表明,手机测速值明显高于微波测速值,但其整体的变化趋势...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
技术路线示意图
东南大学硕士学位论文12表2-1匝道影响范围位置上游距离（m）下游距离（m）驶入匝道-主线连接处150760驶出匝道-主线连接处760150（2）交织区交织区是指两个或者更多车流沿着高速公路一定路段，且在没有任何交通控制设施的情况下，相交而过的运行所通过的高速公路路段，其可包括合流区与分流区。其示意图如图2-2所示：图2-2交织区的示意图根据美国《道路通行能力手册》[42]可知，交织区是以驶入匝道-主线连接处上游500英尺（约150米）至驶出匝道-主线连接处下游500英尺为其作用范围。（3）基本路段高速公路基本路段是指主线上不受匝道附近的合流、分流以及交织区影响的路段部分，其处于匝道及交织区影响范围之外。基本示意图如图2-3所示：图2-3高速公路基本路段示意图通过对匝道、交织区以及基本路段的定义及其影响范围的阐述与分析，可见，基本路段的交通流相对比其他区域更为简单，因此本次的研究工作暂以基本路段为着手点。2.2交通状态参数的采集实时、准确的交通信息是进行交通状态判别的基矗充分的高速公路交通信息包括静态交通信息、动态交通信息两大类[43]。其中，静态交通信息是指以路网信息和交通基础设施信息等为代表的，在一定时期内可以维持相对平稳的交通信息。相对地，动态交通信息则指随时间发生动态变化的信息，如交通流信息、交通事件信息、施工/养护信息等。高速公路交通状态判别是在静态交通信息的基础上，通过采集动态交通信息，判别其运行状态。匝道、交织影响区匝道、交织影响区基本路段交织区长度主线
m，RTMS）作为一种新型的微波交通检测器，用来进行采集交通信息。与传统的微波检测器相比，它的投影测量区域更加广阔，可以检测0-76米范围内的行驶车辆和静止车辆，同时检测多车道的交通信息（最大可检测的车道数不少于12个）。RTMS的工作流程包含3个模块：分别是背景阈值自动生成模块，目标车辆判断模块和信号恢复及数据记录模块，且三个模块按时间顺序相继发生[44]。（1）背景阈值自动生成。RTMS在通电开机后对背景进行自动学习，接收天线在检测到路面的回波信号后，可根据信号强弱自动生成背景阈值。如图3-1所示：图3-1RTMS的背景阈值自动生成示意图（2）目标判断。当车辆经过检测断面时，由于其近侧面的回波信号强度高于背景阈
【参考文献】：
期刊论文
[1]基于谱聚类与RS-KNN的城市快速路交通状态判别[J]. 商强,林赐云,杨兆升,邴其春,田秀娟,王树兴. 华南理工大学学报(自然科学版). 2017(06)
[2]基于FCM快速路交通状态判别加权指数研究[J]. 吴启顺,蔡晓禹,蔡明. 科学技术与工程. 2017(06)
[3]交通状态划分的参数权重聚类方法研究[J]. 张亮亮,贾元华,牛忠海,廖成. 交通运输系统工程与信息. 2014(06)
[4]基于随机森林的交通事件检测方法设计与分析(英文)[J]. 刘擎超,陆建,陈淑燕. Journal of Southeast University（English Edition）. 2014(01)
[5]基于支持向量机的城市道路交通状态模式识别研究[J]. 于荣,王国祥,郑继媛,王海燕. 交通运输系统工程与信息. 2013(01)
[6]微波检测技术在交通管理中的应用[J]. 蒋程,张凯,刘权富. 交通标准化. 2012(07)
[7]基于优化SVM的城市快速路网交通流状态判别[J]. 董春娇,邵春福,熊志华. 北京交通大学学报. 2011(06)
[8]基于BP神经网络的道路交通状态判别方法研究[J]. 巫威眺,靳文舟,林培群. 交通信息与安全. 2011(04)
[9]基于神经网络的交通状态模糊判别方法[J]. 曹成涛,崔凤,林晓辉. 科学技术与工程. 2010(21)
[10]基于手机位置的实时交通信息采集技术[J]. 王西点. 中国交通信息产业. 2009(01)
博士论文
[1]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[2]基于知识的交通拥堵疏导决策方法及系统研究[D]. 谈晓洁.东南大学 2005
硕士论文
[1]基于HMM的交通状态判别及其在交通流参数短时预测中的应用[D]. 王漫.东南大学 2017
[2]高速公路实时交通状态判别方法研究[D]. 杜崇.北京交通大学 2017
[3]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[4]高速公路基本路段实时交通状态判别方法的研究及应用[D]. 陈会茹.长安大学 2015
[5]基于移动通信仿真的城市主干路行程车速手机数据采样效果研究[D]. 尤伟杰.西南交通大学 2014
本文编号：2975389
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
技术路线示意图
东南大学硕士学位论文12表2-1匝道影响范围位置上游距离（m）下游距离（m）驶入匝道-主线连接处150760驶出匝道-主线连接处760150（2）交织区交织区是指两个或者更多车流沿着高速公路一定路段，且在没有任何交通控制设施的情况下，相交而过的运行所通过的高速公路路段，其可包括合流区与分流区。其示意图如图2-2所示：图2-2交织区的示意图根据美国《道路通行能力手册》[42]可知，交织区是以驶入匝道-主线连接处上游500英尺（约150米）至驶出匝道-主线连接处下游500英尺为其作用范围。（3）基本路段高速公路基本路段是指主线上不受匝道附近的合流、分流以及交织区影响的路段部分，其处于匝道及交织区影响范围之外。基本示意图如图2-3所示：图2-3高速公路基本路段示意图通过对匝道、交织区以及基本路段的定义及其影响范围的阐述与分析，可见，基本路段的交通流相对比其他区域更为简单，因此本次的研究工作暂以基本路段为着手点。2.2交通状态参数的采集实时、准确的交通信息是进行交通状态判别的基矗充分的高速公路交通信息包括静态交通信息、动态交通信息两大类[43]。其中，静态交通信息是指以路网信息和交通基础设施信息等为代表的，在一定时期内可以维持相对平稳的交通信息。相对地，动态交通信息则指随时间发生动态变化的信息，如交通流信息、交通事件信息、施工/养护信息等。高速公路交通状态判别是在静态交通信息的基础上，通过采集动态交通信息，判别其运行状态。匝道、交织影响区匝道、交织影响区基本路段交织区长度主线
m，RTMS）作为一种新型的微波交通检测器，用来进行采集交通信息。与传统的微波检测器相比，它的投影测量区域更加广阔，可以检测0-76米范围内的行驶车辆和静止车辆，同时检测多车道的交通信息（最大可检测的车道数不少于12个）。RTMS的工作流程包含3个模块：分别是背景阈值自动生成模块，目标车辆判断模块和信号恢复及数据记录模块，且三个模块按时间顺序相继发生[44]。（1）背景阈值自动生成。RTMS在通电开机后对背景进行自动学习，接收天线在检测到路面的回波信号后，可根据信号强弱自动生成背景阈值。如图3-1所示：图3-1RTMS的背景阈值自动生成示意图（2）目标判断。当车辆经过检测断面时，由于其近侧面的回波信号强度高于背景阈
【参考文献】：
期刊论文
[1]基于谱聚类与RS-KNN的城市快速路交通状态判别[J]. 商强,林赐云,杨兆升,邴其春,田秀娟,王树兴. 华南理工大学学报(自然科学版). 2017(06)
[2]基于FCM快速路交通状态判别加权指数研究[J]. 吴启顺,蔡晓禹,蔡明. 科学技术与工程. 2017(06)
[3]交通状态划分的参数权重聚类方法研究[J]. 张亮亮,贾元华,牛忠海,廖成. 交通运输系统工程与信息. 2014(06)
[4]基于随机森林的交通事件检测方法设计与分析(英文)[J]. 刘擎超,陆建,陈淑燕. Journal of Southeast University（English Edition）. 2014(01)
[5]基于支持向量机的城市道路交通状态模式识别研究[J]. 于荣,王国祥,郑继媛,王海燕. 交通运输系统工程与信息. 2013(01)
[6]微波检测技术在交通管理中的应用[J]. 蒋程,张凯,刘权富. 交通标准化. 2012(07)
[7]基于优化SVM的城市快速路网交通流状态判别[J]. 董春娇,邵春福,熊志华. 北京交通大学学报. 2011(06)
[8]基于BP神经网络的道路交通状态判别方法研究[J]. 巫威眺,靳文舟,林培群. 交通信息与安全. 2011(04)
[9]基于神经网络的交通状态模糊判别方法[J]. 曹成涛,崔凤,林晓辉. 科学技术与工程. 2010(21)
[10]基于手机位置的实时交通信息采集技术[J]. 王西点. 中国交通信息产业. 2009(01)
博士论文
[1]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[2]基于知识的交通拥堵疏导决策方法及系统研究[D]. 谈晓洁.东南大学 2005
硕士论文
[1]基于HMM的交通状态判别及其在交通流参数短时预测中的应用[D]. 王漫.东南大学 2017
[2]高速公路实时交通状态判别方法研究[D]. 杜崇.北京交通大学 2017
[3]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[4]高速公路基本路段实时交通状态判别方法的研究及应用[D]. 陈会茹.长安大学 2015
[5]基于移动通信仿真的城市主干路行程车速手机数据采样效果研究[D]. 尤伟杰.西南交通大学 2014
本文编号：2975389
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2975389.html
