基于监督式学习的城市路网动态OD估计方法研究

发布时间：2021-02-09 07:12

　　利用道路交通供需关系实现精细化城市交通管理是智能交通的主要内容,其中城市路网动态OD估计是交通需求侧的重要支撑。现有理论与方法存在动态交通分配模型难以精确描述真实路网车辆出行路径选择规律、OD估计模型调优求解费时费力等不足。各种车辆检测器的广泛布设为智能交通提供了多样的交通大数据,以高清卡口车辆检测器采集的号牌数据为代表的车辆轨迹数据可以提供车辆的行驶路径,为估计路网动态OD提供了数据支持。以深度学习为代表的人工智能技术为交通科学问题提供了新的解决思路。本研究以车辆号牌数据获得的车辆出行链为基础,以深度学习中的监督式学习方法为主要手段,主要内容包括车辆出行链划分、车辆轨迹重构、路网动态OD估计三个方面,具体研究内容总结如下。获得车辆单次出行的出行路径是后续动态OD估计的基础步骤。从号牌数据中容易提取出所有车辆当天的出行链,但车辆出行链通常包含多次出行,因此首先将车辆出行链进行划分。考虑路段行程时间的时变特性,本文基于微波数据和路段的长度属性,利用dijkstra算法的搜索思想,提出了一种适用于城市路网的交通小区最短路求解方法;以此方法求得的交通小区特定时段的最短行程时间为依据,与号牌数... 

【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】：80 页

【学位级别】：硕士

【部分图文】：

实例路网地图

图 3.2 一条车辆出行链包含多次出行示例图由号牌数据得到的车辆出行链包含车辆驶过每个交叉口的时间，对于同一车牌相两条过车数据，两者时间相减能得到该辆车在两个交叉口间的通行时间 t1，用 3.2出的方法能够求出该辆车在当前时段在两个交叉口的最短行程时间 t2，本文通过比1 和 t2*2 的大小关系，对车辆的出行链进行划分，研究区域内某天号牌数据的出行链

的结构

【参考文献】：
期刊论文
[1]基于定点检测数据的城市干道车辆轨迹重构[J]. 唐克双,徐天祥,潘昂,李诗琪.  同济大学学报(自然科学版). 2016(10)
[2]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊.  中国公路学报. 2016(06)
[3]基于路口转弯流量的OD估计方法研究[J]. 李瑞敏,陈熙怡,张睿博.  交通运输系统工程与信息. 2015(06)
[4]基于车辆自动识别技术的动态OD矩阵估计新方法[J]. 孙剑,冯羽.  同济大学学报(自然科学版). 2013(09)
[5]基于神经网络的OD分布矩阵反推方法[J]. MUSSONE Lorenzoa,MATTEUCCI Matteob.  交通运输系统工程与信息. 2013(04)
[6]动态OD估计方法研究综述[J]. 赵慧.  交通标准化. 2011(22)
[7]车辆轨迹数据的若干处理方法研究[J]. 丁军,张佐,陈洪昕,马晓.  交通信息与安全. 2011(05)
[8]快速路通道动态OD流估计模型[J]. 李俊卫,林柏梁,王海星,耿雪霏.  北京交通大学学报. 2008(06)
[9]一种动态OD矩阵估计算法的研究及应用[J]. 李杰,陈锋,王家捷.  模式识别与人工智能. 2006(06)
[10]全路网改进动态O-D反推模型[J]. 焦朋朋,陆化普.  清华大学学报(自然科学版). 2006(09)

博士论文
[1]基于实测数据的道路交通状态特征及拥堵传播规律分析方法[D]. 韦伟.北京交通大学 2017
[2]基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 赵鹏祥.武汉大学 2015
[3]基于交通流参数的动态OD估计方法研究[D]. 王京.吉林大学 2012
[4]基于交通传播特性分析的城市路网动态OD在线估计[D]. 聂庆慧.东南大学 2017
[5]城市路网动态OD矩阵估计仿真方法研究[D]. 刁阳.上海交通大学 2011

硕士论文
[1]基于LSTM循环神经网络的TCP状态估计方法研究[D]. 聂佛辉.中国科学技术大学 2018
[2]Android平台的CNN模型能效优化问题研究[D]. 王震.中国科学技术大学 2018
[3]基于出行链的公交乘客出行特征分析[D]. 王俊兵.北京交通大学 2017
[4]基于LSTM神经网络的中文语义解析技术研究[D]. 张晓.东南大学 2017



本文编号：3025265