城市主干道交通流的二型模糊分析
发布时间：2021-02-18 18:42
随着我国经济的快速发展和人们生活水平的不断提高,机动车数量急剧增加,导致城市交通拥堵状态的频繁发生。城市主干道承担着城市交通的大部分运力,因此,有效地对城市主干道车流量的分析将有助于更好地了解城市交通流的演化动态,为制定合适的交通管理规划制度奠定理论基础,为改善城市交通拥堵提供依据。针对主干道车流量变化的情况,论文采用区间二型模糊集合方法来对交通流进行分析。论文的主要内容包括以下几个方面的工作:（1）论文运用分层抽样与K均值聚类相结合的方法,对主干道各个方向道路的点数据进行采集。由于周末和工作日车流量变化存在极大差异,且工作日的各个时间段车流量亦存在极大差异,因此,论文把一天分为六个时间段:凌晨、上午高峰期、中午、下午、下午高峰期、夜晚,以每5分钟为一个时间点对交通流的点数据进行分层抽样;利用K均值聚类算法对各个时间段的交通流的点数据进行聚类分析。（2）论文介绍了二型模糊集合的新定义,给出了高斯区间二型模糊集合的基本定义、表述及并、交、补运算方法,并给出了相应的运算实例。（3）运用中心极限定理来将分散的点数据先转换成区间形式,结合区间二型模糊集合与置信区间的方法来处理交通流数据,采用二...
【文章来源】：长沙理工大学湖南省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．１三维空间的二型模糊集合??
?硕士学位论文???［ｑ，＾ｉ］?ｘ?＝?ｘｘ??Ｌｘ＝＜?ｘ?＝?Ｘｊ?（３．１６）??［ｃ？?＾ｎ＼?ｘ?＝?ｘｎ??即当Ｘ?＝?ｘ，时，对应的主隶属度４为［ｃ，，Ｊ，］，其中／?＝?１，…，《，贝！Ｊ对应的ＣｏＳ＞２）及此半??离散区间二型模糊集合可以表示如下：??ＣｏＳ＼（ｄ２）?＝?Ｊ＾１１＾－?（３．１７）??，＝１?尤，??ｎ＝１?Ｘ＇?（３．１８）??１］??夺。．４、?／ｆ??０．２、??２?＾＾０．６??６?０??图３．１三维空间的高斯二型模糊集合??１４??
图３．２两个１Ｔ２?ＦＳ的ＣｏＳ的并??
【参考文献】：
期刊论文
[1]基于梯度提升回归树的短时交通流预测模型[J]. 沈夏炯,张俊涛,韩道军. 计算机科学. 2018(06)
[2]时变论域下红绿灯配时的语言动力学分析[J]. 莫红,郝学新. 自动化学报. 2017(12)
[3]基于计算实验的公共交通需求预测方法[J]. 陈曦,彭蕾,李炜. 自动化学报. 2017(01)
[4]Traffic Signal Timing via Deep Reinforcement Learning[J]. Li Li,Yisheng Lv,Fei-Yue Wang. IEEE/CAA Journal of Automatica Sinica. 2016(03)
[5]城市快速路交通流特性分析[J]. 杨骁路,谷远利,邢珊珊,庄广新. 山东科学. 2016(03)
[6]城市快速路交织区拥挤交通流的研究与探讨[J]. 李瑶. 物流工程与管理. 2016(06)
[7]交通流随机行为的研究进展[J]. 张继业,郑伟范. 西南交通大学学报. 2016(03)
[8]Traffic Flow Data Forecasting Based on Interval Type-2 Fuzzy Sets Theory[J]. Runmei Li,Chaoyang Jiang,Fenghua Zhu,Xiaolong Chen. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[9]考虑公交车流运行速度的城市短时交通流预测方法研究[J]. 潘红,范宏建. 公路与汽运. 2016(02)
[10]城市快速路交通流特性分析[J]. 杨泳,户佐安,梁标. 西华大学学报(自然科学版). 2016(02)
硕士论文
[1]基于二型模糊集合的主干道交通流控制[D]. 刘主正.长沙理工大学 2017
[2]基于二型模糊集合理论的交通流长时预测方法研究[D]. 江超阳.北京交通大学 2016
[3]基于群智能算法优化SVR的短时交通流预测[D]. 方仁孝.大连理工大学 2015
[4]大连市智能交通管理平台的设计与实现[D]. 张驰.长安大学 2015
[5]交通状态分类方法研究与设计[D]. 谢丹丹.浙江工业大学 2014
[6]基于马尔科夫模型的短时交通流预测研究[D]. 胡枫.南京邮电大学 2013
[7]不利条件下高速公路交通流智能控制模型研究[D]. 西小鸣.石家庄铁道大学 2013
[8]城市道路交通流预测及应用[D]. 谭政.华南理工大学 2012
本文编号：3039942
【文章来源】：长沙理工大学湖南省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．１三维空间的二型模糊集合??
?硕士学位论文???［ｑ，＾ｉ］?ｘ?＝?ｘｘ??Ｌｘ＝＜?ｘ?＝?Ｘｊ?（３．１６）??［ｃ？?＾ｎ＼?ｘ?＝?ｘｎ??即当Ｘ?＝?ｘ，时，对应的主隶属度４为［ｃ，，Ｊ，］，其中／?＝?１，…，《，贝！Ｊ对应的ＣｏＳ＞２）及此半??离散区间二型模糊集合可以表示如下：??ＣｏＳ＼（ｄ２）?＝?Ｊ＾１１＾－?（３．１７）??，＝１?尤，??ｎ＝１?Ｘ＇?（３．１８）??１］??夺。．４、?／ｆ??０．２、??２?＾＾０．６??６?０??图３．１三维空间的高斯二型模糊集合??１４??
图３．２两个１Ｔ２?ＦＳ的ＣｏＳ的并??
【参考文献】：
期刊论文
[1]基于梯度提升回归树的短时交通流预测模型[J]. 沈夏炯,张俊涛,韩道军. 计算机科学. 2018(06)
[2]时变论域下红绿灯配时的语言动力学分析[J]. 莫红,郝学新. 自动化学报. 2017(12)
[3]基于计算实验的公共交通需求预测方法[J]. 陈曦,彭蕾,李炜. 自动化学报. 2017(01)
[4]Traffic Signal Timing via Deep Reinforcement Learning[J]. Li Li,Yisheng Lv,Fei-Yue Wang. IEEE/CAA Journal of Automatica Sinica. 2016(03)
[5]城市快速路交通流特性分析[J]. 杨骁路,谷远利,邢珊珊,庄广新. 山东科学. 2016(03)
[6]城市快速路交织区拥挤交通流的研究与探讨[J]. 李瑶. 物流工程与管理. 2016(06)
[7]交通流随机行为的研究进展[J]. 张继业,郑伟范. 西南交通大学学报. 2016(03)
[8]Traffic Flow Data Forecasting Based on Interval Type-2 Fuzzy Sets Theory[J]. Runmei Li,Chaoyang Jiang,Fenghua Zhu,Xiaolong Chen. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[9]考虑公交车流运行速度的城市短时交通流预测方法研究[J]. 潘红,范宏建. 公路与汽运. 2016(02)
[10]城市快速路交通流特性分析[J]. 杨泳,户佐安,梁标. 西华大学学报(自然科学版). 2016(02)
硕士论文
[1]基于二型模糊集合的主干道交通流控制[D]. 刘主正.长沙理工大学 2017
[2]基于二型模糊集合理论的交通流长时预测方法研究[D]. 江超阳.北京交通大学 2016
[3]基于群智能算法优化SVR的短时交通流预测[D]. 方仁孝.大连理工大学 2015
[4]大连市智能交通管理平台的设计与实现[D]. 张驰.长安大学 2015
[5]交通状态分类方法研究与设计[D]. 谢丹丹.浙江工业大学 2014
[6]基于马尔科夫模型的短时交通流预测研究[D]. 胡枫.南京邮电大学 2013
[7]不利条件下高速公路交通流智能控制模型研究[D]. 西小鸣.石家庄铁道大学 2013
[8]城市道路交通流预测及应用[D]. 谭政.华南理工大学 2012
本文编号：3039942
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3039942.html
