基于浮动车数据的城市道路交通评价分析
发布时间：2021-04-17 19:04
随着城市化快速的发展进程,交通拥堵已经成为国内外大中城市亟需解决的严重问题之一。交通拥堵常态化现象不仅严重影响公众出行,抑制了城市的发展,同时减缓了城市的升级进度,降低了城市发展效能。因此,面向当前日益复杂的城市道路交通现状,迫切需要研究科学、有效的城市交通运行评价体系,以更好地为改善城市交通管理措施和缓解交通拥堵问题提供合理依据与技术方法支持。为了对城市道路交通运行状态做出合理评价,本文基于浮动车数据研究了城市交通运行评价方法体系;针对已有评价方法主要考虑交通参数与路网使用性能,较少考虑城市道路网络结构特征以及多种环境因素对交通运行的影响,评价指标体系缺乏多样化的问题,本文以城市交通评价体系为基础,研究顾及交通网络特征的交通运行指数,基于该指数研究城市道路交通预测评价方法,通过对城市道路交通运行指数的预测分析,为公众及时掌握城市道路交通运行状态及合理安排交通出行提供参考。论文主要研究内容包括以下三个方面:（1）城市交通运行评价的方法体系。本文面向城市交通运行状态的特点和公众出行的需求,研究了使用交通参数的典型城市交通运行指数构建方法;结合影响城市交通运行状态的多种因素,研究了城市交通...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
路段叠加热点区域示意
57图 5-13 成都市二环区域内道路网络抽象图中的距离计算往往要为边赋予相应的权值，以满足不长度作为距离，另外还有使用步数作为距离的计算到其他节点的容易程度，只需计算一个点到达另一离来表示节点到其他节点的距离，将所有边的权重3.1 小节中描述的方法计算出节点到网络结构中其他
第五章 实验与分析考虑道路网络结构特征值，因此将参数设置为 0.5， 0.2， 0.3。5.3.2 顾及城市道路交通网络特征的评价分析基于每个路段的交通影响因子计算结果，根据本文提出的交通运行指数模型进行计算，得出交通运行指数结果。利用同样的数据集及对应影响因子，分别采用北京市基于拥堵里程比、深圳市基于行程时间比以及上海市考虑车道数和里程长度的综合指标评价的指数模型对数据进行计算，与本文的方法进行对比。值得注意的是，北京的指标阈值在 0~10，深圳的指标阈值范围在 0~5，而上海和本文的阈值则在 0~100，为了将几种方法进行对比，将实验结果通过转换计算，阈值取值集中在 0~10。图 5-14(a)显示了 2014 年 8 月 7 日工作日 6:00-24:00 的交通运行指数结果，图 5-14(b)为 2014 年 8 月 10 日周日 6:00-24:00 的指数结果。
【参考文献】：
期刊论文
[1]基于SVM的短期交通状态预测识别研究[J]. 肖思思,杨宏业. 内蒙古工业大学学报(自然科学版). 2017(02)
[2]基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 刘钊,杜威,闫冬梅,柴干,郭建华. 公路交通科技. 2017(05)
[3]考虑多因素的城市道路交通拥堵指数预测研究[J]. 韦清波,何兆成,郑喜双,陈昶佳,杨敬锋. 交通运输系统工程与信息. 2017(01)
[4]基于ARIMA和小波神经网络组合模型的交通流预测[J]. 成云,成孝刚,谈苗苗,周凯,李海波. 计算机技术与发展. 2017(01)
[5]基于数据场的出租车轨迹热点区域探测方法[J]. 周勍,秦昆,陈一祥,李志鑫. 地理与地理信息科学. 2016(06)
[6]交通运行指数的研究与应用综述[J]. 王璐媛,于雷,孙建平,宋国华. 交通信息与安全. 2016(03)
[7]上海市道路交通状态指数简介及应用案例[J]. 张扬,何承,张祎,顾承华,马伟民,林益平. 交通与运输. 2016(03)
[8]基于地点车速的路段交通拥堵指数计算方法[J]. 宋志洪,江金凤,尹少东,梁子君. 现代工业经济和信息化. 2015(15)
[9]基于多因素的交通指数回归分析短时预测研究[J]. 戴娟莉,宋奇文. 公路与汽运. 2015(03)
[10]相空间重构的卡尔曼滤波交通流预测研究[J]. 钱伟,杨慧慧,孙玉娟. 计算机工程与应用. 2016(14)
博士论文
[1]面向特大城市的分层次交通拥堵评价模型及算法[D]. 刘梦涵.北京交通大学 2009
硕士论文
[1]基于浮动车数据的城市道路交通状态预测研究[D]. 童彤.大连海事大学 2017
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016
[3]车辆路径动态导航算法研究[D]. 王伟生.电子科技大学 2016
[4]基于K近邻非参数回归的短时交通流预测算法研究[D]. 林川.电子科技大学 2015
[5]非参数回归的研究及其应用[D]. 刘志刚.温州大学 2012
[6]基于一次拥堵的城市交通拥堵综合评价方法研究[D]. 高艺.北京交通大学 2011
本文编号：3143978
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
路段叠加热点区域示意
57图 5-13 成都市二环区域内道路网络抽象图中的距离计算往往要为边赋予相应的权值，以满足不长度作为距离，另外还有使用步数作为距离的计算到其他节点的容易程度，只需计算一个点到达另一离来表示节点到其他节点的距离，将所有边的权重3.1 小节中描述的方法计算出节点到网络结构中其他
第五章 实验与分析考虑道路网络结构特征值，因此将参数设置为 0.5， 0.2， 0.3。5.3.2 顾及城市道路交通网络特征的评价分析基于每个路段的交通影响因子计算结果，根据本文提出的交通运行指数模型进行计算，得出交通运行指数结果。利用同样的数据集及对应影响因子，分别采用北京市基于拥堵里程比、深圳市基于行程时间比以及上海市考虑车道数和里程长度的综合指标评价的指数模型对数据进行计算，与本文的方法进行对比。值得注意的是，北京的指标阈值在 0~10，深圳的指标阈值范围在 0~5，而上海和本文的阈值则在 0~100，为了将几种方法进行对比，将实验结果通过转换计算，阈值取值集中在 0~10。图 5-14(a)显示了 2014 年 8 月 7 日工作日 6:00-24:00 的交通运行指数结果，图 5-14(b)为 2014 年 8 月 10 日周日 6:00-24:00 的指数结果。
【参考文献】：
期刊论文
[1]基于SVM的短期交通状态预测识别研究[J]. 肖思思,杨宏业. 内蒙古工业大学学报(自然科学版). 2017(02)
[2]基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 刘钊,杜威,闫冬梅,柴干,郭建华. 公路交通科技. 2017(05)
[3]考虑多因素的城市道路交通拥堵指数预测研究[J]. 韦清波,何兆成,郑喜双,陈昶佳,杨敬锋. 交通运输系统工程与信息. 2017(01)
[4]基于ARIMA和小波神经网络组合模型的交通流预测[J]. 成云,成孝刚,谈苗苗,周凯,李海波. 计算机技术与发展. 2017(01)
[5]基于数据场的出租车轨迹热点区域探测方法[J]. 周勍,秦昆,陈一祥,李志鑫. 地理与地理信息科学. 2016(06)
[6]交通运行指数的研究与应用综述[J]. 王璐媛,于雷,孙建平,宋国华. 交通信息与安全. 2016(03)
[7]上海市道路交通状态指数简介及应用案例[J]. 张扬,何承,张祎,顾承华,马伟民,林益平. 交通与运输. 2016(03)
[8]基于地点车速的路段交通拥堵指数计算方法[J]. 宋志洪,江金凤,尹少东,梁子君. 现代工业经济和信息化. 2015(15)
[9]基于多因素的交通指数回归分析短时预测研究[J]. 戴娟莉,宋奇文. 公路与汽运. 2015(03)
[10]相空间重构的卡尔曼滤波交通流预测研究[J]. 钱伟,杨慧慧,孙玉娟. 计算机工程与应用. 2016(14)
博士论文
[1]面向特大城市的分层次交通拥堵评价模型及算法[D]. 刘梦涵.北京交通大学 2009
硕士论文
[1]基于浮动车数据的城市道路交通状态预测研究[D]. 童彤.大连海事大学 2017
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016
[3]车辆路径动态导航算法研究[D]. 王伟生.电子科技大学 2016
[4]基于K近邻非参数回归的短时交通流预测算法研究[D]. 林川.电子科技大学 2015
[5]非参数回归的研究及其应用[D]. 刘志刚.温州大学 2012
[6]基于一次拥堵的城市交通拥堵综合评价方法研究[D]. 高艺.北京交通大学 2011
本文编号：3143978
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3143978.html
