基于交叉口流量预测数据的信号控制时段划分方法研究
发布时间：2021-09-12 14:37
随着城市化进程的不断加快,我国的居民消费水平日益提高,小汽车已不是奢侈品,而是日常的交通工具,急剧增长的机动车保有量给城市的交通发展带来了巨大的压力,交通供需矛盾凸显。城市道路交叉口是道路网络的重要组成部分,也是城市道路交通中的瓶颈部位,多数的交通拥堵现象也发生在交叉口附近,其控制时段的划分直接关系到相关线路乃至整个路网交通功能的发挥,它对于城市道路的机动性、通行能力、路网容量以及交通安全都有较大的影响。所以,实践证明调整现有交叉口的配时方案和渠化设计是最快速的,本文对此进行了深入研究,即如何在现有的信号控制设施上,对交叉口信号控制时段进行优化改善,有效缓解交叉口拥堵现象。因此本文建立了信号控制时段划分模型,主要进行了如下工作:1)为提升交叉口短时交通流预测精度,在深度学习的理论框架下,以历史交通流量数据作为研究基础,提出一种基于GRU-RNN的短时流量预测模型。首先采用随机森林算法对交通流量数据进行预处理,补全长周期缺失情况下的丢失数据,确保样本的完整性和准确性,其次采用GRU-RNN算法对短时流量进行预测,在Myeclipse的开发环境下调整参数适应样本,通过门限层控制模型的记忆能...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
交通拥堵现状作为一个总体资源丰富，人均资源匮乏的发展中国家，面对交通严重的交通
吉林大学硕士学位论文12图2.1长周期缺失图2.2短周期缺失2.1.2预处理方法比较经典的处理方法包括剔除法、均值替换法、线性回归法、插补法等等，下面具体介绍一下各类方法的适用情况及优缺点[37]。剔除法，对于缺失数据的处理非常简单，当样本量足够大，且缺失数据的比例小于5%时，可以剔除掉差异过大的数据。如果样本量比较小，删除的数据会对数据应用产生不利结果，导致较大的误差。均值替换法，将缺失的数据用已观测到的数据进行替换，根据替换的属性不同，可分为具有数值属性和非数值属性两种。数值数据可用其他样本的平均值作为缺失值的填充，非数值数据用样本当中的众数作为缺失值的填充。均值替换法
吉林大学硕士学位论文12图2.1长周期缺失图2.2短周期缺失2.1.2预处理方法比较经典的处理方法包括剔除法、均值替换法、线性回归法、插补法等等，下面具体介绍一下各类方法的适用情况及优缺点[37]。剔除法，对于缺失数据的处理非常简单，当样本量足够大，且缺失数据的比例小于5%时，可以剔除掉差异过大的数据。如果样本量比较小，删除的数据会对数据应用产生不利结果，导致较大的误差。均值替换法，将缺失的数据用已观测到的数据进行替换，根据替换的属性不同，可分为具有数值属性和非数值属性两种。数值数据可用其他样本的平均值作为缺失值的填充，非数值数据用样本当中的众数作为缺失值的填充。均值替换法
【参考文献】：
期刊论文
[1]缺失数据的处理方法及其发展趋势[J]. 邓建新,单路宝,贺德强,唐锐. 统计与决策. 2019(23)
[2]基于改进低秩矩阵补全的交通量数据缺失值插补方法[J]. 陈小波,陈程,陈蕾,韦中杰,蔡英凤,周俊杰. 交通运输工程学报. 2019(05)
[3]基于ST-DCGAN的时序交通流量数据补全[J]. 袁瑶瑶,康雁,李浩,牛瑞丞,梁文韬,李晋源. 计算机工程与应用. 2020(15)
[4]考虑方案过渡影响的单点交通控制时段划分方法[J]. 别一鸣,姜凯,汤茹茹,王琳虹,熊昕宇. 吉林大学学报(工学版). 2019(06)
[5]基于门限递归单元循环神经网络的交通流预测方法研究[J]. 王体迎,时鹏超,刘蒋琼,刘博艺,时天昊. 重庆交通大学学报(自然科学版). 2018(11)
[6]采用递归有序聚类的信号控制时段划分方法[J]. 李文婧,孙锋,李茜瑶,马东方. 浙江大学学报(工学版). 2018(06)
[7]交叉口短时流量CEEMDAN-PE-OSELM预测模型[J]. 田秀娟,于德新,邢雪,商强,王树兴. 哈尔滨工业大学学报. 2018(03)
[8]大数据下数据预处理方法研究[J]. 孔钦,叶长青,孙赟. 计算机技术与发展. 2018(05)
[9]针对机器学习中残缺数据的近似补全方法[J]. 曹卫权,褚衍杰,李显. 西安交通大学学报. 2017(10)
[10]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
硕士论文
[1]基于张量填充与张量矩阵关联分析的交通数据恢复研究[D]. 向毅.云南大学 2019
[2]面向多时段控制的长时交通流预测及分割点优化方法[D]. 李文婧.浙江大学 2019
[3]面向交通控制的时段划分与子区划分[D]. 赵伟明.浙江大学 2014
[4]基于动态时段划分的交叉口信号控制模型与算法研究[D]. 周丽.山东大学 2011
[5]层次聚类算法的研究及应用[D]. 段明秀.中南大学 2009
[6]BP神经网络算法改进及应用研究[D]. 黄丽.重庆师范大学 2008
本文编号：3394404
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
交通拥堵现状作为一个总体资源丰富，人均资源匮乏的发展中国家，面对交通严重的交通
吉林大学硕士学位论文12图2.1长周期缺失图2.2短周期缺失2.1.2预处理方法比较经典的处理方法包括剔除法、均值替换法、线性回归法、插补法等等，下面具体介绍一下各类方法的适用情况及优缺点[37]。剔除法，对于缺失数据的处理非常简单，当样本量足够大，且缺失数据的比例小于5%时，可以剔除掉差异过大的数据。如果样本量比较小，删除的数据会对数据应用产生不利结果，导致较大的误差。均值替换法，将缺失的数据用已观测到的数据进行替换，根据替换的属性不同，可分为具有数值属性和非数值属性两种。数值数据可用其他样本的平均值作为缺失值的填充，非数值数据用样本当中的众数作为缺失值的填充。均值替换法
吉林大学硕士学位论文12图2.1长周期缺失图2.2短周期缺失2.1.2预处理方法比较经典的处理方法包括剔除法、均值替换法、线性回归法、插补法等等，下面具体介绍一下各类方法的适用情况及优缺点[37]。剔除法，对于缺失数据的处理非常简单，当样本量足够大，且缺失数据的比例小于5%时，可以剔除掉差异过大的数据。如果样本量比较小，删除的数据会对数据应用产生不利结果，导致较大的误差。均值替换法，将缺失的数据用已观测到的数据进行替换，根据替换的属性不同，可分为具有数值属性和非数值属性两种。数值数据可用其他样本的平均值作为缺失值的填充，非数值数据用样本当中的众数作为缺失值的填充。均值替换法
【参考文献】：
期刊论文
[1]缺失数据的处理方法及其发展趋势[J]. 邓建新,单路宝,贺德强,唐锐. 统计与决策. 2019(23)
[2]基于改进低秩矩阵补全的交通量数据缺失值插补方法[J]. 陈小波,陈程,陈蕾,韦中杰,蔡英凤,周俊杰. 交通运输工程学报. 2019(05)
[3]基于ST-DCGAN的时序交通流量数据补全[J]. 袁瑶瑶,康雁,李浩,牛瑞丞,梁文韬,李晋源. 计算机工程与应用. 2020(15)
[4]考虑方案过渡影响的单点交通控制时段划分方法[J]. 别一鸣,姜凯,汤茹茹,王琳虹,熊昕宇. 吉林大学学报(工学版). 2019(06)
[5]基于门限递归单元循环神经网络的交通流预测方法研究[J]. 王体迎,时鹏超,刘蒋琼,刘博艺,时天昊. 重庆交通大学学报(自然科学版). 2018(11)
[6]采用递归有序聚类的信号控制时段划分方法[J]. 李文婧,孙锋,李茜瑶,马东方. 浙江大学学报(工学版). 2018(06)
[7]交叉口短时流量CEEMDAN-PE-OSELM预测模型[J]. 田秀娟,于德新,邢雪,商强,王树兴. 哈尔滨工业大学学报. 2018(03)
[8]大数据下数据预处理方法研究[J]. 孔钦,叶长青,孙赟. 计算机技术与发展. 2018(05)
[9]针对机器学习中残缺数据的近似补全方法[J]. 曹卫权,褚衍杰,李显. 西安交通大学学报. 2017(10)
[10]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
硕士论文
[1]基于张量填充与张量矩阵关联分析的交通数据恢复研究[D]. 向毅.云南大学 2019
[2]面向多时段控制的长时交通流预测及分割点优化方法[D]. 李文婧.浙江大学 2019
[3]面向交通控制的时段划分与子区划分[D]. 赵伟明.浙江大学 2014
[4]基于动态时段划分的交叉口信号控制模型与算法研究[D]. 周丽.山东大学 2011
[5]层次聚类算法的研究及应用[D]. 段明秀.中南大学 2009
[6]BP神经网络算法改进及应用研究[D]. 黄丽.重庆师范大学 2008
本文编号：3394404
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3394404.html
