基于时空相关性分析的短时交通流量预测方法研究
发布时间：2021-10-26 07:39
近年来,由于城市机动车数量的飞速攀升,城市路网时常出现拥堵现象。智能交通系统因运而生,其核心功能是交通控制与诱导,而实时、精准的交通流预测信息是其实现交通控制与诱导的关键。因此如何获得实时、精准的交通流预测信息是近些年来智能交通领域中的研究热点之一。对短时交通流预测文献的查阅与分析,可知现阶段的短时交通流预测研究的重点放在对路段时间序列上的交通流进行预测。预测模型主要有统计理论模型、神经网络模型、非线性理论模型等,由于未考虑交通流空间上存在的特性,会存在预测结果精度不高的问题。对此,本文重点研究了考虑时空相关性预测方法。首先,分析了城市路网中交通流特性,通过分析可得交通流时间与空间上存在相关性。通过对各个数据采集方式优劣势研究,确定了使用微波数据作为数据来源。但是难免会因为设备老化、检测系统误差、传输线路出现故障等原因造成微波采集数据丢失、错误等情况,因此设计了一套数据预处理的流程,经过数据预处理后提高了数据质量。其次,在交通流时间与空间上存在相关性的基础上,提出了改进遗传算法优化BP神经网络对交通流时间序列进行预测,空间序列上使用了多元逐步线性回归方法进行预测,使用最小二乘动态加权融...
【文章来源】：浙江工业大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
采集道路断面空间分布图
基于时空相关性分析的短时交通流量预测方法研究17间序列Xi的车流量，Xj,t+d表达的含义为在t+d时刻时间序列Xj的车流量。iX和jX分别为时间序列Xi，Xj的均值，E为数学期望，iX和jX分别为时间序列Xi，Xj的方差。2.4.2交通流空间相关性具体分析以图2-5中红字标明的各路段微波检测器交通流数据为研究对象，其中杭州市体育场路(保俶路-环城西路路段)为研究目标。取2013年7月8日至7月12日五天采样周期为5min，共1440个数据进行空间相关性的统计分析。由图可知，要分析的五条路段皆存在空间可达性，所以空间权重矩阵的值取1。时间延迟d根据空间位置的不同，设定（0,5）的取值范围，采用式(2-15)分别计算目标路段与其余各路段在时间延迟取值范围内相关性系数，得到的结果如表2-4所示。图2-5空间断面路段图Figure2-5.Sectionchartofspace表2-4不同时间延迟下的相关性系数表Table2-4.Correlationcoefficienttableunderdifferenttimedelays时间延迟d体育场路保俶路环城西路省府路凤起路00.91810.91330.81330.642310.94990.93590.82890.718920.90160.89540.87520.813130.84120.85690.90290.872040.80740.81300.93300.915150.78410.79690.74920.9212
浙江工业大学硕士学位论文22不需要想环形线圈、地磁车辆检测器等那样与车辆近距离接触；而针对交通数据的采集方面，路侧安装的RTMS可检测断面上8个车道的交通流流量、速度和占有率三个参数，所检测数据能通过串口周期上传至后端服务器，RTMS还支持通过I/O接口直接输出车辆存在信号，给信号机提供原始数据；微波指的是频率为0.3-300GHz的电磁波[55]。RTMS是工作在微波波段的小范围雷达检测器，它不同于一般的微波测速检测器。一般的微波测速检测器利用多普勒效应原理(运动引起频率变化)探测物体的存在，因而只能探测到运动的物体。RTMS在扇形区域内发射FM连续波，典型的微波束以倾角40°至45°、方位角为15°向道路投影，如图3-4示。图3-4RTMS微波束及其投影Figure3-4.RTMSmicrowavebeamanditsprojection（1）优势①微波检测采用了3cm波长的微波所以在恶劣气候下性能出色，可以全天候工作、可检测静止的车辆、直接检测速度、可以侧向方式检测多车道、安装维护方便。②微波检测可以同时检测多车道的交通信息，一般情况下能够探测到8条车道，但是感应线圈只能测单车道的交通信息。③微波检测安装维护简单方便且属于非侵入式的检测器不会破坏路面，安装时不会影响正常的交通秩序。微波检测器不会像接触式检测器那样容易受到大型车的挤压而损坏。（2）劣势①交通流量孝速度差距大的情况下，测速准确度差②多车道、车辆并行、人车混杂的复杂路段，大型车往往会遮挡小型车，由此造成检测精度降低。3.2交通流中的数据预处理现阶段城市路网上采集数据的主要方式是远程微波检测器，虽然微波检测器
【参考文献】：
期刊论文
[1]路网交通流在时空分析背景下的预测研究[J]. 李彤伟,王庆荣. 计算机工程与应用. 2020(17)
[2]面向高速公路大数据的短时流量预测方法[J]. 王雪菲,丁维龙. 计算机应用. 2019(01)
[3]基于局部连通性的在途动态路径诱导方法[J]. 梁伟,张毅,胡坚明. 交通运输系统工程与信息. 2018(01)
[4]基于信息筛选和拉依达准则识别地下水主要组分水化学异常的方法研究[J]. 王磊,何江涛,张振国,赵鹏,张小文. 环境科学学报. 2018(03)
[5]城市规模、网络结构与交通拥堵的关系研究——基于动态性拓展的宏观网络交通模型的解释[J]. 刘建朝,王亚男,王振坡,宋顺锋. 城市发展研究. 2017(11)
[6]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)
[7]基于GA-LSSVR模型的路网短时交通流预测研究[J]. 陈小波,刘祥,韦中杰,梁军,蔡英凤,陈龙. 交通运输系统工程与信息. 2017(01)
[8]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[9]改进PSO优化神经网络的短时交通流预测[J]. 张军,王远强,朱新山. 计算机工程与应用. 2017(14)
[10]基于时空关联和BPAdaboost的短时交通参数预测[J]. 丁闪闪,王维锋,季锦章,党倩. 公路交通科技. 2016(05)
硕士论文
[1]基于混沌理论的短时交通流预测方法研究[D]. 卓卉.北京交通大学 2008
[2]基于非参数回归的路网短时交通状态预测[D]. 马毅林.北京交通大学 2008
本文编号：3459119
【文章来源】：浙江工业大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
采集道路断面空间分布图
基于时空相关性分析的短时交通流量预测方法研究17间序列Xi的车流量，Xj,t+d表达的含义为在t+d时刻时间序列Xj的车流量。iX和jX分别为时间序列Xi，Xj的均值，E为数学期望，iX和jX分别为时间序列Xi，Xj的方差。2.4.2交通流空间相关性具体分析以图2-5中红字标明的各路段微波检测器交通流数据为研究对象，其中杭州市体育场路(保俶路-环城西路路段)为研究目标。取2013年7月8日至7月12日五天采样周期为5min，共1440个数据进行空间相关性的统计分析。由图可知，要分析的五条路段皆存在空间可达性，所以空间权重矩阵的值取1。时间延迟d根据空间位置的不同，设定（0,5）的取值范围，采用式(2-15)分别计算目标路段与其余各路段在时间延迟取值范围内相关性系数，得到的结果如表2-4所示。图2-5空间断面路段图Figure2-5.Sectionchartofspace表2-4不同时间延迟下的相关性系数表Table2-4.Correlationcoefficienttableunderdifferenttimedelays时间延迟d体育场路保俶路环城西路省府路凤起路00.91810.91330.81330.642310.94990.93590.82890.718920.90160.89540.87520.813130.84120.85690.90290.872040.80740.81300.93300.915150.78410.79690.74920.9212
浙江工业大学硕士学位论文22不需要想环形线圈、地磁车辆检测器等那样与车辆近距离接触；而针对交通数据的采集方面，路侧安装的RTMS可检测断面上8个车道的交通流流量、速度和占有率三个参数，所检测数据能通过串口周期上传至后端服务器，RTMS还支持通过I/O接口直接输出车辆存在信号，给信号机提供原始数据；微波指的是频率为0.3-300GHz的电磁波[55]。RTMS是工作在微波波段的小范围雷达检测器，它不同于一般的微波测速检测器。一般的微波测速检测器利用多普勒效应原理(运动引起频率变化)探测物体的存在，因而只能探测到运动的物体。RTMS在扇形区域内发射FM连续波，典型的微波束以倾角40°至45°、方位角为15°向道路投影，如图3-4示。图3-4RTMS微波束及其投影Figure3-4.RTMSmicrowavebeamanditsprojection（1）优势①微波检测采用了3cm波长的微波所以在恶劣气候下性能出色，可以全天候工作、可检测静止的车辆、直接检测速度、可以侧向方式检测多车道、安装维护方便。②微波检测可以同时检测多车道的交通信息，一般情况下能够探测到8条车道，但是感应线圈只能测单车道的交通信息。③微波检测安装维护简单方便且属于非侵入式的检测器不会破坏路面，安装时不会影响正常的交通秩序。微波检测器不会像接触式检测器那样容易受到大型车的挤压而损坏。（2）劣势①交通流量孝速度差距大的情况下，测速准确度差②多车道、车辆并行、人车混杂的复杂路段，大型车往往会遮挡小型车，由此造成检测精度降低。3.2交通流中的数据预处理现阶段城市路网上采集数据的主要方式是远程微波检测器，虽然微波检测器
【参考文献】：
期刊论文
[1]路网交通流在时空分析背景下的预测研究[J]. 李彤伟,王庆荣. 计算机工程与应用. 2020(17)
[2]面向高速公路大数据的短时流量预测方法[J]. 王雪菲,丁维龙. 计算机应用. 2019(01)
[3]基于局部连通性的在途动态路径诱导方法[J]. 梁伟,张毅,胡坚明. 交通运输系统工程与信息. 2018(01)
[4]基于信息筛选和拉依达准则识别地下水主要组分水化学异常的方法研究[J]. 王磊,何江涛,张振国,赵鹏,张小文. 环境科学学报. 2018(03)
[5]城市规模、网络结构与交通拥堵的关系研究——基于动态性拓展的宏观网络交通模型的解释[J]. 刘建朝,王亚男,王振坡,宋顺锋. 城市发展研究. 2017(11)
[6]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)
[7]基于GA-LSSVR模型的路网短时交通流预测研究[J]. 陈小波,刘祥,韦中杰,梁军,蔡英凤,陈龙. 交通运输系统工程与信息. 2017(01)
[8]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[9]改进PSO优化神经网络的短时交通流预测[J]. 张军,王远强,朱新山. 计算机工程与应用. 2017(14)
[10]基于时空关联和BPAdaboost的短时交通参数预测[J]. 丁闪闪,王维锋,季锦章,党倩. 公路交通科技. 2016(05)
硕士论文
[1]基于混沌理论的短时交通流预测方法研究[D]. 卓卉.北京交通大学 2008
[2]基于非参数回归的路网短时交通状态预测[D]. 马毅林.北京交通大学 2008
本文编号：3459119
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3459119.html
