城市实时交通流预测研究及应用

发布时间：2021-11-01 09:26

　　作为智能交通系统（Intelligent Transportation Systems,ITS）中最基本和最重要的功能之一,智能交通管理与控制的相关研究已经引起了各国研究人员的广泛关注。良好的交通控制和诱导与准确、实时的交通流预测密不可分,同时,实时、可靠的交通流预测也是交通系统从“被动控制”到“主动控制”的关键。然而,城市交通系统是一种复杂的动态系统,采集到的交通数据在不同时期呈现不同的规律性,因此,准确的交通流预测在城市交通应用中必不可少。短时交通流预测是基于历史交通流的数据变化特征,对当前或者将来某一时间内的交通流量进行估计。交通流特征的提取和分析离不开完备、准确的数据集支撑,但是当前城市道路部署的检测器范围远无法覆盖整个路网,而且检测精度不高,数据缺失和异常现象时有发生。因此,针对这一现象,本文关注智能交通系统中城市短时交通流预测及应用相关问题研究。一方面,针对城市路网检测器数据缺失导致无法实时、准确预测交通流量的问题,本文考虑缺失数据和可用时空数据之间的关联性,以及路网拓扑与交通流的相关关系,以最小化缺失数据点填补量为目标,提出了一种基于时空拓扑图的缺失数据填补优化方法。首先... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2.1台北市交通路网拓扑研究表明，充分挖掘城市路网中道路间的时空关联关系能够提高预测精度[34]

西安电子科技大学硕士学位论文18图2.4 台北市检测器位置分布图2.5.2 数据表示数据库中包含路段静态/动态资讯、车辆侦测器静态/动态资讯等信息。其中，路段静态资讯主要提供路段坐标信息、路段起讫点 ID、道路等级编号、起讫点里程数等信息，需要在 GoogleEarth 进行位置映射。路段动态资讯包含路段编码、道路服务水平等信息。车辆侦测器资讯包含静态资讯、一分钟动态资讯、五分钟动态资讯等，静态资讯对空间位置进行描述，一分钟/五分钟动态资讯提供定时更新的动态侦测值。2.5.3 数据使用说明上文所述的数据库收集到的交通数据包括：速度、交通流量、占有率、车型等，且采样间隔为 1 分钟。表 2.1 是截取的 730 个检测位置在某一时刻的数据，其中每三行表示一个检测器分别采集到的大型车、中型车、小型车的交通数据，其中数据值为0 表明采集点可能是存在缺失的状态。本文选取 2013 年 4 月 1 日至 4 月 9 日的实时数据进行分析

高峰交通流

【参考文献】：
期刊论文
[1]基于时空特性分析和数据融合的交通流预测[J]. 邱世崇,陆百川,马庆禄,邹巍,张勤.  武汉理工大学学报(信息与管理工程版). 2015(02)

硕士论文
[1]基于时空特性的城市道路短时交通流预测研究[D]. 邱世崇.重庆交通大学 2015



本文编号：3469925