高速公路路段旅行时间短时预测方法研究
发布时间：2021-11-05 17:03
随着我国区域经济一体化进程的不断加快,机动化水平的不断提高,使得高速公路的交通拥堵与安全问题不断加重。着力于智能交通系统建设成为解决上述问题的有效途径之一。作为保证智能交通系统高效运行的关键部分之一,旅行时间预测近年来得到了国内外学术界的广泛关注,也得到了管理部门的广泛应用。实时、准确的旅行时间预测不仅能够为管理人员提供决策支撑,还可以为出行者提供优质的出行服务。然而目前针对旅行时间预测的研究集中于方法的应用,尚未考虑在智能交通系统中与其他相关部分的协调,没有形成完善的旅行时间预测理论体系,从而制约了整个系统的高效运转。特别是在我国,目前高速公路智能化水平仍然处于发展阶段,现有的信息采集设备、数据处理方法不能够较好地满足旅行时间预测的数据和信息需求。基于此,本论文依托于国家自然科学基金重点国际（地区）合作与交流项目“面向高维多源耦合大数据的多张量网络理论及其实证研究”、交通运输部科技示范工程项目“江苏省高速公路网运营与服务智能化平台科技示范工程”和江苏省交通运输科技项目重大专项“沪宁高速公路超大流量路段通行保障关键技术研究与工程示范”,采用美国和我国的实际交通流数据,从数据采集、数据预...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：196 页
【学位级别】：博士
【部分图文】：
所示，从全局视角，发现交通量随时间变化具有一定
第四章高速公路状态识别及拥堵持续时间估计方法101自由流-同步流状态验证通过人工视频监测，将表中数据点1所划分的自由流-同步流过渡状态与实际视频进行对比校验，从图4-20可以得出同步流状态被确认为基本畅通状态，说明交调站所在路段区间交通运行通畅，车流密度较孝区间车速较高，但交通流状态比自由流稍低，速度分布跨度较大。此时，高速公路上大部分路段交通运行接近畅通状态，只有很低比例的路段交通流状态不稳定，不会形成拥堵或长时间排队。同步流状态验证通过人工视频监测，将表中数据点2和3所划分的同步流状态与实际视频进行对比校验，从图4-21可以得出同步流状态被确认为拥堵状态，说明交调站所在路段区间交通运行处于轻度拥堵状况，高速公路上大部分路段密度低于或接近临界密度，少部分路段密度高于临界密度，但整体平均密度低于临界密度。若此时交通需求继续增加，平均流量会逐渐下降。
东南大学博士学位论文102同步流-堵塞流状态验证通过人工视频监测，并将表中数据点4所划分的同步流-堵塞流过渡状态与实际视频进行对比校验，从图4-22可以得出同步流-堵塞流状态被确认为中度拥堵状态，交调站所在路段区间交通运行状况较差，车辆同样分布在车流密度较大、车速不高的区间。此时，高速公路上大部分路段平均密度已经超过临界密度，平均流量开始从通行能力处下降，道路上的车流排队情况开始恶化。若此时降低进入高速公路的交通需求，能够逐渐恢复或保持交通流的稳定状态；但若交通需求持续增加，高速公路将很快进入阻塞状态，甚至导致运行瘫痪。堵塞流状态验证通过人工视频监测，并将表中数据点5划分的堵塞流状态与实际视频进行对比校验，从图4-23可以得出堵塞流状态被确认为阻塞状态，说明交调站所在路段区间交通运行状况很差，此时，高速公路上处于拥挤或阻塞状态，形成拥堵或长时间排队，对高速公路整体性能影响较大。此时，若不及时采用相应的交通控制和疏导措施，限制或阻止交通流入，交通运行将趋于瘫痪。通过上述5组数据的对比校验，得出选取5个数据点的视频监测与实际聚类算法所划分的交通状态能够一一对应，说明所提出的算法具有较好的准确性和可行性。4.4.2基于ANN的交通状态预测模型上节中交通状态划分方法可以对实时采集的交通流信息进行分类，包括5类：畅通
【参考文献】：
期刊论文
[1]基于在线地图交通态势分析的路网拥堵状态识别[J]. 张建旭,郭力玮. 交通运输系统工程与信息. 2018(05)
[2]基于特征级融合的高速公路异质交通流数据修复方法[J]. 李林超,曲栩,张健,王永岗,李汉初,冉斌. 东南大学学报(自然科学版). 2018(05)
[3]基于时空相关性的交通流故障数据修复方法[J]. 王薇,程泽阳,刘梦依,杨兆升. 浙江大学学报(工学版). 2017(09)
[4]基于时延赋色Petri网的交叉口群车辆旅行时间模糊预测[J]. 安毅生,周洁,杨临涧,徐志刚,赵祥模. 中国公路学报. 2016(06)
[5]基于时空模型的交通流故障数据修正方法[J]. 陆化普,孙智源,屈闻聪. 交通运输工程学报. 2015(06)
[6]高速公路旅行时间的自适应插值卡尔曼滤波预测[J]. 赵建东,王浩,刘文辉. 华南理工大学学报(自然科学版). 2014(02)
[7]基于信息熵的改进PESA算法[J]. 王堃,王琳琳,刘艳,张玉华,吴蒙. 通信学报. 2013(11)
[8]基于改进时空Moran’s I指数的道路交通状态特征分析[J]. 陈绍宽,韦伟,毛保华,关伟. 物理学报. 2013(14)
[9]高速公路施工作业区车速分布特征及限速研究[J]. 孟祥海,史永义,王浩,徐汉清. 交通运输系统工程与信息. 2013(01)
[10]手机数据在交通调查和交通规划中的应用[J]. 冉斌. 城市交通. 2013(01)
博士论文
[1]基于网格模型的城市交通运行状态识别和行程时间预测方法研究[D]. 刘炀.北京交通大学 2018
[2]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[3]基于集成学习的交通状态预报方法研究[D]. 刘擎超.东南大学 2015
[4]从基本图方法到三相交通流理论[D]. 高坤.中国科学技术大学 2008
硕士论文
[1]降雨天气下高速公路车辆行驶速度短期预测方法研究[D]. 陈信超.东南大学 2018
[2]基于多源信息的高速公路交通事件检测方法研究[D]. 张雯靓.东南大学 2018
[3]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[4]RFID交通数据清洗技术体系研究[D]. 宁丹.东南大学 2016
[5]高速公路交通流异常数据识别及修复方法研究[D]. 王英会.北京交通大学 2015
[6]基于手机定位数据的交通OD分布研究[D]. 宋璐.东南大学 2015
[7]面向多源数据融合的高速公路检测器布设方法研究[D]. 王浩淼.东南大学 2015
[8]基于手机定位数据的城市居民出行特征提取方法研究[D]. 张维.东南大学 2015
[9]短时交通参数多步预测方法研究[D]. 王秋兰.吉林大学 2012
[10]基于浮动车数据的路段旅行时间预测研究[D]. 朱爱华.北京交通大学 2008
本文编号：3478185
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：196 页
【学位级别】：博士
【部分图文】：
所示，从全局视角，发现交通量随时间变化具有一定
第四章高速公路状态识别及拥堵持续时间估计方法101自由流-同步流状态验证通过人工视频监测，将表中数据点1所划分的自由流-同步流过渡状态与实际视频进行对比校验，从图4-20可以得出同步流状态被确认为基本畅通状态，说明交调站所在路段区间交通运行通畅，车流密度较孝区间车速较高，但交通流状态比自由流稍低，速度分布跨度较大。此时，高速公路上大部分路段交通运行接近畅通状态，只有很低比例的路段交通流状态不稳定，不会形成拥堵或长时间排队。同步流状态验证通过人工视频监测，将表中数据点2和3所划分的同步流状态与实际视频进行对比校验，从图4-21可以得出同步流状态被确认为拥堵状态，说明交调站所在路段区间交通运行处于轻度拥堵状况，高速公路上大部分路段密度低于或接近临界密度，少部分路段密度高于临界密度，但整体平均密度低于临界密度。若此时交通需求继续增加，平均流量会逐渐下降。
东南大学博士学位论文102同步流-堵塞流状态验证通过人工视频监测，并将表中数据点4所划分的同步流-堵塞流过渡状态与实际视频进行对比校验，从图4-22可以得出同步流-堵塞流状态被确认为中度拥堵状态，交调站所在路段区间交通运行状况较差，车辆同样分布在车流密度较大、车速不高的区间。此时，高速公路上大部分路段平均密度已经超过临界密度，平均流量开始从通行能力处下降，道路上的车流排队情况开始恶化。若此时降低进入高速公路的交通需求，能够逐渐恢复或保持交通流的稳定状态；但若交通需求持续增加，高速公路将很快进入阻塞状态，甚至导致运行瘫痪。堵塞流状态验证通过人工视频监测，并将表中数据点5划分的堵塞流状态与实际视频进行对比校验，从图4-23可以得出堵塞流状态被确认为阻塞状态，说明交调站所在路段区间交通运行状况很差，此时，高速公路上处于拥挤或阻塞状态，形成拥堵或长时间排队，对高速公路整体性能影响较大。此时，若不及时采用相应的交通控制和疏导措施，限制或阻止交通流入，交通运行将趋于瘫痪。通过上述5组数据的对比校验，得出选取5个数据点的视频监测与实际聚类算法所划分的交通状态能够一一对应，说明所提出的算法具有较好的准确性和可行性。4.4.2基于ANN的交通状态预测模型上节中交通状态划分方法可以对实时采集的交通流信息进行分类，包括5类：畅通
【参考文献】：
期刊论文
[1]基于在线地图交通态势分析的路网拥堵状态识别[J]. 张建旭,郭力玮. 交通运输系统工程与信息. 2018(05)
[2]基于特征级融合的高速公路异质交通流数据修复方法[J]. 李林超,曲栩,张健,王永岗,李汉初,冉斌. 东南大学学报(自然科学版). 2018(05)
[3]基于时空相关性的交通流故障数据修复方法[J]. 王薇,程泽阳,刘梦依,杨兆升. 浙江大学学报(工学版). 2017(09)
[4]基于时延赋色Petri网的交叉口群车辆旅行时间模糊预测[J]. 安毅生,周洁,杨临涧,徐志刚,赵祥模. 中国公路学报. 2016(06)
[5]基于时空模型的交通流故障数据修正方法[J]. 陆化普,孙智源,屈闻聪. 交通运输工程学报. 2015(06)
[6]高速公路旅行时间的自适应插值卡尔曼滤波预测[J]. 赵建东,王浩,刘文辉. 华南理工大学学报(自然科学版). 2014(02)
[7]基于信息熵的改进PESA算法[J]. 王堃,王琳琳,刘艳,张玉华,吴蒙. 通信学报. 2013(11)
[8]基于改进时空Moran’s I指数的道路交通状态特征分析[J]. 陈绍宽,韦伟,毛保华,关伟. 物理学报. 2013(14)
[9]高速公路施工作业区车速分布特征及限速研究[J]. 孟祥海,史永义,王浩,徐汉清. 交通运输系统工程与信息. 2013(01)
[10]手机数据在交通调查和交通规划中的应用[J]. 冉斌. 城市交通. 2013(01)
博士论文
[1]基于网格模型的城市交通运行状态识别和行程时间预测方法研究[D]. 刘炀.北京交通大学 2018
[2]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[3]基于集成学习的交通状态预报方法研究[D]. 刘擎超.东南大学 2015
[4]从基本图方法到三相交通流理论[D]. 高坤.中国科学技术大学 2008
硕士论文
[1]降雨天气下高速公路车辆行驶速度短期预测方法研究[D]. 陈信超.东南大学 2018
[2]基于多源信息的高速公路交通事件检测方法研究[D]. 张雯靓.东南大学 2018
[3]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[4]RFID交通数据清洗技术体系研究[D]. 宁丹.东南大学 2016
[5]高速公路交通流异常数据识别及修复方法研究[D]. 王英会.北京交通大学 2015
[6]基于手机定位数据的交通OD分布研究[D]. 宋璐.东南大学 2015
[7]面向多源数据融合的高速公路检测器布设方法研究[D]. 王浩淼.东南大学 2015
[8]基于手机定位数据的城市居民出行特征提取方法研究[D]. 张维.东南大学 2015
[9]短时交通参数多步预测方法研究[D]. 王秋兰.吉林大学 2012
[10]基于浮动车数据的路段旅行时间预测研究[D]. 朱爱华.北京交通大学 2008
本文编号：3478185
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3478185.html
