基于出租车GPS数据的城市常发性交通拥堵演变研究

发布时间：2021-12-10 18:47

　　常发性交通拥堵是城市面临的难题之一,往往由道路通行能力不足、信号配时较差等交通基础设施的缺陷所导致,这类拥堵问题长期存在并严重影响城市交通。常发性交通拥堵常见于早晚高峰时段,往往具有较为固定的产生、传播和消散模式,通过挖掘其演变模式,可进一步获知拥堵机理并实现拥堵预测,能够为缓解乃至解决城市常发性交通拥堵提供理论依据。近年来,出租车的实时位置、瞬时速度等GPS定位数据被大量的采集并存储,这些数据相较于交通固定检测器数据,具有成本低、覆盖广等优势,能够有效支持常发性交通拥堵演变研究。此外,以往的交通拥堵演变研究以微观交通流理论为基础,基于模拟数据和仿真实验构建拥堵演变模型,研究较为理想化,对实际应用的要求极高,无法有效描绘现实拥堵问题。因此,论文以大数据驱动思想为基础,通过深入分析海量出租车GPS数据,以“基础数据模型构建?常发拥堵区域识别?常发拥堵演变模式挖掘?哈尔滨市案例分析”为主线,对城市常发性交通拥堵演变模式展开研究。论文通过分析处理出租车GPS轨迹数据和城市道路网络数据,进而构建结合出租车GPS轨迹和城市网格构建的综合数据模型,为后续交通拥堵演变模式研究提供必要的数据支撑。在对... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：138 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及研究的目的和意义
        1.1.1 研究背景
        1.1.2 研究目的和意义
    1.2 国内外研究现状及评述
        1.2.1 基于出租车GPS轨迹的交通领域研究现状
        1.2.2 城市交通拥堵判别研究现状
        1.2.3 交通拥堵演变分析研究现状
        1.2.4 国内外研究现状评述
    1.3 研究内容
        1.3.1 主要研究内容
        1.3.2 技术路线
第2章 出租车GPS轨迹和城市网格数据模型
    2.1 出租车GPS轨迹数据模型
        2.1.1 出租车GPS数据说明及分析
        2.1.2 出租车GPS数据预处理
        2.1.3 出租车GPS轨迹数据模型构建
    2.2 城市网格数据模型
        2.2.1 城市区域网格划分标准分析
        2.2.2 城市网格数据模型构建
    2.3 结合出租车GPS轨迹和城市网格的混合数据模型
        2.3.1 结合出租车GPS轨迹和城市网格的混合数据模型构建
        2.3.2 模型空间步长参数的标定
        2.3.3 模型时间步长参数的标定
    2.4 本章小结
第3章 常发性交通拥堵区域识别模型
    3.1 网格内部交通拥堵判别模型
        3.1.1 网格内部交通拥堵说明
        3.1.2 网格内部交通拥堵判别指标选取
        3.1.3 基于模式挖掘的网格内部交通拥堵判别
    3.2 基于聚类算法的常发性拥堵区域识别模型
        3.2.1 常发性拥堵区域识别过程说明
        3.2.2 聚类方法说明
        3.2.3 基于聚类算法的常发性拥堵区域识别模型构建
    3.3 数值实验
        3.3.1 数据准备
        3.3.2 基于模式挖掘的网格内部交通拥堵判别算例分析
        3.3.3 基于聚类算法的常发性拥堵区域识别算例分析
    3.4 本章小结
第4章 常发性交通拥堵演变模式挖掘方法
    4.1 基于网格的常发性拥堵事件说明
        4.1.1 常发性拥堵区域内拥堵事件类型分析
        4.1.2 基于网格的单次拥堵事件演变过程描述
        4.1.3 基于网格的常发性交通拥堵事件分析
    4.2 常发性交通拥堵演变模式分析
        4.2.1 常发性交通拥堵时间维度演变模式分析
        4.2.2 常发性交通拥堵空间维度演变模式分析
    4.3 基于拥堵演变模式的拥堵短时预测
        4.3.1 网格拥堵短时预测说明
        4.3.2 基于神经网络的网格拥堵短时预测模型构建
        4.3.3 数值实验
    4.4 本章小结
第5章 哈尔滨市常发性交通拥堵演变模式案例
    5.1 数据说明
        5.1.1 哈尔滨市城区空间网格数据说明
        5.1.2 哈尔滨市出租车GPS数据说明
        5.1.3 模型相关参数说明
    5.2 哈尔滨市季节性常发交通拥堵演变模式
        5.2.1 哈尔滨市季节性常发交通拥堵区域识别
        5.2.2 哈尔滨市季节性常发交通拥堵微观演变模式分析
        5.2.3 哈尔滨市季节性常发交通拥堵宏观演变模式分析
    5.3 基于拥堵演变模式的常发性拥堵成因及缓解对策
        5.3.1 哈尔滨市常发性交通拥堵成因分析
        5.3.2 哈尔滨市常发性交通拥堵缓解对策制定
    5.4 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历


【参考文献】：
期刊论文
[1]基于BP神经网络的公路风吹雪雪深预测模型[J]. 夏才初,周开方,程怡,徐冬英.  同济大学学报(自然科学版). 2017(05)
[2]改进BP神经网络在交通事故预测中的研究[J]. 陈海龙,彭伟.  华东师范大学学报(自然科学版). 2017(02)
[3]基于分布式车辆速度检测信息的城市快速路交通状态估计[J]. 符旭,欧梦宁,闫旭普,张利国.  交通运输工程与信息学报. 2016(04)
[4]我国大城市交通拥堵特征与国际治理经验借鉴探讨[J]. 赵鹏军,万海荣.  世界地理研究. 2016(05)
[5]利用出租车轨迹数据估计城市道路拥堵状况[J]. 张俊涛,李志勇,张浩,裴洪星,行瑞星.  测绘工程. 2016(09)
[6]A data mining approach to characterize road accident locations[J]. Sachin Kumar,Durga Toshniwal.  Journal of Modern Transportation. 2016(01)
[7]基于复杂城市道路网络的交通拥堵预测模型[J]. 刘张,李坚,王超,蔡世民,唐明,黄琦,陈照辉.  电子科技大学学报. 2016(01)
[8]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺.  计算机学报. 2016(08)
[9]一种密度和划分结合的聚类算法[J]. 王玉雷,李玲娟.  计算机技术与发展. 2015(09)
[10]改进型CTM模型突发事件下的拥堵传播规律[J]. 杨泳,户佐安,严余松.  北京工业大学学报. 2015(07)

博士论文
[1]城市道路交通拥堵机理及控制方法研究[D]. 黄艳国.华南理工大学 2015
[2]城市智能交通系统交通流协同优化与诱导关键技术研究[D]. 文孟飞.中南大学 2013
[3]城市交通拥堵传播机理及其控制策略研究[D]. 袁绍欣.长安大学 2012
[4]灾害条件下路网交通运行态势快速分析与评估技术研究[D]. 牛世峰.吉林大学 2011
[5]冰雪条件下城市路网行程时间可靠性研究[D]. 冷军强.哈尔滨工业大学 2010
[6]城市道路交通拥堵传播规律及消散控制策略研究[D]. 龙建成.北京交通大学 2009

硕士论文
[1]城市道路交通控制与交通诱导协调优化研究[D]. 魏玉晓.西南交通大学 2010



本文编号：3533193