基于收费数据时间和空间关系的高速公路收费站流量预测

发布时间：2021-12-23 21:27

　　对高速公路收费站流量变化趋势的准确掌握,是交通部门做出有效管理和及时实施管控措施的前提。对高速公路收费站流量进行有效预测,有利于交通出行者进行路径规划,交通管理者进行交通管制,交通决策者对收费站人员科学排班以及合理地开关收费车道。现有研究对高速流量的预测大多以断面为研究对象,以收费站为对象的研究多数基于收费站流量的时间相关性进行,难以应对突发事件对交通流量的影响,从而精准预测高速公路收费站的交通流量。随着现代交通信息采集技术的发展,高速公路联网收费数据的全覆盖,结合高速公路收费站间的时空关系进行分析研究,进而对收费站流量进行预测,对缓解交通拥堵、实现路径选择、收费站资源合理配置具有理论和实践意义。论文通过分析收费站流量的时间相关性,建立了基于时间相关性的流量预测模型,通过分析高速公路收费站间流量的时空关系,提出了一种考虑车辆时延性以及离散性的流量转移系数计算方法,在此基础上建立了时空相关性与时间相关性结合的收费站流量预测模型,对高速公路收费站流量进行预测。主要内容包括:（1）基于时间相关性的收费站流量预测方法。针对现有基于时间相关性的收费站流量预测方法多为线性方法,结构较为简单且预测精... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：98 页

【学位级别】：硕士

【部分图文】：

收费站上道流量时变性示意图

收费站下道流量时变性示意图

收费站上道流量周相似性示意图

【参考文献】：
期刊论文
[1]基于BP神经网络的福泉高速公路车流量预测[J]. 张军.  公路交通科技(应用技术版). 2018(10)
[2]基于熵权法的交通流组合预测模型研究[J]. 孙秀娟,陆新秀,刘法胜,任传祥.  山东科技大学学报(自然科学版). 2018(04)
[3]基于梯度提升回归树的短时交通流预测模型[J]. 沈夏炯,张俊涛,韩道军.  计算机科学. 2018(06)
[4]基于梯度提升回归树的城市道路行程时间预测[J]. 龚越,罗小芹,王殿海,杨少辉.  浙江大学学报(工学版). 2018(03)
[5]CS优化BP神经网络的高速公路流量预测[J]. 康亚男.  公路. 2017(05)
[6]京张高速公路大数据的统计分析[J]. 曹麦,倪苹,顾杰.  调研世界. 2016(12)
[7]基于收费数据的高速公路行程时间可靠性估计模型[J]. 张腾月,翁小雄.  广西师范大学学报(自然科学版). 2016(04)
[8]基于粒子群-支持向量机的时间序列分类诊断模型[J]. 张涛,张明辉,李清伟,张玥杰.  同济大学学报(自然科学版). 2016(09)
[9]大数据背景下的高速公路流量预测实现——基于收费站流量数据[J]. 孙同心,王世鲲.  中国公共安全. 2016(17)
[10]改进粒子群算法优化的支持向量机及其应用[J]. 王振武,孙佳骏,尹成峰.  哈尔滨工程大学学报. 2016(12)

硕士论文
[1]高速公路短时交通流预测算法研究[D]. 宋迪.浙江工业大学 2016
[2]城市道路短时车流量预测模型研究[D]. 程政.中国科学技术大学 2016
[3]高速公路收费数据车流量校核研究[D]. 王硕.东北石油大学 2016
[4]高速公路行程时间可靠性计算方法研究[D]. 蒲珂慧.长安大学 2015
[5]基于BP神经网络的高速公路车流量预测研究[D]. 凌智.武汉理工大学 2014
[6]高速公路交通流混沌特性分析及其在流量预测中的应用[D]. 陈帅.重庆大学 2014
[7]基于支持向量机的公路车流量数据分析与预测模型[D]. 王大鹏.哈尔滨工程大学 2006



本文编号：3549220