基于时空关联分析的交通拥堵判别及预测
发布时间：2022-10-08 14:32
随着智能手机与打车软件的普及,移动通信、出租车车载GPS设备的发展,相关部门积累了数量极大、层次极为丰富的浮动车大数据。浮动车数据基于车辆真实行驶路径,具有常规交通数据所不具备的覆盖面广,跟踪性强,完整体现轨迹性等特点。如何从如此大量的数据中提取出有价值的信息,为交通管理与控制决策提供指导和依据,成为了当前交通大数据研究利用的重点需求。在基于实际检测GPS数据的基础上,对道路交通状态时空特性进行研究,掌握与预测道路交通状态,不仅有利于提升交通运行效率,同时也可为改善道路交通拥堵问题提供决策依据。本文以城市路网交通流为研究对象,基于实测出租车GPS数据,结合数据本身优点与特性,考虑城市道路交通状态之间的相互作用与制约,研究了上下游间与全局路网内交通状态的时空特性。以及拥堵现象的演变过程,在此基础上,实现道路交通流状态的判别与预测。主要研究内容如下:①确定交通时空状态定量指标。基于出租车GPS数据特点,针对单一评判指标无法全面描述道路交通流状态的问题,与道路交通状态时空关联性分析的实际需求,在基于模糊C均值方法的交通状态阈值判别基础上,构造了时空拥堵指数SI,作为交通状态时空关联性分析的基...
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景
1.2 论文研究目的及意义
1.3 论文研究内容及技术路线
第二章 国内外研究综述
2.1 交通拥堵状态基础理论
2.2 时空关联性分析理论
2.3 交通流状态预测研究
2.4 本章总结
第三章 基于时空相关的道路关联挖掘
3.1 数据预处理
3.1.1 数据背景
3.1.2 交通流信息提取
3.1.3 道路拥堵状态判别
3.2 拥堵时空特性分析
3.3 基于Pearson相关系数的交通拥堵分析
3.3.1 Pearson相关系数
3.3.2 时空数据信号分解
3.3.3 道路相关性时段划分
3.3.4 基于Pearson相关系数的交通判别预测
3.4 基于Kendall相关系数的交通拥堵分析
3.4.1 Kendall相关系数
3.4.2 基于Kendall相关系数的交通拥堵判别预测
3.5 基于差异聚合系数的高相关路径搜索
3.6 本章总结
第四章 基于时空关联性的路网拥堵判别与预测
4.1 路网交通时空关联性分析
4.1.1 时空莫兰指数
4.1.2 时空莫兰指数在交通中的特性
4.2 路网交通时空状态划分及演变
4.2.1 全局莫兰时空指数分析
4.2.2 局部时空莫兰指数分布
4.2.3 莫兰散点图分析
4.3 基于混合森林模型的路网时空特性融合预测
4.3.1 随机森林算法
4.3.2 随机森林构造
4.3.3 改进的混合森林模型
4.4 实例分析
4.4.1 数据源
4.4.2 评估指标
4.4.3 参数选择
4.4.4 实验结果
4.5 本章总结
第五章 结论与展望
5.1 主要结论
5.2 研究展望
参考文献
在学期间的研究成果
致谢
【参考文献】：
期刊论文
[1]短期高速公路交通流量预测方法研究[J]. 林蕾,舒勤. 计算机仿真. 2017(03)
[2]道路交通实时路况服务系统建设[J]. 吴飞. 海峡科学. 2015(08)
[3]城市道路交通拥堵状态时空相关性分析[J]. 张婧,任刚. 交通运输系统工程与信息. 2015(02)
[4]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[5]基于出租车GPS数据的城市道路拥堵判别[J]. 郭雪婷,秦艳丽,雷震. 交通信息与安全. 2013(05)
[6]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)
[7]基于浮动车数据的高速公路拥堵检测方法[J]. 张志平,汪向杰,林航飞. 交通信息与安全. 2012(06)
[8]时空数据的动态关联技术研究[J]. 姚春雨,唐新明,史绍雨,闫浩文. 测绘科学. 2013(02)
[9]时空关联规则挖掘算法及其在ITS中的应用[J]. 夏英,张俊,王国胤. 计算机科学. 2011(09)
[10]基于车牌识别数据的交通拥堵识别方法[J]. 姜桂艳,常安德,牛世峰. 哈尔滨工业大学学报. 2011(04)
博士论文
[1]城市道路交通拥堵判别、疏导与仿真[D]. 张婧.东南大学 2016
硕士论文
[1]基于出租车GPS数据的城市交通拥堵识别和关联性分析[D]. 李勇.哈尔滨工业大学 2016
[2]数据挖掘算法的并行化研究及其应用[D]. 罗俊.青岛大学 2016
[3]异种浮动车数据融合的城市道路交通状态判别及时空分析[D]. 魏敏燕.重庆大学 2016
本文编号：3687885
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景
1.2 论文研究目的及意义
1.3 论文研究内容及技术路线
第二章 国内外研究综述
2.1 交通拥堵状态基础理论
2.2 时空关联性分析理论
2.3 交通流状态预测研究
2.4 本章总结
第三章 基于时空相关的道路关联挖掘
3.1 数据预处理
3.1.1 数据背景
3.1.2 交通流信息提取
3.1.3 道路拥堵状态判别
3.2 拥堵时空特性分析
3.3 基于Pearson相关系数的交通拥堵分析
3.3.1 Pearson相关系数
3.3.2 时空数据信号分解
3.3.3 道路相关性时段划分
3.3.4 基于Pearson相关系数的交通判别预测
3.4 基于Kendall相关系数的交通拥堵分析
3.4.1 Kendall相关系数
3.4.2 基于Kendall相关系数的交通拥堵判别预测
3.5 基于差异聚合系数的高相关路径搜索
3.6 本章总结
第四章 基于时空关联性的路网拥堵判别与预测
4.1 路网交通时空关联性分析
4.1.1 时空莫兰指数
4.1.2 时空莫兰指数在交通中的特性
4.2 路网交通时空状态划分及演变
4.2.1 全局莫兰时空指数分析
4.2.2 局部时空莫兰指数分布
4.2.3 莫兰散点图分析
4.3 基于混合森林模型的路网时空特性融合预测
4.3.1 随机森林算法
4.3.2 随机森林构造
4.3.3 改进的混合森林模型
4.4 实例分析
4.4.1 数据源
4.4.2 评估指标
4.4.3 参数选择
4.4.4 实验结果
4.5 本章总结
第五章 结论与展望
5.1 主要结论
5.2 研究展望
参考文献
在学期间的研究成果
致谢
【参考文献】：
期刊论文
[1]短期高速公路交通流量预测方法研究[J]. 林蕾,舒勤. 计算机仿真. 2017(03)
[2]道路交通实时路况服务系统建设[J]. 吴飞. 海峡科学. 2015(08)
[3]城市道路交通拥堵状态时空相关性分析[J]. 张婧,任刚. 交通运输系统工程与信息. 2015(02)
[4]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[5]基于出租车GPS数据的城市道路拥堵判别[J]. 郭雪婷,秦艳丽,雷震. 交通信息与安全. 2013(05)
[6]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)
[7]基于浮动车数据的高速公路拥堵检测方法[J]. 张志平,汪向杰,林航飞. 交通信息与安全. 2012(06)
[8]时空数据的动态关联技术研究[J]. 姚春雨,唐新明,史绍雨,闫浩文. 测绘科学. 2013(02)
[9]时空关联规则挖掘算法及其在ITS中的应用[J]. 夏英,张俊,王国胤. 计算机科学. 2011(09)
[10]基于车牌识别数据的交通拥堵识别方法[J]. 姜桂艳,常安德,牛世峰. 哈尔滨工业大学学报. 2011(04)
博士论文
[1]城市道路交通拥堵判别、疏导与仿真[D]. 张婧.东南大学 2016
硕士论文
[1]基于出租车GPS数据的城市交通拥堵识别和关联性分析[D]. 李勇.哈尔滨工业大学 2016
[2]数据挖掘算法的并行化研究及其应用[D]. 罗俊.青岛大学 2016
[3]异种浮动车数据融合的城市道路交通状态判别及时空分析[D]. 魏敏燕.重庆大学 2016
本文编号：3687885
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3687885.html
