基于智能算法的高速公路行程时间估计研究

发布时间：2023-02-28 17:57

　　如今高速公路上流量负荷不断增大,高速公路交通系统将面临着十分严峻的挑战,高速公路管理部门需要简明直观的信息辅助决策。但随着高速公路上数据日益增加,反映交通状态的参数种类也在不断增加,管理者很难在这些繁杂的信息中找到需要的重点信息。为了对日益拥堵的高速公路提供更好的管理对策,本文选取在交通诱导、交通控制时最关注的因素:行程时间作为主要研究对象,其中主要研究内容如下:实现更加精确有效的行程时间估计,需要获取更加全面、精确的交通数据。因此,本文首先分析了常用的数据融合技术以及融合模型,提出了多源数据的采集与预处理方法,并以长益高速收费站数据、交调站断面数据与阻断数据为基础,对行程时间的时空特征与影响因素进行了深入分析。然后,通过对现有行程时间的估计方法分析,选取了支持向量机模型进行行程时间估计,并使用人工鱼群算法(Artificial fish-swarm,AF)对模型参数进行了优化;通过优化参数SVM模型与原有SVM模型的对比分析,验证了优化参数模型的优势;根据数据调研得知,不同高速公路的管理部门拥有的高速公路数据存在一定误差,因此,本文使用不同高速公路数据对行程时间进行估计,可为拥有不同...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题来源
    1.2 研究背景及意义
        1.2.1 研究背景
        1.2.2 研究意义
    1.3 国内外研究现状
        1.3.1 高速公路交通数据
        1.3.2 高速公路多源数据融合
        1.3.3 研究现状总结
    1.4 主要内容与技术路线
    1.5 本章小结
第二章 高速公路交通数据预处理与多源数据融合技术
    2.1 高速公路交通运行数据
    2.2 高速公路交通运行数据预处理
    2.3 高速公路多源数据融合
        2.3.1 数据融合技术
        2.3.2 数据融合主要方法对比
        2.3.3 多源数据的时空匹配
    2.4 本章小结
第三章 长益高速公路行程时间分布特征及影响因素分析
    3.1 长益高速公路行程时间分布特征
    3.2 行程时间影响因素
        3.2.1 主线交通量对行程时间的影响
        3.2.2 节假日对行程时间的影响
        3.2.3 交通流管控对行程时间的影响
        3.2.4 交通事故对行程时间的影响
        3.2.5 天气数据对行程时间的影响
    3.3 本章小结
第四章 基于支持向量机的高速公路行程时间估计方法
    4.1 支持向量机原理
    4.2 高速公路行程时间估计模型建立
        4.2.1 支持向量机核函数选择
        4.2.2 基于人工鱼群算法的模型参数优化
        4.2.3 估计模型建立
    4.3 模型评价及检验
        4.3.1 评价指标
        4.3.2 检验过程
        4.3.3 评价结果
    4.4 不同数据源交通状态估计及结果对比
    4.5 本章小结
第五章 高速公路行程时间估计智能算法比较研究
    5.1 基于BP神经网络的行程时间估计
        5.1.1 高速公路行程时间估计的神经网络模型
        5.1.2 估计结果
    5.2 基于卡尔曼滤波的高速公路行程时间估计
        5.2.1 高速公路行程时间估计的卡尔曼滤波模型
        5.2.2 估计结果
    5.3 基于多核SVM的高速公路行程时间估计
        5.3.1 高速公路行程时间估计的多核SVM模型
        5.3.2 估计结果
    5.4 估计方法的比较
    5.5 本章小结
结论与展望
    主要结论
    研究展望
参考文献
致谢
附录A 攻读学位期间发表论文目录
附录B 攻读学位期间参与的科研项目



本文编号：3751589