基于交通态势数据的城市道路平均行程速度时空分布特征及预测研究
发布时间：2023-05-13 23:38
随着国家快速推进城镇化进程、地方政府大量出台吸引人才政策,城市人口数量及机动车保有量累年增高,而城市道路建设里程的增长却远远滞后,导致交通供需矛盾日益凸显,从而造成交通拥堵加剧。而交通拥堵的直接表现,就在于不同等级道路的行程速度过低,所以道路的平均行程速度与交通拥堵密切相关,故而从城市级别来探究平均行车速度的时空分布特征及影响因素,并对其进行预测就显得十分必要。由于利用传统测量方式很难获取整个城市道路网的平均行程速度数据,随着科技的不断积累,智能手机导航、互联网等科技公司的发展日新月异,产生了大量有价值的数据以及较为先进的数据采集手段,使得从城市级别研究道路平均行程速度成为了可能。本文首先利用Python语言,通过设计编程调用高德地图API接口,从而获取了西安市绕城高速内254条道路每5min一次,共4周的平均行程速度海量数据;然后利用聚类分析,将采集的数据分为正常的工作日、休息日及节假日三种类别,通过Arcgis10.5进行可视化表达,并借助相关系数、傅里叶快速变换FFT、相似系数、趋势分析、莫兰指数Moran’s I、热点分析等多种方法,分析了道路平均行程速度在三种类别下,不同的时...
【文章页数】：96 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 研究数据的发展
1.2.2 交通运行状态判别及分布特征
1.2.3 行程速度分布特征及影响因素分析
1.2.4 K近邻交通流预测
1.3 研究内容
1.3.1 研究同标
1.3.2 主要研究内容
1.4 论文技术路线及结构安排
1.4.1 技术路线图
1.4.2 论文结构安排
1.5 本章小结
第二章 基于Python的高德交通态势数据获取及预处理
2.1 高德交通态势数据简介
2.1.1 高德交通态势简介及数据来源
2.1.2 高德交通态势数据可用性分析
2.2 网络爬虫的基本原理与流程
2.2.1 网络爬虫的基本原理
2.2.2 基于Python采集高德数据的实现方法
2.3 数据预处理
2.3.1 数据清洗
2.3.2 数据修复
2.4 平均行程速度的定义及计算方法
2.4.1 平均行程速度的定义
2.4.2 平均行程速度的计算方法
2.5 数据可视化
2.5.1 道路网的生成
2.5.2 各路段平均行程速度关联
2.6 其他数据来源说明
2.7 本章小结
第三章 平均行程速度时空分布特征
3.1 平均行程速度时间分布特征
3.1.1 工作日平均行程速度变化研究
3.1.2 休息日平均行程速度变化研究
3.1.3 节假日平均行程速度变化研究
3.2 平均行程速度数据特性分析
3.2.1 相似性
3.2.2 周期性
3.2.3 时空相关性
3.2.4 空间平稳性
3.3 平均行程速度空间分布特征
3.3.1 工作日平均行程速度空间分布特征
3.3.2 休息日平均行程速度空间分布特征
3.3.3 节假日平均行程速度空间分布特征
3.4 本章小结
第四章 平均行程速度影响因素分析
4.1 商圈对平均行程速度的影响
4.2 不同限行政策对路网平均行程速度的影响
4.2.1 不同限行政策下平均行程速度时间变化特征
4.2.2 不同限行政策下平均行程速度空间变化特征
4.3 人口密度对平均行程速度的影响
4.4 路网密度对平均行程速度的影响
4.5 不良天气条件对道路平均行程速度的影响
4.5.1 降雨对平均行程速度影响
4.5.2 降雪对平均行程速度影响
4.6 地铁开通对沿线道路平均行程速度的影响
4.7 本章小结
第五章 基于K近邻模型的路段行程速度预测
5.1 K邻近预测模型简介
5.2 K邻近预测模型一般步骤
5.3 改进的K近邻模型
5.3.1 路网连接层次划分规则
5.3.2 路网之间等效距离
5.3.3 状态向量的扩展建立
5.4 带权重欧式距离的衡量方式
5.4.1 欧式距离
5.4.2 相关系数及其他方法加权欧式距离
5.4.3 指数加权与高斯加权欧式距离
5.4.4 K近邻预测结果优化
5.5 模型预测效果验证
5.5.1 模型参数确定
5.5.2 改进前后预测精度对比分析
5.6 本章小结
结论与展望
取得的主要成果
主要创新点
研究展望
参考文献
致谢
本文编号：3816753
【文章页数】：96 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 研究数据的发展
1.2.2 交通运行状态判别及分布特征
1.2.3 行程速度分布特征及影响因素分析
1.2.4 K近邻交通流预测
1.3 研究内容
1.3.1 研究同标
1.3.2 主要研究内容
1.4 论文技术路线及结构安排
1.4.1 技术路线图
1.4.2 论文结构安排
1.5 本章小结
第二章 基于Python的高德交通态势数据获取及预处理
2.1 高德交通态势数据简介
2.1.1 高德交通态势简介及数据来源
2.1.2 高德交通态势数据可用性分析
2.2 网络爬虫的基本原理与流程
2.2.1 网络爬虫的基本原理
2.2.2 基于Python采集高德数据的实现方法
2.3 数据预处理
2.3.1 数据清洗
2.3.2 数据修复
2.4 平均行程速度的定义及计算方法
2.4.1 平均行程速度的定义
2.4.2 平均行程速度的计算方法
2.5 数据可视化
2.5.1 道路网的生成
2.5.2 各路段平均行程速度关联
2.6 其他数据来源说明
2.7 本章小结
第三章 平均行程速度时空分布特征
3.1 平均行程速度时间分布特征
3.1.1 工作日平均行程速度变化研究
3.1.2 休息日平均行程速度变化研究
3.1.3 节假日平均行程速度变化研究
3.2 平均行程速度数据特性分析
3.2.1 相似性
3.2.2 周期性
3.2.3 时空相关性
3.2.4 空间平稳性
3.3 平均行程速度空间分布特征
3.3.1 工作日平均行程速度空间分布特征
3.3.2 休息日平均行程速度空间分布特征
3.3.3 节假日平均行程速度空间分布特征
3.4 本章小结
第四章 平均行程速度影响因素分析
4.1 商圈对平均行程速度的影响
4.2 不同限行政策对路网平均行程速度的影响
4.2.1 不同限行政策下平均行程速度时间变化特征
4.2.2 不同限行政策下平均行程速度空间变化特征
4.3 人口密度对平均行程速度的影响
4.4 路网密度对平均行程速度的影响
4.5 不良天气条件对道路平均行程速度的影响
4.5.1 降雨对平均行程速度影响
4.5.2 降雪对平均行程速度影响
4.6 地铁开通对沿线道路平均行程速度的影响
4.7 本章小结
第五章 基于K近邻模型的路段行程速度预测
5.1 K邻近预测模型简介
5.2 K邻近预测模型一般步骤
5.3 改进的K近邻模型
5.3.1 路网连接层次划分规则
5.3.2 路网之间等效距离
5.3.3 状态向量的扩展建立
5.4 带权重欧式距离的衡量方式
5.4.1 欧式距离
5.4.2 相关系数及其他方法加权欧式距离
5.4.3 指数加权与高斯加权欧式距离
5.4.4 K近邻预测结果优化
5.5 模型预测效果验证
5.5.1 模型参数确定
5.5.2 改进前后预测精度对比分析
5.6 本章小结
结论与展望
取得的主要成果
主要创新点
研究展望
参考文献
致谢
本文编号：3816753
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3816753.html
