基于实测数据的天津市交通拥堵时空关联性分析

发布时间：2024-05-31 23:14

　　城市交通系统是城市生活的重要保障,同时促进了城市经济、社会的发展,但城市的快速发展导致人口和机动车保有量迅速增加,引发交通需求和交通供给之间的矛盾,形成了交通拥堵现象,同时带来了环境污染、交通安全等问题。因此,把握交通拥堵产生的时空关联性规律,从而进行提前预防和疏导,可以有效减少拥堵的发生频率并降低拥堵的影响范围。当前拥堵的时空关联分析,通常只涉及时间或空间的关联性,少数针对时空整体的关联分析,然而这些研究通常割裂了时空之间的关系。为此,本文提出了基于道路网络卡口数据的交通拥堵识别方法,以及拥堵区域间的时空关联性分析方法。本文首先进行了交通状态的识别。针对各交通状态定义的不确定性和模糊性,使用FCM模糊聚类算法(Fuzzy C-means clustering)进行交通状态的识别,同时结合“kmeans++”算法确定初始聚类中心,克服了 FCM算法对初始聚类中心敏感的问题,提高了聚类的效果,并对各交通状态在时间和空间的分布特征进行了分析,得到了如下结论:拥堵区域在工作日的早8点和晚17点左右、非工作日的早10点和晚17点左右最多;拥堵区域常分布在地铁站点、学校和立交桥附近区域。其次对拥...

【文章页数】：102 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 交通状态识别研究现状
        1.2.2 拥堵时空关联性研究现状
    1.3 研究内容
    1.4 技术路线
    1.5 本章小结
2 数据预处理
    2.1 数据准备
        2.1.1 数据来源
        2.1.2 数据预处理
    2.2 城市区域网格化
        2.2.1 网格划分
        2.2.2 统计网格信息
    2.3 交通参数的计算
        2.3.1 参数计算
        2.3.2 参数修复
    2.4 本章小结
3 城市道路网络交通状态分析
    3.1 引言
    3.2 交通状态识别指标
    3.3 基于聚类算法交通状态识别
        3.3.1 FCM聚类算法
        3.3.2 初始聚类中心及输入参数的确定
        3.3.3 评价指标
    3.4 实验分析
        3.4.1 数据准备
        3.4.2 实验结果
    3.5 交通状态特征分析
        3.5.1 时间分布特征
        3.5.2 空间分布特征
    3.6 本章小结
4 时空关联规则挖掘算法
    4.1 引言
    4.2 关联规则概要
        4.2.1 算法基本概念
        4.2.2 算法流程
    4.3 时空关联规则
        4.3.1 事务内时空关联规则
        4.3.2 跨事务时空关联规则
    4.4 算法效率提升
        4.4.1 算法缺点
        4.4.2 改进算法—O-Apriori
    4.5 实例分析
        4.5.1 数据准备
        4.5.2 算法对比
    4.6 本章小结
5 天津市交通拥堵关联性分析
    5.1 引言
    5.2 基于STO-Apriori的交通拥堵相关性分析
        5.2.1 数据准备
        5.2.2 非工作日交通拥堵相关性分析
        5.2.3 工作日交通拥堵相关性分析
    5.3 基于CTO-Apriori的交通拥堵演化分析
        5.3.1 工作日拥堵演化挖掘
        5.3.2 非工作日拥堵演化挖掘
    5.4 本章小结
6 结论与展望
    6.1 工作总结
    6.2 不足与展望
参考文献
附录A
索引
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3985215