短时交通流预测与城市路网交通拥堵识别方法研究与应用

发布时间：2020-07-19 12:24

【摘要】：城市道路交通拥堵已经成为人们日常出行的困扰,为有效解决交通拥堵,方便人们出行,提升城市幸福感,实时、准确的交通拥堵预测尤为重要。短时交通流预测和城市路网拥堵识别是拥堵预测的关键技术,它直接影响了预测效果,因此,开展短时交通流预测方法和路网拥堵识别方法的研究具有一定的理论和应用价值。由于城市路网中实际交通流变化的不稳定性和复杂性,因此如何建立快速准确的交通流预测模型,以及如何选择路网拥堵判别指标并建立交通拥堵测度模型是本文研究的重要内容。论文主要研究工作如下:1.针对交通流数据的非线性特性以及因受采集环境的干扰所产生的噪声影响,提出了一种基于小波的消噪方法以对原始交通流数据进行平滑处理。该方法的思想是采用小波多分辨率分析理论,基于Mallat算法对原始交通流数据进行分解,再利用小波阈值去噪原理对分解得到的各层系数选择阈值,最后用降噪后的小波系数重构原始数据,使数据与噪声有效分离,以达到将原始数据平滑去噪的目的。2.研究分析了现有短时交通流预测方法,在此基础上建立了基于BP神经网络的短时交通流预测模型。模型原理是基于Widrow-Hoff学习规则的正向传递工作信号反向传递误差信号的多层网络,用采集来的原始交通流数据对网络进行训练,使用神经网络算法建立数学模型,并用模型进行预测。用所建立的模型与卡尔曼滤波和GM(1,1)预测模型进行了实验对比,结果证明,BP神经网络预测模型的预测效果优于卡尔曼滤波和GM(1,1)预测模型,是一种有效的交通流预测模型。3.研究了城市路网交通拥堵测度指标体系及交通拥堵识别方法,在实验对比分析基础上,给出了一种基于“点”、“线”、“面”的城市路网交通拥堵综合测度模型,该模型可以对单条道路、十字路口、区域的TCI(交通拥堵指数)进行测定,以便识别道路拥堵状况。为达到对某区域是否拥堵的动态识别的目的,着重分析探讨了区域交通拥堵状况的判别方法。4.为能将交通拥堵预测结果进行可视化表示,对基于电子地图的可视化方法进行了研究,并利用已有交通信息监测点数据,使用百度地图API接口技术,采用JavaScript构建西安市二环内城市道路网络拓扑图,实现了区域自动显示功能。5.在本文研究成果的基础上,结合应用需求,采用MATLAB GUI设计实现了一个交通拥堵预测系统。该系统能够对短时交通流进行预测,同时能够对区域交通拥堵状态进行识别和预测。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491;TP183;TN713
【图文】：

交通流模型曲线图

12图 2.2 速度—密度关系，当 K=0 时，fV = V,即在交通密度很小的情况下 V =0，即在交通密度很大时，车辆速度趋于零说明，如图 2.2，已知 C 点的速度为mv 和密度为K面积。关系与密度关系是交通流的基本关系。由 QVKs=

图 2.3 流量—密度关系图种二次函数关系，如图 2.3 所示。从图中可以看出，增加，流量 Q 也随之变大；当密度增加到 C 点时加，此时流量 Q 随着密度的增大而减小，直到减挤的情况，密度大于mK 的点表示拥挤的情况。量关系线模型为基础： = fjvvK K1 = fjvvQKv2

【相似文献】

相关期刊论文 前10条

1 王晓丹;白云;李川;;基于统计的我国短时交通流预测模型分析[J];现代计算机(专业版);2017年17期

2 程山英;;基于模糊神经网络的短时交通流预测方法研究[J];计算机测量与控制;2017年08期

3 邓箴;任静;刘立波;;基于多条件随机场的短时交通流预测模型[J];计算机工程与设计;2017年10期

4 高圣国;;基于模式识别的短时交通流预测[J];公路;2011年09期

5 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

6 马宏亮;张建平;李瑞敏;郭敏;;短时交通流预测系统的效率优化研究[J];交通信息与安全;2010年04期

7 赵宏;翟冬梅;石朝辉;;短时交通流预测模型综述[J];都市快轨交通;2019年04期

8 傅成红;杨书敏;张阳;;改进支持向量回归机的短时交通流预测[J];交通运输系统工程与信息;2019年04期

9 康军;段宗涛;唐蕾;温兴超;;一种平稳化短时交通流预测方法[J];测控技术;2018年02期

10 黄晓慧;张翠芳;;布谷鸟算法优化小波神经网络的短时交通流预测[J];计算机应用与软件;2017年03期

相关会议论文 前6条

1 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

3 许岩岩;翟希;孔庆杰;刘允才;;基于分类回归树的交通流短时预测[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

4 贺佐斌;丁晓青;杨碧茹;侯海波;;信号交叉口短时交通流预测[A];2017年中国城市交通规划年会论文集[C];2017年

5 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年

6 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

相关博士学位论文 前4条

1 吴聪;LDM~3平台的路网态势关键算法及系统研究[D];南京大学;2013年

2 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

3 敖谷昌;城市快速路交通状态特性及关联分析方法研究[D];北京交通大学;2014年

4 孔祥杰;城市路网交通流协调控制技术研究[D];浙江大学;2009年

相关硕士学位论文 前10条

1 李佩钰;短时交通流预测与城市路网交通拥堵识别方法研究与应用[D];长安大学;2019年

2 王青松;城市交叉口短时交通流的配时优化方案研究与应用[D];中国科学技术大学;2019年

3 李敏;基于GJR-GARCH模型和一种集成学习方法的短时交通流预测研究[D];太原理工大学;2019年

4 白跃升;基于GSM数据的交通出行预测模型的构建与应用[D];中北大学;2019年

5 罗川;基于最小二乘支持向量机的短时交通流预测方法研究[D];太原理工大学;2019年

6 石睿;基于粒子滤波与神经网络的短时交通流预测[D];北京交通大学;2018年

7 李扬;基于时空特性的短时交通流预测模型研究[D];北京建筑大学;2018年

8 李治;基于短时交通流预测的动态路径选择问题研究[D];兰州交通大学;2018年

9 张金飞;城市交通路口短时流量预测模型研究[D];昆明理工大学;2018年

10 余涛;基于SVM和BP神经网络的短时交通流预测与实现[D];南京邮电大学;2018年

本文编号：2762417