基于时空特性的城市交通协同控制研究

发布时间：2020-05-10 06:59

【摘要】：随着我国城市的不断发展,城市汽车保有量逐年递增,而城市可利用的空间资源越来越少,使得道路交通供需关系发展不均衡日益突出,交通拥堵等问题越来越严重。信息技术的发展,云计算、大数据、智能检测技术在交通领域的应用,使得交通流数据的获取及应用更加方便;在城市交通网络中,由于交通流本身具有明显的时空特性,因此考虑交通流时空特性的影响,并采用智能算法对时空数据融合,得到全面及可靠的交通流数据;通过时空特性的城市交通协同控制,在时间上进行小范围或节点的流量调控,同时在空间上对交通流量合理分配,对缓解交通拥堵具有非常重要的现实意义。首先,本文从时空特性在交通领域的应用及交通协同控制的研究现状出发,对时空特性的城市交通协同控制进行分析,包括交通流参数的分析以及交通流参数的选取,交通时空特性基础以及时空数据关联等。针对交通协同控制相关的智能交通算法,如遗传算法、微粒群算法等进行分析与阐述。其次,时间序列的交通数据重点描述断面交通流量变化,而空间序列的交通数据主要描述路网交通流分布。对时间特性、空间特性及时空特性的交通数据进行分析,利用时空相关系数分析时空数据之间的相互影响。在进行数据操作之前,首先是对交通数据进行数据预处理,得到可靠的时空序列的交通数据;利用时空数据相关系数来判断时间、空间数据序列之间的关联程度;考虑时空特性的影响,利用遗传算法的群体搜索技术及小波神经网络的较强学习能力,建立遗传-小波神经网络(GA-WNN)的交通数据融合模型,并使用MAE、MRE和MSE等三个评价指标对时空交通数据序列进行分析,得到更全面、更综合有效的时空数据序列。最后,对时空特性的城市交通协同控制模型的建模思路进行分析,包括协同控制基本理论、协同控制的目标,以及时空饱和度、连续交叉口的延误、行程时间等对协同控制的影响参数。采用时空饱和度、交叉口延误等参数为约束条件建立以行程时间最小并解决路段部分拥挤为目标的协同控制模型;利用遗传算法优化的微粒群算法改进种群的分割策略,提高粒子群算法的全局最优能力以及提高搜索精度的能力,对时空特性的交通协同控制模型求解;通过实例分析,时空特性的交通协同控制能有效缩短路网行程时间、优化交通控制参数、均衡路网交通分布,达到缓解路段交通拥堵的目的。
【图文】：

基于时空特性的城市交通协同控制研究

民入卜TN目DZ团助TD6TTSTNLT阳gT呀的T纷T9旧T卜洲TBTT口DTDDTT团入BE卜嘴曰困困坦叮卜mBN口TDT工困m

对比图,空间特性,交通流量,路段

图 3-3 空间特性的交通流量对比图3.1.3 时空特性的交通数据分析车辆在道路上运行时，在时间维度和空间维度上，交通流都是存在内在联系的，通过时空特性的交通数据融合，扩大交通数据的时空覆盖范围，优化交通流时空分布。在单点检测位置处，往往受到其上游、下游等路段的交通流影响，从而使得该点交通流具有时变性。因此，在考虑某一点的交通流时，需要考虑其空间因素的影响。交通流时空关系如图 3-4 所示。．．．T-n时段路段1 路段2 路段3 ．．．路段m-1 路段mT-2时段路段1 路段2 路段3 ．．．路段m-1 路段mT-1时段路段1 路段2 路段3 ．．．路段m-1 路段m历史时间段路段m+1路段m+1路段m+1空间维度．．．
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491.54

【参考文献】