城市主干路交通状态评价与关联规则挖掘研究

发布时间：2020-06-02 08:32

【摘要】：城市道路交通状态评价可为出行者提供路网运行状态信息,帮助出行者更好选择出行路径。对交通状态进行关联规则挖掘,寻找潜在规律为交通决策提供理论依据。目前相关研究存在交通参数估计准确性低,交通运行状态评价模型合理性低、对拥堵敏感性弱,关联挖掘模型状态维多数为单变量,不能完全有效表征交通运行状态的问题,算法时空复杂度高。在对现有的交通参数估算方法、交通运行状态模型和关联规则挖掘模型的归纳和分析基础之上,本文贡献如下:综合考虑交通参数准确性需求,以及浮动车轨迹数据的低频特性,提出了以轨迹对路段的覆盖率为权重,估算区间平均速度的方法。根据区间平均速度估算结果,对路段平均延误和交叉口平均延误进行估计。以最大排队长度为指标,动态划分交叉口的影响区域。采用模糊综合评价理论,从评价指标应具备易获取性、准确性,以及模型对拥堵敏感性角度选取了最大排队长度、区间平均速度、路段平均延误和交叉口平均延误作为评价指标。考虑到交通流的复杂性和模糊性,利用黄金分割法划分了评价指标模糊区间,构建了隶属度函数和模糊关系矩阵,最后构建了评价模型。以交通运行状态评价结果为状态维,加入了空间维、时间维进行关联规则挖掘。改进了经典关联规则挖掘Apriori算法,在连接步之前添加了状态筛选条件和时空约束条件,降低了时空复杂度,提高了算法挖掘效率。本文通过对比长春市2018年6月20日7:00-10:00南湖路(延安大街至人民大街)的最大排队长度的估算值和真值,得到最大排队长度平均相对误差为12.48%,平均绝对误差为43m。为了对挖掘模型进行验证,选取长春市2017年3月连续5个周五(训练集)和周六(测试集)交通运行状态进行拥堵状态下时空关联规则挖掘,设时空约束为相邻时段,路径最短距离为5km,支持度和置信度均为100%,训练集和测试集得到了相同传播规则。模型拥有较好的适用性。
【图文】：

影响区域,交叉口,平均速度,路段

图 2-1 交叉口影响区域动态划分2.2.2 区间平均速度基于低采样频率的轨迹数据估算区间平均速度的方法由一系列步骤组成：分区域计算浮动车行驶速度；浮动车行驶轨迹权重计算；路段区间平均速度计算。（1）分区域计算速度由于车辆在路线的其他部分上的行驶时间是未知的，相邻路段浮动车轨迹连线可能会部分通过网络中未包含在研究区域的部分，，这意味着浮动车行驶轨迹对估算路段区间平均速度的有效性不同，因此需要分别计算最大排队长度区域和非排队区域浮动车行驶速度。①行驶过区域的浮动车有两个及以上的数量的轨迹点，通过一个行程内浮动车在路段上边缘两个轨迹点间的行驶距离与其对应的时间来计算浮动车的行驶速度，见公式（2-2）。iSvT （2-2）

轨迹图,轨迹,临界位置,路段

哈尔滨工业大学工学硕士学位论文②行驶经过研究区域的 FCD 仅有一个轨迹点时，需要与相邻路段中其他数据结合估算。假设车辆在路段之间是均匀变化的，计算从临界位置（交叉口位置、最大排队长度位置）到区域内轨迹点的轨迹长度和行程时间，进而得到某一次行程的区间平均速度，以 FCD 经过的两条相邻路段的车速作为区间平均速度的权值，见公式（2-3）至公式（2-6）。行驶轨迹图 2-2 中路段 1、2、3之间为临界位置。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491

【参考文献】