面向城市道路网交通瓶颈预警的信号控制关键技术研究
发布时间：2020-09-27 10:56
交通拥堵预防与治理是城市道路交通管理中长期存在的难题,而交通瓶颈往往是交通拥堵的引发点和始发点,因此,研究城市道路网交通瓶颈具有重要意义。交通瓶颈预警正是在交通拥堵出现前,通过分析当前交通状态、研判发展趋势,进而识别城市道路网中可能发展成为交通瓶颈的交通节点,明确诱发交通瓶颈的原因,为交通管理措施的制定或调整提供决策依据,最终实现延缓甚至避免交通拥堵出现的目的。交叉口是多方向交通流的汇聚点,导致各方向交通流通过效率低;信号控制是保障交叉口通行效率和减少交通冲突的最有效方式,且在城市道路网中覆盖率广;因此,信号交叉口将作为城市道路网交通瓶颈预警的主要对象。本文立足于城市道路网交通瓶颈预警研究需求,以信号交叉口为主要研究对象,围绕城市道路网交通瓶颈预警流程以及关键支撑技术开展研究,以期为城市道路网交通瓶颈预警提供理论和技术支持。本文以交通瓶颈研究现状为基础,以交通瓶颈管理需求为导向,制定城市道路网交通瓶颈预警流程,提出交通瓶颈预警关键技术需求,并分别对城市道路短时交通流预测、信号交叉口特征参数和控制方法、区域信号协调控制等关键技术开展研究。具体研究内容如下:(1)在对交通瓶颈特征、交通管理需求分析的基础上,提出城市道路网交通瓶颈预警流程和关键技术需求。通过梳理交通瓶颈类型及其基本特征,以城市道路交通瓶颈管理需求为导向,将城市道路网交通瓶颈预警流程划分为四个部分,分别为交通基础信息采集与分析、潜在交通瓶颈识别、潜在交通瓶颈诱因分析和交通瓶颈预警信息发布。在支撑交通瓶颈预警的关键技术中,城市道路短时交通流预测技术是潜在交通瓶颈识别的重要工具,信号交叉口交通特征分析技术是基于交通流实时状态的潜在交通瓶颈识别方法和提升信号控制效率的基础,协调式信号控制方法是分析潜在交通瓶颈诱因和进行潜在交通瓶颈改善的重要手段。以上关键技术虽然已取得一定研究成果,但仍具有很大提升空间,本文将对上述技术进一步研究和改进。(2)基于城市道路网交通流数据的时空相关性,提出城市道路交通流时空数据的降维方法,提高既有短时交通流预测模型的准确性。既有短时交通流预测模型主要应用于公路交通流预测,直接应用于城市道路短时交通流预测难以适应城市道路交通流的波动性,预测结果准确性较低。本文基于城市道路交通流的时空相关性,提出城市道路交通流时空数据的降维方法,旨在提高既有短时交通流预测模型在城市道路交通流预测中的精度,以定性分析进行影响路段的初选、以多维尺度法对初选影响路段进行聚类分组、以相关性分析筛选最终影响路段。分别利用BP神经网络、多元线性回归预测模型验证提出的交通流数据降维方法对预测结果的影响,结果表明提出的降维方法能提高城市道路短时交通流预测模型的预测精度和运算速度。(3)在分析信号交叉口特征参数敏感度和标定准确性的基础上,通过研究信号交叉口进口道排队车辆车头时距分布,提出信号交叉口特征参数标定方法和信号控制方法。以信号损失时间、饱和流率和车头时距为信号交叉口主要特征参数,通过特征参数的敏感度和标定准确性分析,得出特征参数现有标定方式的不足,提出从车头时距分布出发对特征参数的标定进行优化;通过对车头时距分布的研究可知,固定位置处车头时距服从对数正态分布,连续排队位置车头时距服从对数分布,且不宜采用固定分位点标定每个排队位置的车头时距;以车头时距分布为基础,探索信号交叉口特征参数标定以及不以饱和流率和总损失时间为变量的信号控制方法,提出最佳绿灯时间控制方法、交叉口动态通行能力计算方法以及不以车道通行能力和信号损失时间为变量的信号配时算法。(4)以联合树法和强化学习的结合算法进行区域交通信号协调控制,通过基本理论优化提高算法对交通信号控制的适用性,通过应用功能优化满足交通瓶颈预警对信号协调控制的需求。为满足交通瓶颈预警需求,提出结合联合树法和强化学习算法对区域交通信号进行协调控制,但现有研究成果在信息传递方法、参数设置、动作选择策略、最大生成树分析、单个交叉口运行效果方面还存在不足,难以满足交通瓶颈预警需求。在现有研究基础上,提出从基本理论优化和应用功能优化两方面对基于联合树法的区域信号协调强化学习算法进行优化;基本理论优化包括核心参数优化、基本规则优化以及JTA信息传递模式优化,应用功能优化包括基于单个交叉口运行效果的算法优化和基于交通瓶颈识别需求的回报函数优化;构建测试环境对改进后的算法进行验证,结果表明改进后的算法不仅能更好地适应交通信号控制的基本需求,亦可满足交通瓶颈预警的需求。(5)以实际城市交通环境为背景,对研究成果进行应用分析。以常熟市局部道路网及交通流数据为基础,构建交通模拟环境;以多种车道的车头时距数据验证车头时距分布及信号交叉口动态通行能力;以交通模拟环境为平台,应用基于交通流实时状态的潜在交通瓶颈识别方法,利用不同评价指标识别潜在交通瓶颈;应用面向短时交通流预测需求的交通流时空数据降维方法,验证交通流时空数据降维方法对城市道路短时交通流预测精度和运算速度的改善作用;在潜在交通瓶颈识别的基础上,应用基于联合树法的区域信号协调强化学习算法分析交通瓶颈的诱发原因。
【学位单位】：东南大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：U491.54
【部分图文】：
颈管理入手，构建城市道路网交通瓶颈预警流程，继而对支撑交通瓶颈预警的三项关键技术逡逑分别进行深入研[偅詈罄檬道治龆猿晒目刹僮餍院褪涤眉壑到醒橹ぁＢ畚难芯康腻义霞际趼废咄迹保比缢尽ｅ义系谝徽滦髀坼义
本文编号：2827775
【学位单位】：东南大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：U491.54
【部分图文】：
颈管理入手，构建城市道路网交通瓶颈预警流程，继而对支撑交通瓶颈预警的三项关键技术逡逑分别进行深入研[偅詈罄檬道治龆猿晒目刹僮餍院褪涤眉壑到醒橹ぁＢ畚难芯康腻义霞际趼废咄迹保比缢尽ｅ义系谝徽滦髀坼义
本文编号：2827775
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2827775.html
