基于混沌理论和小波神经网络的拥挤交通流短时预测

发布时间：2020-12-20 20:59

　　近年来,交通拥堵问题已为相关的交通管理部门所重视,一些先进的控制理念为处理这些问题提供了新颖有效的解决方案,例如交通流短时预测。对于交通流短时预测的现有研究,主要集中于自由交通流状态下的短时预测,较少考虑了拥挤状态下的交通流运行特性;另一方面,现有研究绝大部分都是实测数据结合MATLAB的仿真验证,很少有结合专业交通仿真软件实现交通流的短时预测研究。因此,本文提出的基于混沌理论和小波神经网络的拥挤交通流短时预测对交通管理和控制具有理论指导意义。本文基于城市快速路交通流具有的多种状态,研究了拥挤状态下的交通流运行特性,并利用小波神经网络对其进行短时预测,此外,通过交通仿真软件TransModeler,还实现了交通流短时预测的仿真应用。具体内容包括:首先,结合城市快速路的运行特性,分析城市快速路交通流的运行状态及对其进行划分,得到拥挤交通流的实测数据;其次,着眼于拥挤交通流实测数据,分析其具有的混沌特性并进行相空间重构;进而,利用小波神经网络实现拥挤交通流的短时预测;最后,通过TransModeler软件,构建典型的城市路网,基于TransModeler二次开发交通流短时预测仿真显示平台,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

本文所用数据来源-SHRP2项目数据源

终获得所对应相关参数的 16 天的数据，共有系统所提供的历史数据，得出本文所使用的原还提供了数据的使用手册，如图 2.2 所示，，即标签为 #1-6，并选取同一标签 #2 的平均。图 2.1 本文所用数据来源-SHRP 2 项目数据源

进而，可以得到整个交通流的三种流相：1. 自由流相 (Free flow, F)如图2.3所示，该图主要展示了自由流与拥堵流相关交通流参数之间的关系，并且可以得出交通流率与密度是正相关的[41]，对于临界密度critk 来说，可以将交通流分为自由流和拥堵流，并且临界密度critk 对应着最大流量maxq ，对于自由流相过渡到拥堵流的过程中，有一部分是处于波动的区域，而该区域也是后面即将要介绍的另外一种交通流状态。图 2.3 自由流和拥堵流中交通流量与密度关系[41]2. 宽运动堵塞相 (Wide moving jam, J)Boris Kerner 根据实际交通流所具有的时空特征，对拥堵流进行了详细的划分

【参考文献】：
期刊论文
[1]优化BP_AdaBoost算法及其交通事件检测[J]. 刘庆华,丁文涛,涂娟娟,方守恩.  同济大学学报(自然科学版). 2015(12)
[2]基于实测数据的城市快速路交通流特性研究[J]. 周韬.  公路工程. 2015(05)
[3]短时交通流组合模型预测[J]. 沈国江,朱芸,钱晓杰,胡越.  南京理工大学学报. 2014(02)
[4]基于小波神经网络的短时交通流预测[J]. 金玉婷,余立建.  交通科技与经济. 2014(01)
[5]短时交通流复杂动力学特性分析及预测[J]. 张洪宾,孙小端,贺玉龙.  物理学报. 2014(04)
[6]基于突变理论的海上交通安全系统演化[J]. 齐迹,郑中义,李建民.  大连海事大学学报. 2013(04)
[7]高速公路短时交通流量预测的改进非参数回归算法[J]. 孙棣华,李超,廖孝勇.  公路交通科技. 2013(11)
[8]相空间重构和SVR联合优化的短时交通流预测[J]. 刘建华.  计算机工程与应用. 2014(03)
[9]基于实测数据的快速路交通流参数模型[J]. 董春娇,邵春福,诸葛承祥,李慧轩.  交通运输系统工程与信息. 2013(03)
[10]拥挤流状态下城市快速路交通流时空特性[J]. 董春娇,邵春福,诸葛承祥,孟梦.  北京工业大学学报. 2012(08)

博士论文
[1]基于混沌理论的交通状态预测研究[D]. 马庆禄.重庆大学 2012
[2]多状态下城市快速路网交通流短时预测理论与方法研究[D]. 董春娇.北京交通大学 2011
[3]道路交通流数据挖掘研究[D]. 王亚琴.复旦大学 2007

硕士论文
[1]基于混沌理论和数据融合的短时交通流预测[D]. 蒋肖.重庆邮电大学 2016
[2]基于支持向量回归机和多变量相空间重构的短时交通流预测[D]. 张多.重庆交通大学 2014
[3]基于混沌和小波神经网络的短时交通流预测方法研究[D]. 金玉婷.西南交通大学 2014
[4]基于TransModeler的城市快速路仿真平台设计与实现[D]. 蒋昊宸.浙江大学 2014
[5]基于TransModeler城市交通仿真平台的设计[D]. 汤瑞.山东理工大学 2012



本文编号：2928542