基于时空特性的短时交通流预测模型研究
发布时间：2021-02-07 17:56
随着城市化进程的加快,城市道路交通拥堵问题日益严重。智能交通系统在交通管理与控制方面表现出的良好效果,需要准确、实时地短时交通流信息作为支撑,因而建立高效的短时交通交通流预测模型具有重要意义。现有研究多基于单一断面的历史数据进行交通流预测,忽视了上下游交通流造成的影响。本文基于交通流时间和空间特性分析,将交通流守恒方程进行时空离散化,建立了基于时空特性的短时交通流预测模型。主要研究内容如下:首先,阐述短时交通流预测的背景和意义,将现有预测方法进行详细分类,并对每一类方法的研究现状做出了文献综述。介绍了本文研究的技术路线、章节安排和研究内容。其次,定义交通流基本参数,推导时间占有率和密度的关系式,阐述城市交通流影响因素。基于基本图和三相交通流理论研究,将交通流划分自由流、拥挤流和堵塞流三种状态。交通流数据处理技术采用阈值法识别异常数据,利用相邻数据平均法对异常数据进行修复。然后,自由流状态下,分析交通流的时间特性,对于不平稳时间序列采用C-C算法求解相空间重构参数并进行相重构;通过计算皮尔逊相关系数来分析空间特性,结果表明预测断面交通流受上游交通流影响,并基于经典交通流参数模型建立了分段...
【文章来源】：北京建筑大学北京市
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
短时交通流预测方法分类
8图 1-2 论文研究技术路线文内容研究内容，本文主要分为五章，安排如下：章绪论，主要介绍本文研究背景与意义，总结现有国内外短时交通流类综述。同时对本文的研究的技术路线和研究内容进行阐述。章介绍了交通流特性和数据预处理技术，其中交通流特性方面详细介本特征参数，交通流影响因素和交通流状态划分；数据预处理技术部
最常关注后两个关系式，此时即可得到完整的交通流一关系体系表示在坐标图中，即可得到交通流参数关系基本分为自由流和拥挤流两种状态。相理论论将交通流划分为自由流和拥挤流两个，即一个是低密度状不存在两者之间的中间状态，而实际交通流情况并非严格只，Boris Kerner 等提出了三相交通流理论[74]，该理论进一步将堵塞和同步流，则交通流状态被分为以下三个相：自由流相（ynchronized Flow, S）、宽运动堵塞相（Wide Moving Jam, J）流相态时，交通流密度较低，此时车辆之间基本不存在干扰，车量与密度关系图可以看出，自由流时密度与流量之间呈现出随着密度的增加而增加，当关系曲线达到最高点，即最大流即为自由流相，右侧即为同步流相和宽运动堵塞相组成的拥
【参考文献】：
期刊论文
[1]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[2]基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 刘钊,杜威,闫冬梅,柴干,郭建华. 公路交通科技. 2017(05)
[3]基于ARIMA和小波神经网络组合模型的交通流预测[J]. 成云,成孝刚,谈苗苗,周凯,李海波. 计算机技术与发展. 2017(01)
[4]基于尖点突变的城市快速路交通流拥堵时空演化研究[J]. 许伦辉,王祥雪. 公路. 2016(12)
[5]基于多智能体的城市道路短时交通流预测与仿真研究[J]. 朱湧,徐建川,陈晓利,李远哲. 公路交通技术. 2016(06)
[6]改进的花授粉算法优化SVM在交通流中的应用[J]. 孙朝东,梁雪春. 计算机工程与设计. 2016(10)
[7]基于相空间重构和支持向量机的小麦条锈病预测方法[J]. 刘诚,熊万丹,付蜀智. 四川大学学报(自然科学版). 2016(02)
[8]一种路网交通流参数的融合预测方法[J]. 聂佩林,龚峻峰. 交通运输系统工程与信息. 2015(06)
[9]改进GA优化BP神经网络的短时交通流预测[J]. 卢建中,程浩. 合肥工业大学学报(自然科学版). 2015(01)
[10]基于数据流集成回归的短时交通流预测[J]. 徐文华,魏志强. 交通信息与安全. 2014(04)
博士论文
[1]基于智能理论的交通流量组合预测模型研究[D]. 于志恒.东北师范大学 2016
[2]基于基本图和三相交通流理论的离散建模方法研究[D]. 田钧方.北京交通大学 2014
[3]城市路网交通预测模型研究及应用[D]. 张扬.上海交通大学 2009
硕士论文
[1]基于卡尔曼滤波的短时交通流预测方法研究[D]. 石曼曼.西南交通大学 2012
[2]小波支持向量机在交通流预测中的应用研究[D]. 方宇.大连理工大学 2010
[3]基于相空间重构和支持向量机的长期电力负荷预测[D]. 游华.重庆师范大学 2010
[4]基于非参数回归的路网短时交通状态预测[D]. 马毅林.北京交通大学 2008
本文编号：3022599
【文章来源】：北京建筑大学北京市
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
短时交通流预测方法分类
8图 1-2 论文研究技术路线文内容研究内容，本文主要分为五章，安排如下：章绪论，主要介绍本文研究背景与意义，总结现有国内外短时交通流类综述。同时对本文的研究的技术路线和研究内容进行阐述。章介绍了交通流特性和数据预处理技术，其中交通流特性方面详细介本特征参数，交通流影响因素和交通流状态划分；数据预处理技术部
最常关注后两个关系式，此时即可得到完整的交通流一关系体系表示在坐标图中，即可得到交通流参数关系基本分为自由流和拥挤流两种状态。相理论论将交通流划分为自由流和拥挤流两个，即一个是低密度状不存在两者之间的中间状态，而实际交通流情况并非严格只，Boris Kerner 等提出了三相交通流理论[74]，该理论进一步将堵塞和同步流，则交通流状态被分为以下三个相：自由流相（ynchronized Flow, S）、宽运动堵塞相（Wide Moving Jam, J）流相态时，交通流密度较低，此时车辆之间基本不存在干扰，车量与密度关系图可以看出，自由流时密度与流量之间呈现出随着密度的增加而增加，当关系曲线达到最高点，即最大流即为自由流相，右侧即为同步流相和宽运动堵塞相组成的拥
【参考文献】：
期刊论文
[1]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[2]基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 刘钊,杜威,闫冬梅,柴干,郭建华. 公路交通科技. 2017(05)
[3]基于ARIMA和小波神经网络组合模型的交通流预测[J]. 成云,成孝刚,谈苗苗,周凯,李海波. 计算机技术与发展. 2017(01)
[4]基于尖点突变的城市快速路交通流拥堵时空演化研究[J]. 许伦辉,王祥雪. 公路. 2016(12)
[5]基于多智能体的城市道路短时交通流预测与仿真研究[J]. 朱湧,徐建川,陈晓利,李远哲. 公路交通技术. 2016(06)
[6]改进的花授粉算法优化SVM在交通流中的应用[J]. 孙朝东,梁雪春. 计算机工程与设计. 2016(10)
[7]基于相空间重构和支持向量机的小麦条锈病预测方法[J]. 刘诚,熊万丹,付蜀智. 四川大学学报(自然科学版). 2016(02)
[8]一种路网交通流参数的融合预测方法[J]. 聂佩林,龚峻峰. 交通运输系统工程与信息. 2015(06)
[9]改进GA优化BP神经网络的短时交通流预测[J]. 卢建中,程浩. 合肥工业大学学报(自然科学版). 2015(01)
[10]基于数据流集成回归的短时交通流预测[J]. 徐文华,魏志强. 交通信息与安全. 2014(04)
博士论文
[1]基于智能理论的交通流量组合预测模型研究[D]. 于志恒.东北师范大学 2016
[2]基于基本图和三相交通流理论的离散建模方法研究[D]. 田钧方.北京交通大学 2014
[3]城市路网交通预测模型研究及应用[D]. 张扬.上海交通大学 2009
硕士论文
[1]基于卡尔曼滤波的短时交通流预测方法研究[D]. 石曼曼.西南交通大学 2012
[2]小波支持向量机在交通流预测中的应用研究[D]. 方宇.大连理工大学 2010
[3]基于相空间重构和支持向量机的长期电力负荷预测[D]. 游华.重庆师范大学 2010
[4]基于非参数回归的路网短时交通状态预测[D]. 马毅林.北京交通大学 2008
本文编号：3022599
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3022599.html
