基于浮动车数据的道路拥堵状态评价及宏观基本图研究

发布时间：2017-07-29 11:14

  本文关键词：基于浮动车数据的道路拥堵状态评价及宏观基本图研究

  更多相关文章： 浮动车数据 最大排队长度估计 拥堵程度评价 宏观基本图

【摘要】：随着城市经济的快速发展,交通拥堵已经成为现代都市中常见的现象。交通拥堵不仅影响着居民的正常出行、城市环境的治理,也制约了城市经济的发展。如何快速地发现交通拥堵现象并及时采取有效的解决措施,是当代ITS领域的一个重要研究课题。近些年来,随着各类采集技术的发展和广泛应用,ITS进入了大数据时代。相对于传统的固定检测器技术,浮动车信息采集技术具有易于安装维护、数据准确度高、信息量大等特点,已逐渐成为城市交通状态分析的一种重要数据来源。本文以北京市浮动车数据为基础,研究了路口最大排队长度的估计方法,对区域道路交通运行状态进行评价,并在此基础上,分析研究了区域的宏观基本图(Macroscopic Fundamental Diagrams,MFD)。首先,本文对实际采集的浮动车数据进行预处理。然后,根据浮动车低速点数据(瞬时速度小于5kmm/h)在交叉口进口方向上的分布情况,给出了一种基于交叉口进口方向道路浮动车数量、进口方向道路等级和车道数的排队长度修正算法,得到在一定时间段内更贴合实际的路段最大排队长度。其次,将估计得到的路段最大排队长度、路段车辆行驶速度及路段行程延误时间作为区域内拥堵状态评价参数,基于模糊综合评价算法,给出了一种在不同时间段内路段及区域的拥堵程度的评价方法。最后,利用实际浮动车数据,基于路段最大排队长度估计提出了一种区域内车辆行驶总数的估计方法。在此基础上,得到了区域内车辆总数与车辆平均速度的关系曲线,并考察了区域内平均速度—平均密度—平均流量三者之间的关系,分析了宏观基本图在真实路网中的存在性。
【关键词】：浮动车数据 最大排队长度估计 拥堵程度评价 宏观基本图
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-21
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-18
• 1.2.1 浮动车技术研究现状12-13
• 1.2.2 交通信息采集技术现状13-15
• 1.2.3 排队长度估算研究现状15-16
• 1.2.4 道路拥堵状态研究现状16-17
• 1.2.5 宏观基本图研究现状17-18
• 1.3 论文的结构及主要内容18-21
• 2 浮动车交通信息采集技术及数据处理21-31
• 2.1 浮动车交通信息采集系统21-22
• 2.2 浮动车GPS数据格式22-23
• 2.3 浮动车GPS异常数据处理23-26
• 2.3.1 车载设备异常数据23-24
• 2.3.2 异常行驶浮动车GPS数据处理24-26
• 2.4 浮动车GPS数据采样时间间隔的确定26-27
• 2.5 研究区域的选择27-29
• 2.6 小结29-31
• 3 基于浮动车GPS数据的路段最大排队长度估算31-47
• 3.1 城市道路分类及交通参数31-34
• 3.2 排队长度估算方法简介34-35
• 3.3 基于浮动车GPS数据的最大排队长度估算方法35-40
• 3.4 实例分析40-45
• 3.4.1 单条路段的最大排队长度估算40-44
• 3.4.2 区域路段最大排队长度估算44-45
• 3.5 小结45-47
• 4 基于浮动车GPS数据的道路拥堵状态评价47-63
• 4.1 交通拥堵分类及标准47-48
• 4.2 模糊综合评价方法48-51
• 4.2.1 模糊综合评价相关概念48-49
• 4.2.2 模糊综合评价基本原理49-51
• 4.3 模糊综合评价模型参数选取51-53
• 4.4 实例分析53-62
• 4.4.1 建立模糊综合评价模型53-58
• 4.4.2 单条路段拥堵状态评价58-61
• 4.4.3 区域拥堵状态评价61-62
• 4.5 小结62-63
• 5 基于浮动车GPS数据的宏观基本图估计63-75
• 5.1 MFD概述63-64
• 5.2 基于浮动车GPS数据的MFD估计方法64-66
• 5.2.1 浮动车GPS数据筛选64
• 5.2.2 行车速度的估算64-65
• 5.2.3 区域内行车车辆总数的估算65-66
• 5.3 实例分析66-73
• 5.4 小结73-75
• 6 结论75-77
• 6.1 论文主要结论75-76
• 6.2 有待研究内容76-77
• 参考文献77-81
• 作者简历及攻读硕士/博士学位期间取得的研究成果81-85
• 学位论文数据集85

【相似文献】

中国期刊全文数据库 前10条

1 秦玲;张剑飞;郭鹏;桑丽;;浮动车交通信息处理与应用系统核心功能及实现[J];公路交通科技;2006年11期

2 翁剑成;荣建;于泉;任福田;;基于浮动车数据的行程速度估计算法及优化[J];北京工业大学学报;2007年05期

3 郭继孚;温慧敏;陈锋;;浮动车系统功能分析与应用设计研究[J];交通运输系统工程与信息;2007年03期

4 张存保;杨晓光;严新平;;浮动车采样周期优化方法研究[J];交通运输系统工程与信息;2007年03期

5 辛飞飞;陈小鸿;林航飞;;浮动车数据路网时空分布特征研究[J];中国公路学报;2008年04期

6 周舒杰;廖孝勇;赵敏;孙棣华;;面向道路网的浮动车最小覆盖率模型[J];重庆工学院学报(自然科学版);2009年04期

7 邹文杰;翁剑成;周翔;荣建;;基于浮动车数据的宏观路网运行状态评价研究[J];公路交通科技;2009年S1期

8 李宇光;李清泉;;基于矢量道路栅格化的海量浮动车数据快速处理[J];公路交通科技;2010年03期

9 周双全;杨小文;张建忠;张志平;韩舒;;浮动车数据和定点检测数据的融合算法研究[J];交通标准化;2010年16期

10 刘春;黄美娴;杨超;;浮动车数据缺失道路的速度推估模型与实现[J];同济大学学报(自然科学版);2010年08期

中国重要会议论文全文数据库 前10条

1 孙立;王海峰;林绵峰;;浮动车系统的规模参数研究[A];第二届中国智能交通年会论文集[C];2006年

2 范跃祖;王力;王川久;张海;;浮动车技术的发展及应用研究综述[A];第一届中国智能交通年会论文集[C];2005年

3 李秋萍;李必军;;基于浮动车的道路网变化探测方法[A];2008第四届中国智能交通年会论文集[C];2008年

4 扈中伟;温慧敏;孙建平;陈锋;;基于车牌照识别数据的浮动车系统分析与验证[A];2008第四届中国智能交通年会论文集[C];2008年

5 王雪松;刘浩冰;;基于浮动车数据的上海市主干道车速特征分析(英文)[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

6 张永强;;浮动车覆盖率问题初探[A];第二届中国智能交通年会论文集[C];2006年

7 曾维;王海峰;孙立;;不同浮动车规模下的城市道路路况相似性判据研究[A];2008第四届中国智能交通年会论文集[C];2008年

8 周元峰;吴建平;董敬欣;;使用浮动车检测路网可达性及交通管理策略的研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

9 徐建闽;邹亮;;浮动车与感应线圈检测技术融合模型[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 张存保;杨晓光;;基于浮动车的道路交通信息采集系统研究[A];第二届中国智能交通年会论文集[C];2006年

中国重要报纸全文数据库 前2条

1 Chi-Chu TsChang 美国《商业周刊》 本报编译 于景浩;北京奥运疏导交通采用世界前沿科技[N];世界报;2008年

2 耿闻;奥运会推动北京交通快速发展[N];中国旅游报;2007年

中国博士学位论文全文数据库 前4条

1 廖孝勇;浮动车交通参数检测及在道路交通状态分析中的应用研究[D];重庆大学;2011年

2 余洋;云计算环境下的大样本浮动车数据处理关键技术研究[D];武汉大学;2010年

3 李宇光;海量低频浮动车数据道路匹配及行程时间估算[D];武汉大学;2013年

4 计会凤;基于浮动车GPS数据的动态交通预测与诱导模型研究[D];辽宁工程技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 王许涛;基于交通信息路网覆盖率的浮动车系统配置优化研究[D];北京交通大学;2012年

2 汪向飞;基于浮动车数据的城市交通流信息感知方法研究[D];浙江工业大学;2015年

3 万林峰;基于浮动车数据的道路交通路况分析系统的设计与实现[D];东南大学;2015年

4 赵斌;基于GPS的公交浮动车到站时间预测[D];北京交通大学;2016年

5 訾宪娟;基于浮动车轨迹数据的路网重构和地图匹配[D];山东大学;2016年

6 李梦琦;基于浮动车数据的道路拥堵状态评价及宏观基本图研究[D];北京交通大学;2016年

7 江波;基于浮动车数据的实时交通状态估计[D];山东大学;2011年

8 管亚丽;成都市出租车浮动车数据可靠性分析[D];西南交通大学;2011年

9 刘俏;基于浮动车技术的城市道路网状况研究[D];武汉理工大学;2013年

10 朱爱华;基于浮动车数据的路段旅行时间预测研究[D];北京交通大学;2008年

，

本文编号：588897