基于短时交通流预测的城市区域交通信号控制研究

发布时间：2017-09-05 08:25

  本文关键词：基于短时交通流预测的城市区域交通信号控制研究

  更多相关文章： 短时交通流预测 区域交通信号控制 小波神经网络 关键交叉路口

【摘要】：城市交通问题是困扰城市发展、制约城市经济建设的重要因素。针对城市交通拥堵问题的解决途径主要有交通诱导和交通控制,而实现交通诱导和交通控制的关键则是能否对交通流进行短时的预测。本文以研究短时交通流预测为切入点,对传统预测算法的缺点进行改进和优化,提出以改进短时交通流预测模型为基础的城市区域交通信号控制方案。论文首先介绍了课题的研究背景及实际意义,总结了短时交通流预测的主要模型,介绍了国内外比较具有代表性的城市交通信号控制系统。同时,简要介绍了神经网络和小波理论以及两者的组合即小波神经网络,并以小波神经网络为框架搭建了短时交通流预测模型。针对小波神经网络隐层节点数量难以确定的问题,提出基于经验公式的双边搜索法找寻最优值；针对网络收敛速度慢和易陷入局部极小等问题,提出在网络训练过程中增加动量项和自适应学习率,同时运用遗传算法优化小波神经网络的初始参数。运用实际交通流数据对预测模型进行仿真并与其他传统预测模型进行对比,仿真结果表明该预测模型具有较好的预测结果。其次,论文介绍了城市区域交通信号控制的相关理论。本文提出采用递阶控制结构将城市区域划分成若干子区,运用改进的短时交通流预测算法预测子区各交叉路口的相关交通流数据,并基于这些预测数据确定了关键交叉路口以及子区主干道和非主干道,通过对主干道和非主干道的交通信号控制实现对子区的控制,通过子区间的协调控制实现城市区域的交通信号控制。本文将提出的子区控制方案和传统定时控制方案进行对比,仿真结果表明提出的子区控制方案控制效果较好并具有一定的应用价值。论文最后对研究成果进行了总结,并提出了本文的不足以及有待进-步研究的方向。
【关键词】：短时交通流预测 区域交通信号控制 小波神经网络 关键交叉路口
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.54;TP183
【目录】：

• 摘要3-4
• Abstract4-10
• 1 绪论10-17
• 1.1 课题研究背景及实际意义10
• 1.2 短时交通流预测研究现状10-13
• 1.2.1 基于传统统计理论的模型11-12
• 1.2.2 基于现代科学技术的模型12-13
• 1.2.3 组合模型13
• 1.3 城市交通信号控制发展概况13-16
• 1.3.1 国外城市交通信号控制系统研究现状14-15
• 1.3.2 国内城市交通信号控制系统研究现状15-16
• 1.4 课题主要研究工作16-17
• 2 小波神经网络理论17-24
• 2.1 引言17
• 2.2 神经网络基本原理17-21
• 2.2.1 神经网络的构成要素17-18
• 2.2.2 神经网络的分类18-20
• 2.2.3 神经网络的学习方式20-21
• 2.3 小波神经网络基础21-23
• 2.3.1 小波变换21-22
• 2.3.2 小波变换和神经网络的结合方式22
• 2.3.3 小波神经网络的结构22-23
• 2.4 本章小结23-24
• 3 小波神经网络短时交通流预测算法的研究24-36
• 3.1 引言24
• 3.2 基于小波神经网络的短时交通流预测模型24-27
• 3.2.1 小波神经网络输入输出模型的建立24-25
• 3.2.2 小波神经网络预测模型的参数修正25-27
• 3.3 小波神经网络短时交通流预测算法的改进27-30
• 3.3.1 小波神经网络隐层节点数量的确定27-29
• 3.3.2 小波神经网络参数修正的改进29
• 3.3.3 遗传算法对改进型小波神经网络的优化29-30
• 3.4 实例仿真30-35
• 3.4.1 仿真样本和性能指标30-31
• 3.4.2 交通流数据预处理31-32
• 3.4.3 仿真结果分析32-35
• 3.5 本章小结35-36
• 4 城市区域交通信号控制技术研究36-49
• 4.1 交通流理论36-40
• 4.1.1 交通流基本参数36-37
• 4.1.2 交通流基本模型37-40
• 4.2 交通信号控制理论40-43
• 4.2.1 交通信号控制的基本参数40-42
• 4.2.2 交通信号控制的评价指标42-43
• 4.3 城市道路交通网络43-45
• 4.3.1 城市道路交通网络模型的建立43-44
• 4.3.2 城市道路交通网络子区的划分44-45
• 4.4 城市区域交通信号控制技术45-48
• 4.4.1 城市区域交通信号控制结构45-47
• 4.4.2 城市区域交通信号控制策略47-48
• 4.5 本章小结48-49
• 5 基于短时交通流预测的城市区域交通信号控制算法研究49-70
• 5.1 城市区域交通信号控制的总体框架49-50
• 5.2 子区交通信号控制的具体实现50-61
• 5.2.1 子区交通信号控制的具体步骤50-51
• 5.2.2 基于短时交通流预测的子区主干道划分方法51-54
• 5.2.3 交叉路口相位配置方案的改进54-57
• 5.2.4 交叉路口绿信比配置方案的改进57-59
• 5.2.5 交叉路口间相位差计算方法的改进59-61
• 5.3 实例仿真61-69
• 5.3.1 仿真环境介绍61
• 5.3.2 子区路网建模61-62
• 5.3.3 子区交通参数的设置62-64
• 5.3.4 子区控制性能的评价64-68
• 5.3.5 仿真结果分析68-69
• 5.4 本章小结69-70
• 6 总结与展望70-72
• 6.1 全文工作总结70-71
• 6.2 相关领域的展望71-72
• 致谢72-73
• 参考文献73-77
• 附录77-83
• 攻读硕士学位期间发表的论文和出版著作情况83
• 攻读硕士学位期间学术成果获奖情况83

【相似文献】

中国期刊全文数据库 前10条

1 偶昌宝,俞亚南;短时交通流预测的多层递阶方法[J];城市道桥与防洪;2004年05期

2 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

3 唐世星;;改进的支持向量机算法在短时交通流预测中的应用[J];承德石油高等专科学校学报;2012年01期

4 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期

5 贺国光,李宇,马寿峰;基于数学模型的短时交通流预测方法探讨[J];系统工程理论与实践;2000年12期

6 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期

7 杨世坚,贺国光;基于模糊C均值聚类和神经网络的短时交通流预测方法[J];系统工程;2004年08期

8 王进;史其信;;短时交通流预测模型综述[J];中国公共安全(学术卷);2005年01期

9 杨芳明;朱顺应;;基于小波的短时交通流预测[J];重庆交通学院学报;2006年03期

10 邓志龙;李全;陈茜;;基于灰色系统理论的短时交通流预测[J];公路交通技术;2006年01期

中国重要会议论文全文数据库 前4条

1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

4 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年

中国博士学位论文全文数据库 前1条

1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年

2 齐霖;基于支持向量机回归的短时交通流预测与系统实现[D];东北大学;2013年

3 邱世崇;基于时空特性的城市道路短时交通流预测研究[D];重庆交通大学;2015年

4 沈小峰;交通流量短时预测的算法研究[D];浙江工业大学;2015年

5 江小燕;短时交通流预测方法研究[D];扬州大学;2015年

6 杨慧慧;城市交通流短时预测模型研究[D];河南理工大学;2015年

7 王鹏;基于嵌入式系统的城市智能交通控制器研究[D];辽宁科技大学;2016年

8 罗婷;模拟退火混沌粒子群算法在短时交通流预测中的应用[D];西南交通大学;2016年

9 黄晓慧;基于布谷鸟算法的小波神经网络短时交通流预测研究[D];西南交通大学;2016年

10 褚鹏宇;融合时空信息的短时交通流预测[D];西南交通大学;2016年

，

本文编号：796891