基于多信息融合的交通流预测及控制诱导协同方法研究

发布时间：2023-05-04 00:26

　　随着城市化进程的加快和汽车工业的发展,道路通行能力与交通需求之间的矛盾变得日益尖锐,交通拥堵现象日益突出。分析交通流规律特性对交通拥堵状况的影响和作用机理,构建多信息融合的交通控制与诱导协同模型,制定行之有效的交通流预测及交通控制诱导协同的策略,是实现智能交通的必要组成部分。实时掌握城市交通路网的交通流量数据以及预测数据,是影响城市道路交通问题的关键因素之一,充分的掌握和分析交通流的变化规律,可以更加精准的为交通控制及诱导协同研究提供重要的数据保障。本文按交通流特性分析——交通流预测——交通控制与诱导协同的递进关系进行研究,其中对城市交通路网各个交叉路口间的空间关系、每个交叉路口历史与未来的交通流规律进行了详尽的描述与研究,从而实现交通流预测。在得到预测结果的基础上构建交通控制和诱导协同模型来完成交通疏导。本文针对这些主要问题进行深入研究,并利用实际的现场交通流数据对相应的理论方法进行了验证,主要研究内容如下:(1)提出一种基于信息融合神经网络(IFNN)的交通流预测模型。该模型充分利用道路交叉口的历史和未来的交通信息来预测交通流量,弥补了现有模型预测时只能依据过去时刻的时序信息来预测...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
    1.2 交通流预测研究现状
    1.3 交通控制与诱导协同研究现状
    1.4 研究内容
    1.5 技术路线
2 交通流信息融合分析
    2.1 多信息融合的交通流特性
        2.1.1 交通流的基本参数
        2.1.2 交通流基本参数间的相互关系
    2.2 交通流检测及信息融合技术
        2.2.1 交通流数据检测概述
        2.2.2 多信息数据融合的原理及融合层次
    2.3 基于深度学习的融合算法模型分析
        2.3.1 信息融合算法的发展
        2.3.2 融合时间序列的循环神经网络
        2.3.3 融合记忆信息的循环神经网络
    2.4 本章小结
3 基于多信息融合的交通流预测
    3.1 多信息融合的交通流预测模型
    3.2 交通流数据的预处理
        3.2.1 交通流数据集的采集
        3.2.2 轨迹数据的构建
        3.2.3 错误轨迹数据的判别与修复方法
        3.2.4 IFNN模型参数的确定
    3.3 道路交叉口向量化
        3.3.1 道路交叉口向量化编码的构建
        3.3.2 道路交叉口向量化结果分析
        3.3.3 道路交叉口空间关系的计算
    3.4 本章小结
4 基于多信息融合的交通控制与诱导协同办法
    4.1 多源交通信息融合结构
        4.1.1 交通控制与诱导协同体系
        4.1.2 交通信息融合原理
    4.2 交通信息堆栈神经网络的构成
        4.2.1 交通信息自编码神经网络
        4.2.2 建立新的交通控制诱导模型
    4.3 多信息融合的交通控制与诱导协同神经网络
        4.3.1 微调算法处理和优化
        4.3.2 交通信息分类的原理
        4.3.3 多信息融合的交通控制与诱导协同神经网络模型参数的选取
    4.4 本章小结
5 交通流预测实验及控制诱导协同仿真
    5.1 实验数据的描述
    5.2 交通流预测的实验结果
    5.3 实验结果数据拟合及残差分析
    5.4 交通控制与交通诱导协同模型分析
        5.4.1 模型仿真验证
        5.4.2 结果分析
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
附录



本文编号：3807582