基于状态预测的交通拥堵控制研究与应用

发布时间：2024-03-18 20:22

　　随着城市化进程不断推进,交通出行已成为影响生活质量的重要因素,由于机动车数量不断增加,日益严重的交通拥堵问题给出行带来诸多不便。为改善交通路网拥堵现象,提高交通路网整体运行效率,研究交通拥堵控制具有重要的理论和现实意义。本文针对智能交通拥堵控制问题,结合机器学习、深度学习提出一种时空特征融合的交通状态预测方法,利用交通流量负荷分配的手段对路网中瓶颈路段进行信号优化控制,主要工作和贡献如下:1、提出一种基于时空特征融合的交通状态预测方法。该方法结合交通运行特性,利用特征工程确定交通流数据中影响未来交通状态的因素,使用卷积神经网络(Convolutional Neural Network,CNN)对交通流参数进行时空特征提取,引入长短期记忆模型(Long Short-Term Memory,LSTM)对交通拥堵状态时序特征进行有效提取,完成CNN和LSTM双通道特征融合处理,利用支持向量机(Support Vector Machine,SVM)实现交通状态预测。基于PEMS交通数据集开展实验并与其他算法进行对比,验证了本文CNN/LSTM-SVM特征融合模型的优越性。2、提出一种基于流量分...

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

图１．１浅层学习和深度学习一般流程??

ｎｄｅｒｒａｊａｎ等１３２１利用交通仿真??对交通拥堵的形成过程进行重建，获得了流量、速度和占有率等参数的实时变化??情况；胡婷等ＰＩ利用动态交通分配与静态交通进行对比，发现基于动态交通分??配的仿真在反映交通特性方面有更大的优越性。??近年来深度学习凭借着强大的计算能力在众多领....

图２．１交通流三参数关系图??

?第２章相关理论与技术???式中：／＾为最大交通流量时的密度，称为临界密度。??除上述单段式模型，一些多段式模型也被提出，比较经典的有：派普斯－敏??加尔模型、德留模型、钟形曲线模型等［６５Ｌ??２．交通流流量－密度模型??流量和密度之间存在着一定的关系，具体表示为如下关系式：?....

图２．２干线协调前后绿波带变化对比??

?第２章相关理论与技术???观表示，建立交叉口之间的协调模型，不断调整带速和周期，最终得到目标绿波??带，图解法得到的干线协调前后绿波带变化示例如图２．２所示，可以发现合理的??千线协调相位差可以增大滤波带宽，提高车辆连续通过交叉口的概率。??交叉口?Ａ?交叉口?Ｂ?距离?交叉口....

图２．４信号平衡过渡方案??

?第２章相关理论与技术???长。控制结束后，重新切换至常规控制。??ｔ＊（ｋ）??新周期下发时刻１?￣?，??Ｉ?１??Ｉ?Ｉ??Ｉ?Ｉ??ｔ?Ｉ??ｒ￣￣?ｉ?｜?ｉ??卜Ｉ新周期?１?新腳?１??Ｉ?ｉ??原周期：?过渡时间?ｔｘ（ｋ）??丨■交叉？￣￣ｎ￣￣丨＇；了辦’士．....

本文编号：3931767