多源数据驱动的城市营运隧道占道施工交通运行风险预测

作     者：肖七瑞 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：刘伟

授予年度：2024年

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 082303[工学-交通运输规划与管理] 0814[工学-土木工程] 082302[工学-交通信息工程及控制] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

主      题：占道施工 多源数据驱动 GOSO-SVR预测模型 DPC-MS聚类 交通运行风险 

摘      要：为了缓解日益严重的交通拥堵问题,全国各地的城市逐渐增多了隧道建设。隧道占道施工会对周围道路路网的交通运行产生较大影响,使得交通堵塞和事故的发生概率显著增加,因此需进行有效的风险评估和预测,减少隧道建设过程中占道施工对交通系统的干扰。鉴于施工区的临时占道特点,历史事故数据往往不适用,论文基于浮动车轨迹数据和车牌照识别数据,建立了一种交通运行风险指数计算方法,对城市营运隧道占道施工交通运行风险的判别与预测方法进行了相关研究。 (1)对城市隧道施工影响区进行定义和分类,在此基础上分析了交通运行的软、硬环境,结合了实例对隧道占道施工影响区路网的交通流参数时空特性进行研究,为了进一步评估城市隧道占道施工对交通运行风险的影响,分析了施工影响区的流量、速度、密度这三个交通状态风险指标与车速标准差和大中型车占比这两个交通事故风险指标来综合量化映交通运行的风险,将拥堵风险指数与事故风险指数加权,从而建立了一种基于拥堵风险和事故风险的交通运行风险指数计算方法。 (2)探讨了浮动车轨迹数据及对应路网基础数据的结构,并剖析了异常轨迹数据的成因。介绍了作为辅助的车牌照识别数据,并指出两种数据存在数据稀疏性与缺失的问题。为解决该问题,在验证路段间的强时空相关性基础上,采用改进的克里格插值法补全多源交通流数据,结果表明协同克里格法在交通流数据随机缺失情形下的补全效果良好。之后,应用滑动平均滤波降噪,并对BP算法增添动量项和自适应学习率进行优化,提出了改进的BP神经网络融合方法并证实了其有效性。 (3)概述了交通运行风险评判方法,面对传统机器学习方法在应用时可能遇到的慢收敛、过拟合和局部最优等问题,分析了支持向量机回归模型的不足,建立了GOSO-SVR交通流预测模型。通过优化后的GOSO算法对SVR预测模型的不敏感系数、惩罚系数、核函数寻优,提高计算速度、精度的同时也增强了模型的泛化能力。针对密度峰值聚类对参数选择敏感的问题,利用Mean-shift算法对其改进,提出了基于DPC-MS的交通运行风险划分的聚类模型并验证其有效性与鲁棒性。 (4)以宜宾市南岸区蜀南大道隧道占道施工影响区为研究对象,通过浮动车和车牌照识别技术,收集了该区域的交通流数据,并进行了数据清洗和整合。构建了GOSO-SVR模型,利用Matlab编程实现了仿真,用于交通流参数的短期预测。采用DPC-MS聚类和主观权重法对交通流数据进行风险等级判别,并通过对比实际与预测数据的风险等级来验证所建立模型的有效性和实用性,最后对风险指数阈值范围进行了划分,并验证了基于多源数据的施工影响区交通运行风险判别方法的有效性。