检索结果-南通市图书馆

基于ETC门架数据的高速公路交通流参数预测与态势评估研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ETC门架数据的高速公路交通流参数预测与态势评估研究

作者：张婷婷重庆交通大学

学位级别：硕士

随着城镇化进程加快和机动车保有量持续增长,高速公路作为综合交通运输系统的重要组成部分,其运行效率和服务水平直接影响着区域经济的联动性、物流体系的高效性及公众出行的便利性。在高速公路交通状态识别与态势评估方面,尽管理论基... 详细信息

随着城镇化进程加快和机动车保有量持续增长,高速公路作为综合交通运输系统的重要组成部分,其运行效率和服务水平直接影响着区域经济的联动性、物流体系的高效性及公众出行的便利性。在高速公路交通状态识别与态势评估方面,尽管理论基础和实践应用已展开诸多研究,但随着交通信息采集技术的进步,对交通状态的精细化识别提出了更高的要求。面对这一挑战,本文从多元特征融合角度出发,以ETC门架数据为研究对象,基于深度学习和聚类算法,对高速公路交通流参数预测和交通态势评估方法进行研究,主要内容如下:（1）对高速公路交通流演变特征及运行状态影响因素进行了深入探讨和分析。基于高速公路ETC门架数据、收费站数据及气象数据,提出了数据预处理方法和多源数据融合策略。通过时间序列分析和相关性分析等统计方法,揭示了交通流在时间和空间维度上的周期性波动及分布特征。此外,还考察了气象条件、交通组成及节假日外部因素对交通流的影响,指出了客货比在预测高速公路交通需求高峰时段中的重要作用,为交通流参数预测提供了理论和实证基础。（2）构建了融合多元特征的CNN-BiLSTM-ATT交通流参数预测模型。结合一维卷积神经网络（1DCNN）的空间信息提取优势、双向长短期记忆神经网络（Bi-LSTM）的时间序列预测能力和注意力机制（ATT）在筛选关键特征方面的优势,提出了一种融合空间特性、时间特性及外部影响因素的多元特征提取方法,并构建了CNN-BiLSTM-ATT交通流参数预测模型。进一步,通过最大相关最小冗余（m RMR）方法进行了特征选择,以增强预测模型的精准度与效率。预测性能对比结果显示,相比传统的门控循环单元神经网络（GRU）、长短期记忆神经网络（LSTM）及双向长短期记忆神经网络（Bi-LSTM）模型,CNN-BiLSTM-ATT模型预测结果能够还原与实际观测数据高度一致的波动趋势。（3）提出了基于IPSO-WFCM的交通态势评估模型。为了克服高速公路ETC门架数据的交通参数过度平滑化问题,设计了更能反映交通流动态变化的滑动变异系数（CV）评估指标算法。针对模糊C均值（FCM）聚类算法初值敏感和特征均等假设等局限性,结合粒子群优化（IPSO）算法和特征加权模糊C均值（WFCM）聚类算法进行改进,提出了基于IPSO-WFCM的交通态势评估模型。实例验证结果显示,与传统的K-Means、FCM和WFCM算法相比,IPSO-WFCM模型在多种评价指标上均表现最优。（4）选取G65包茂高速公路进行案例分析。在交通流参数预测实验中,通过比较CNN-BiLSTM-ATT模型与基准模型,发现前者在交通流量、速度、密度预测方面显示出较低的误差,并且预测性能在引入外部影响特征后显著提高,R2值分别达到99.13%、92.46%、和96.55%。在交通态势评估实验中,以交通流实测数据和预测数据作为分析基础,利用IPSO-WFCM聚类方法划分实际与预测的运行态势。结果显示预测状态准确率为94.36%,预测与实测状态变化趋势高度一致,证明了模型的预测准确性和评估有效性。综上,基于ETC门架数据建立的高速公路交通流参数预测和交通运行态势评估方法具有较高的精确度,有助于缓解高速公路交通拥堵、提升系统运行效率,为高速公路的交通管理与规划提供科学的决策依据。

关键词：高速公路 ETC门架数据交通流参数预测运行态势评估

高速公路交通流参数预测与交通拥堵主动防控方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高速公路交通流参数预测与交通拥堵主动防控方法研究

作者：何文喜桂林电子科技大学

学位级别：硕士

高速公路作为城际紧密联系的通道,凭借速度快、效率高、灵活性强的运输特点,在城市对外交通体系中占据了主导地位。近年来,日渐攀升的多元化交通需求与有限的道路通行能力矛盾日渐尖锐,道路资源的有限供给与不合理的交通管理造成了高速... 详细信息

高速公路作为城际紧密联系的通道,凭借速度快、效率高、灵活性强的运输特点,在城市对外交通体系中占据了主导地位。近年来,日渐攀升的多元化交通需求与有限的道路通行能力矛盾日渐尖锐,道路资源的有限供给与不合理的交通管理造成了高速公路拥堵问题日渐严重。如何利用信息化集聚交通要素,驱动管理方式转变,将被动处理转化为主动预防,保证高速公路平稳、高效的运行,是现今交通管理的趋势。因此,论文以预防高速公路交通拥堵为研究,提前预判交通状况,在高速公路拥堵发生前,制定科学合理的管控措施进行限流和诱导,达到预防交通拥堵和提高车流畅通性的目的。结合收费数据预测交通流参数和采用方差分析来判别聚类算法的合理性是本文的主要特色。首先,从交通流理论出发,挖掘收费数据起讫点OD分布特征、OD流量特性和速度运行特性;其次,建立一种基于方差分析的K-means聚类算法的行程时间预测模型,使用方差分析测试各个集群的显著性水平来判别聚类的有效性,从而输出聚类中心,计算各个聚类中心与特征向量的距离,并根据距离大小赋予聚类中心相应的权重,对聚类中心采用加权求和方式预测行程时间,进而以入口匝道为输入推算道路断面交通流量;最后,从诊断高速公路拥堵原因出发,分别从流量过大、交通事故、恶劣天气、驾驶员特性、管理预案的不足等方面多层次分析拥堵原因,选取主线可变限速控制和入口匝道控制方法作为本文的主动交通控制方法,分别对这两种控制方法的原理、作用和经典算法进行介绍,之后制定本文的控制策略并选取主线总行程时间TTT、总行驶距离TTD和总延误TWT作为控制评价指标。论文以高速公路瓶颈路段为例,运用matlab编程软件对节假日和工作日行程时间预测,结果表明,预测误差分别为4.22%、4.74%,预测精度在可接受范围;运用VISSIM仿真软件对RM控制策略、VSL控制策略、RM和VSL协同控制策略分别仿真,结果表明,提出的三种ATM控制策略在不同程度上降低总行程时间和总延误、提高道路利用率,对于预防高速公路拥堵及改善交通状况具有重要的应用价值。

关键词：高速公路交通流参数预测主动防控入口匝道控制可变限速控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合交通事件信息的交通流参数预测方法

融合交通事件信息的交通流参数预测方法

作者：陈诺浙江大学

学位级别：硕士

随着出行需求的不断增加以及机动车保有量的持续增长,交通事件的发生量居高不下,导致交通延误、引发安全问题,为出行者和交通管理部门带来不容忽视的困扰,也不利于智能交通系统(Intelligent Transportation Systems,ITS)中交通流参数预... 详细信息

随着出行需求的不断增加以及机动车保有量的持续增长,交通事件的发生量居高不下,导致交通延误、引发安全问题,为出行者和交通管理部门带来不容忽视的困扰,也不利于智能交通系统(Intelligent Transportation Systems,ITS)中交通流参数预测的进行,对交通管理计划或措施的安排、协调造成负面影响。为了解决这一问题,本文做了以下研究工作:(1)提出一种融合领域知识与深度学习的交通事件检测方法。考虑交通事件的影响特性,确定三条时空规则用于构建较为全面的初始特征集,基于RF-RFECV(Random Forest Recursive Feature Elimination Cross Validation)对得到的初始特征集进行特征选择,依据获得的特征子集提取事件-非事件样本集,再使用WGAN(Wasserstein Generative Adversarial Network)平衡样本集,平衡后的样本集用于训练融合经典领域知识加州算法与代表性深度学习神经网络CNN(Convolutional Neural Network)的California-CNN。应用高速公路真实数据对模型进行测试,结果显示,融合模型California-CNN取得了0.954的AUC(Area Under The Curve)、97.35%的DR(Detection Rate)、4.62%的FAR(False Alarm Rate),比多种经典机器学习模型的事件检测性能更佳,能够检测出未经计划的交通事件,为避免二次事故发生、提高交通安全水平提供帮助,也为交通流参数预测提供支持。(2)提出一种融合交通事件信息的短时交通流参数预测方法。在短时交通流参数预测中考虑未经计划的交通事件,针对这部分交通事件信息在预测时并不事先可知且实时获取难的问题,使用交通事件检测模型California-CNN获得事件检测结果,从事件检测结果中提取未来的交通事件信息。短时交通流参数预测模型IF-DSTN(Incident Fusion Dynamic Spatial Temporal Network)以时空Transformer模块为主体,内部连接交通事件特征,可同时对路网多节点的交通流参数进行预测。应用高速公路真实数据对模型进行测试,结果显示,融合交通事件信息的模型IF-DSTN取得了4.418%的MAPE(Mean Absolute Percentage Error)、16.084辆/小时的RMSE(Root Mean Square Error),比多种先进的短时预测模型的预测效果更佳。(3)提出一种融合交通事件信息的日交通流参数预测方法。在日交通流参数预测中考虑事先可知的交通事件,并基于与这部分交通事件相关的天气、节假日背景因素设计日标签,日交通流参数预测模型IF-CNNLSTM(Incident Fusion Convolutional Neural Network Long Short Term Memory)内部连接变形自包含事先可知的交通事件信息的日标签的特征。日标签中节假日标签包括法定节假日标签和特殊节假日标签,兼顾实际情境中交通流参数与节假日的相关性以及节假日内部的差异性。应用高速公路真实数据对模型进行测试,结果显示,融合交通事件信息的模型IF-CNNLSTM取得了9.907%的MAPE,在雨天、法定节假日及其前或后一日都有不错的预测表现,比优秀的CNNLSTM等模型的预测效果更佳。本文的研究能够在交通事件影响下实现准确的交通流参数预测,明显降低交通流参数预测误差,有助于在未经计划的交通事件发生时,为及时进行态势研判、确定管理控制方案提供技术支撑;在大型节假日等事先可知的交通事件发生时,为提前制定、播报管理计划或措施提供参考依据。

关键词：交通事件检测交通流参数预测领域知识深度学习融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遗传算法优化BP神经网络的交通流参数预测

综合运输 2018年第6期40卷 64-67,108页

作者：车国鹏刘永红西南交通大学交通运输与物流学院

以BP神经网络为基础的交通流参数预测模型能较好地预测交通流参数变化的趋势,但预测值与期望值存在较大误差,且神经网络具有训练速度慢、易陷入局部极值的缺陷。针对这种情况,本文对BP神经网络的初始权值和阈值进行遗传算法寻优,建立了... 详细信息

以BP神经网络为基础的交通流参数预测模型能较好地预测交通流参数变化的趋势,但预测值与期望值存在较大误差,且神经网络具有训练速度慢、易陷入局部极值的缺陷。针对这种情况,本文对BP神经网络的初始权值和阈值进行遗传算法寻优,建立了遗传算法优化BP神经网络的优化算法,并通过实测数据对该优化算法进行仿真测算。仿真结果表明,优化后的预测模型能更好的预测交通流参数变化趋势,且降低了预测误差。

关键词：交通流参数预测 BP神经网络遗传算法

基于120大数据的城市交通状况预测与分类研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于120大数据的城市交通状况预测与分类研究

作者：拓凯渊西安财经大学

学位级别：硕士

急救车在院前急救阶段的行驶顺利与否决定了病人是否可以在黄金抢救时间被救治,因此针对日渐严峻的道路拥堵问题,为急救车选择出行道路提供决策依据可以一定程度上避开拥堵路段。因此,充分利用西安市120中心的GPS大数据进行数据挖掘,对... 详细信息

急救车在院前急救阶段的行驶顺利与否决定了病人是否可以在黄金抢救时间被救治,因此针对日渐严峻的道路拥堵问题,为急救车选择出行道路提供决策依据可以一定程度上避开拥堵路段。因此,充分利用西安市120中心的GPS大数据进行数据挖掘,对交通状况进行预测与分类的研究具有很大的现实意义。首先根据急救车GPS数据的特点进行数据结构分析,对数据存在的问题进行检测与修复,并完成交通流参数提取以及交通状况等级划分工作。其次,在已有对交通状况预测与分类的研究基础上,选择合适的交通流参数预测模型与交通状况分类器——卡尔曼滤波模型与朴素贝叶斯分类器,并对其进行了总结与分析,从而提出了对于交通状况分类器的改进方向:针对不同的属性变量,根据其对分类的重要性赋予不同的权值。在求得Fisher权重的基础上,使用遗传模拟退火算法寻找最优权重。在建立好交通状况预测与分类的理论基础上,对提取的交通流参数进行实验分析,根据数据特点调整了卡尔曼滤波模型的参数,预测出了t(10)1时刻的交通流参数。在划分不同数据集的基础上,验证了改进后的朴素贝叶斯分类器的分类准确率提升了2.56%,同时还验证了卡尔曼滤波模型预测结果的优良性。最终得到了预测交通流参数的方法以及各变量间的最优权重,完成了院前急救交通状况的预测与分类研究。

关键词：大数据交通流参数预测朴素贝叶斯分类器 Fisher权重模拟遗传退火算法

基于高空视频的港湾式公交站溢出事件识别与拥堵预警研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高空视频的港湾式公交站溢出事件识别与拥堵预警研究

作者：陈林果重庆交通大学

学位级别：硕士

随着城市公交线网规模的持续扩张与居民出行需求的日益增长,公交站作为公交线网中的关键枢纽,在高峰时段面临诸多挑战。由于公交线路密集、主线车流汇聚以及站台空间有限等多重因素叠加,频繁出现公交车辆“列车化”排队等待进站现象,即... 详细信息

随着城市公交线网规模的持续扩张与居民出行需求的日益增长,公交站作为公交线网中的关键枢纽,在高峰时段面临诸多挑战。由于公交线路密集、主线车流汇聚以及站台空间有限等多重因素叠加,频繁出现公交车辆“列车化”排队等待进站现象,即公交站点溢出现象。若未能对事件及时识别并迅速处理,将进一步加剧主线道路的交通拥堵状况。然而,受站点空间布局限制,现有识别手段单一且缺乏有效的严重程度评价方法,进而影响了事件处理的时效性与有效性。因此,及时、准确地识别站点溢出事件的发生与主线交通拥堵状态预警,对于优化公交智能调度、提升服务质量以及保障城市交通流畅性具有重要意义。本文以港湾式公交站为研究对象,基于高空视频数据,深入探究公交停车港溢出事件下的交通流运行特征。利用图像识别技术,提出一种基于高空视频的公交停车港溢出事件快速识别方法,从而实现站点溢出事件精准识别与拥堵预警,旨在为公交智能化调控和决策提供更为科学、合理的依据。具体研究内容如下:(1)站点溢出事件下交通流运行特征分析。深入剖析港湾式公交站的布局形式及其在发生溢出事件时对主干道交通流的复杂影响。对比溢出事件前后主线道路的交通流参数变化,阐明事件对城市主干道交通流的稳定性和运行效率的影响机理,旨在为构建溢出事件下主线拥堵状态有效的预警方法提供理论支撑。(2)基于高空视频的港湾式公交站溢出事件快速识别与参数提取。通过改进后的YOLOv7车辆检测模型和Deep Sort目标跟踪算法,本文提出了一种基于高空视频的公交停车港溢出事件识别与关键参数提取方法。基于高空视频数据,构建车辆目标检测数据集,并通过增加小目标检测层和引入CA注意力机制优化YOLOv7模型的检测性能。实验结果表明,相比原始模型,改进后的YOLOv7模型的平均检测精度提高了4.46%。(3)基于溢出事件下主线交通拥堵预警方法。结合CNN和Bi LSTM多尺度交通流特征提取模块,构建基于深度学习的交通流关键参数时空预测模型。选取交通密度、平均速度和路段饱和度作为评估核心指标,建立了一套公交停车港溢出事件预警等级评估体系,并基于模糊综合评价法构建交通拥堵预警等级评估模型,实现对溢出事件下站点主线交通拥堵状态的预警。(4)实例验证。选取重庆市渝北区某港湾式公交站作为实例分析对象,开展基于高空视频的公交港湾溢出事件识别与拥堵预警方法实例验证。验证结果表明,本文提出的溢出事件识别方法准确率为92.85%,证明了算法的有效性和准确性,为公交港湾溢出事件的及时检测提供了有力的技术支撑。此外,所构建的组合预测模型方法能够实现较高精度的交通流参数预测,体现了组合模型在挖掘交通流数据时空特性方面的可行性。最后,利用多因素模糊综合评价模型确定溢出事件下主线交通拥堵预警等级,其预警准确率超过86%,为道路交通管控提供了可靠的决策依据。

关键词：港湾式公交站高空视频溢出事件识别交通拥堵预警交通流参数预测