原文传递
基于浮动车辆数据的高速公路交通流状态估计方法研究
| 论文题名： | 基于浮动车辆数据的高速公路交通流状态估计方法研究 |
| 关键词： | 高速公路;交通流状态估计;浮动车辆数据;K-means聚类 |
| 摘要： | 随着我国区域经济的迅猛发展，高速公路网规模也在不断扩大和完善，高速公路成为短途和长途客货运的主要交通运输方式。然而，高速公路利用率的增加，使得高速公路的通行能力和服务水平明显降低，也造成了高速公路交通延误增加、行程时间加长、高交通事故发生率以及环境污染等问题。如何利用先进的智能交通系统实现高速公路智能管理和控制显得尤为重要。 实时准确的交通流状态估计是高速公路智能管理与控制的关键，也是进行高速公路智能交通控制、分析、事件检测以及事故预警的基础，对于高速公路智能交通系统的构建具有重要意义。浮动车是收集道路交通数据最有效的方式之一，具有覆盖范围广、易采集等特点。装有GPS系统的浮动车可以收集车辆的位置、瞬时速度等信息。通过建立基于浮动车的高速公路交通流状态估计方法，实时准确地估计高速公路的交通流流量、密度和速度等参数，为制定高效的高速公路管控措施以及实现用户高速公路信息服务提供一定的理论基础和技术支撑。 首先，本文提出了基于浮动车辆数据的高速公路交通流状态估计模型的整体架构。与其他的高速公路交通流状态估计模型相比，该模型充分利用传统交通流检测器数据以及浮动车辆数据，计算方法简单且便于实施，从而比较准确地获取高速公路实时交通状态信息。 其次，在分析高速公路实测样本数据的基础上，利用K-means聚类算法解决样本数据偏差问题;基于交通流速度-密度函数形式，采用最小二乘法实现交通流速度-密度关系的参数标定并用于高速公路交通流状态估计模型中。 然后，基于浮动车辆数据的高速公路交通流状态估计的核心模块（累积车辆数估计模块和交通流状态估计模块）详细算法的介绍，根据高速公路基本路段及浮动车辆信息建立非线性规划模型，即以交通流速度估计值误差最小作为目标函数，从车辆及路段拓扑结构入手设置约束条件，从而建立基于非线性规划的累积车辆数估计模型;进而根据交通流参数的定义对路段交通流状态进行估计。该部分也是论文研究的主要核心内容。 最后，利用SUMO软件搭建仿真试验情景平台，并对构建的基于浮动车的交通流状态估计方法进行有效应用并评价其效果，包含对交通流参数误差分析以及不同浮动车渗透率下的交通流估计模型效果的分析，为实现高速公路交通流状态估计提供了一种有效的途径。 |
| 作者： | 陈贵霞 |
| 专业： | 交通运输规划与管理 |
| 导师： | 卫翀 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
