原文传递
高速公路的路段行程时间估计与预测方法研究
| 论文题名： | 高速公路的路段行程时间估计与预测方法研究 |
| 关键词： | 高速公路;交通管理;行程时间估计;车长匹配算法;自适应模糊推理 |
| 摘要： | 路段行程时间是最重要、最能反映交通运行状态的信息，与地点交通参数相比，可以更好地评价道路的畅通程度，能够反映道路的运输效率，体现实时的道路交通拥挤情况，在交通规划、交通控制、交通管理中起着重要作用。 高速公路的路段行程时间估计方法主要分为两类:一类是基于地点交通参数数据的估计方法，另一类是基于单车行程时间数据的估计方法。考虑到线圈检测器技术成熟及低成本因素，本文改进了一种基于车辆长度数据进行车辆识别的车长匹配算法，新算法步骤为:首先收集在检测时间内通过路段上下游检测器的所有车辆长度，找出上下游相同的车长，剔除掉噪声数据，实现车辆识别，计算出单车行程时间并最终估计得到路段行程时间。该算法以高速路段上的线圈检测器数据进行实例验证，结果表明，相比较于地点交通参数估计方法，该算法显著提高了行程时间估计精度，能更加快速的识别出交通事件，而且在现有的车辆检测器上就能够实现车辆识别，并不需要安装新的检测设备。 不仅获得实时的、当前时刻的行程时间非常重要，预知未来时刻的行程时间同样十分重要。本文基于模糊推理系统和神经网络两种预测模型的优点，提出了基于自适应神经模糊推理系统的路段行程时间预测模型，该模型以车长匹配算法估计得到的数据为实验数据，经过训练及有效性检验后，与BP神经网络模型比较预测误差，结果分析表明，所建立的模糊神经网络模型能够描述输入、输出的映射规律。该模型对交通参数预测领域的研究具有一定的创新意义和借鉴价值。 |
| 作者： | 刘克 |
| 专业： | 系统工程 |
| 导师： | 朱广宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
