原文传递
高速公路事件延误量化方法的研究
| 论文题名： | 高速公路事件延误量化方法的研究 |
| 关键词： | 高速公路;小波变换;RBF神经网络;事件延误量化 |
| 摘要： | 我国高速公路目前正处于高速发展阶段，随着机动车保有量的不断增加，高速公路上的交通量也迅速增长，交通事件数及事件的严重程度也明显增加。因此，对高速公路上事件造成的延误进行量化对于了解高速公路事件管理的实际运营状况，提高高速公路运营的安全性和高效性具有重要意义。 本文在分析国内外研究现状的基础上，围绕高速公路事件延误大小量化的方法进行了理论和应用上的探索性研究。论文提出的量化高速公路事件延误方法的主要原理是：通过事件持续时间段内的实际有事件交通流率时间序列与预测的假设没有事件发生的正常交通流率时间序列的比较，估算由事件造成的延误大小。该方法考虑了事件造成的排队车辆数和时间上的延误，同时还可以排除常发性因素(如节假日高峰、上下班高峰等)对事件延误的影响，而只得到事件造成的延误大小，以便于制定合理的应急预案，在类似事件发生时采取合理的应急措施。本论文提出的量化高速公路事件延误方法的具体实现步骤如下： 1.数据预处理以得到正常历史数据资料。基于交通流检测系统的不稳定性以及人为等原因，高速公路原始交通流率时间序列中不可避免地含有大量异常数据，根据本论文研究的需要，提出用小波变换的方法来识别和修正异常数据，该方法在异常数据的识别和修正的实例中表现出了比较好的效果。 2.利用事件点下游监测站的正常历史数据资料和事件发生前当天的正常数据来预测事件持续时间段内的正常交通流流率数据。用小波变换对历史交通流流率数据进行预处理之后，便得到了剔除坏的数据和畸变数据后的正常交通流流率的历史数据资料，为后面的预测作准备。本论文采用RBF神经网络预测方法预测事件持续时间段内假设没有事件发生的正常交通流流率时间序列。 3.基于排队论原理实现高速公路事件延误的量化。将预测的事件点下游监测站正常交通流流率时间序列与实测的事件点上游监测站的交通流流率时间序列比较，如果预测值大于实测值，则用事件点上游实测流率数据与下游实测流率数据比较来估算事件延误；如果预测值小于实测值，则用事件点下游监测站的流率预测值与实测值比较来估算事件延误。通过对事件造成的延误的量化，可以指导高速公路管理人员在发生事件时采取合理的救援响应措施，以及对道路基础设施该做的改善，同时还可以将其作为考核高速公路事件管理水平的一个重要指标。 |
| 作者： | 刘亚楠 |
| 专业： | 交通运输规划与管理 |
| 导师： | 陈玫;霍娅敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
