详情

原文传递基于城市道路交通数据的交通流短时预测与诱导方法研究

论文题名：	基于城市道路交通数据的交通流短时预测与诱导方法研究
关键词：	交通流;短时预测;城市道路交通;双层规划;交通诱导
摘要：	智能交通系统(IntelligentTransportationSystem,ITS)是指将先进的信息技术、数据通讯传输技术、电子传感技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内实时、准确、高效的综合交通运输管理系统。随着当今社会信息的快速传递，智能交通系统中数据获取和处理的数量呈指数增长，如何从高速增长的数字信息中分析掌握可靠的交通信息对交通管理有着深远的意义。因此，为了充分挖掘和利用交通数据中蕴含的丰富交通信息，进一步提高交通状态预测和识别的精确度，有必要研究和探索交通状态预测的新方法。有必要研究和探索用于交通状态预测的新方法，以充分挖掘交通数据所蕴含的丰富交通信息，进一步提升交通状态判别与预测的准确性和可靠性。　　论文结合现代信息技术中不同的信息处理方法，从数据预处理、交通预测、交通诱导等角度逐步探讨了城市道路交通数据的一些可靠分析方法，解决交通数据中个别样本缺失、交通预测准确率低、诱导信息利用效率不高等问题。具体工作内容如下：　　（1）基于低秩矩阵的交通数据插补方法　　为了从交通大数据中分析及掌握可靠的交通信息，结合现代信息技术，探讨了城市道路交通数据的特性及故障数据产生的原因，由于交通数据的缺失将严重影响交通信息系统的性能，有必要对交通数据插补进行研究。首先，介绍了基于核范最小化的低秩矩阵插补模型；其次，在传统的低秩矩阵插补方法中将奇异值部分和最小化范数代替核范数对低秩矩阵交通数据进行恢复；最后，提出了一种将有序约束项引入到奇异值部分和最小化的改进方法。通过真实的两类交通数据验证了对缺失交通数据的恢复，证明了提出的方法优于传统方法。　　（2）基于多交通参数融合的城市道路交通流短时预测方法　　针对交通系统的混沌现象，为了更全面的反映交通状况的变化特征，采用多交通参数从不同的侧面为短时交通预测提供更加完整的交通状态变化特征。首先，由于一维的时间序列结构单一且包含的信息量很少，并不能够展现高维复杂系统的运动规律。因此根据交通参数的混沌特性，短时交通流预测模型需要引入相空间重构并依据相空间重构后所展现的客观规律进行预测；其次，研究基于贝叶斯估计理论的多参数时间序列在高维相空间中的相点融合问题；再次，介绍了基于传统最大Lyapunov指数的多交通参数交通状态预测模型；最后，应用广义回归神经网络改进了基于最大Lyapunov指数的多交通参数交通状态预测模型，并利用城市道路交通数据对改进的预测方法与传统的基于Lyapunov指数的预测方法的精确性进行了对比验证。结果表明，改进的基于广义回归神经网络多交通参数交通状态预测方法具有较高的预测精度和效率。　　（3）基于多神经网络融合的城市道路交通流短时预测方法　　基于广义回归神经网络的多交通参数融合交通流短时预测方法在复杂路网情况下容易陷入局部极小状态，通过神经网络算法良好的识别复杂非线性系统的特性及多种神经网络模型的相互补充，提出了一种循环神经网络、误差反向传播神经网络、广义回归神经网络优势的城市道路交通数据短时交通状态预测模型。通过多种神经网络模型优缺点的互补，验证了融合后的预测结果能够更好的提升城市道路交通数据短时预测精确度。　　（4）基于诱导信息效用最大化的VMS(VariableMessageSign,VMS)优化布设新方法　　在现有诱导效用最大化模型的基础上，提出了一种新的基于实际诱导效用最大化的可变信息板优化布设方法。该方法主要是对原有的效用最大化模型进行改进，通过对可变信息板诱导效用的复杂性进行分析，增加了重复诱导的效用与浪费的效用参与实际效用的计算，并对诱导覆盖率和诱导重复率进行重新定义，最后设计了基于贪婪算法的信息板优化布设的函数求解方法。通过36个路段的网络实例，验证了该方法简单有效，可以通过分析交通流的复杂状况对信息板进行优化配置，在区域道路复杂状况和交通需求点相对确定的条件下，提高整个系统的诱导效率，因而更符合实际交通流诱导的需要。　　（5）基于双层规划模型的VMS诱导信息发布方法　　为了合理地对城市交通流进行诱导，减少因VMS引起的不恰当的交通诱导，需要从使用者和管理者的博弈中进行优化，提出了基于双层规划模型的VMS诱导信息发布方法。首先，分析了交通系统管理者和使用者之间的博弈过程；其次，依靠双层规划模型建立了VMS诱导信息发布策略优化模型；最后，依据遗传算法实现了优化模型的求解方法。通过城市道路交通数据验证了VMS诱导策略优化过程的有效性，提高了路网的整体运行效率，为其进一步应用提供支持。
作者：	郭义戎
专业：	控制理论与控制工程
导师：	王晓明
授予学位：	博士
授予学位单位：	兰州理工大学
学位年度：	2021