详情

原文传递基于数据驱动的城市交通环境问题分析方法研究

论文题名：	基于数据驱动的城市交通环境问题分析方法研究
关键词：	城市交通环境;事故严重度;尾气排放;交通噪声;共享汽车;交通政策;数据驱动
摘要：	城市的交通环境广义上涵盖交通污染物排放、交通安全环境以及交通政策环境在内的多种城市交通影响要素。而当今伴随着移动通信技术和传感器技术的高速发展，城市交通环境相关数据收集的完备性和准确性正在飞速地提高，而且相关技术的发展也催生了包括无桩共享汽车在内的新型交通出行方式。基于此，论文以广义的城市交通环境为研究对象，采用数据驱动的方法研究交通污染物排放、交通安全以及无桩共享汽车出行等问题的分析建模，并进一步采用由点及面和宏微观数据分析相结合的方式研究新型交通出行方式的交通政策影响分析方法。　　论文首先阐述了交通污染物排放、交通安全环境以及交通出行调查等分析研究所需多源数据集的来源和获取，并给出基于交通环境分析的缺失数据补全、异常值检验和处理在内的多源数据集融合分析方法。论文采用的缺失数据补全方法主要有平均值、最大期望和数据增强法，而异常值检验和处理方法主要包括3倍标准差和箱型图检验。　　在此基础上论文提出了基于数据驱动的针对交通安全环境研究的分析方法和流程。首先对原始数据样本进行融合和处理，其次比较了神经网络方法和其余方法的优劣，并分析不同网络训练方法和结构确定网络最优结构，接着以改进的元启发优化算法提高学习网络解的搜索效率和精度，最后依据因子分析和重要度排序算法准确识别研究地点对交通安全影响的关键要素。对美国华盛顿州西雅图市域范围内高速公路事故数据集分析显示，相对重要度超过50%的影响因素有车龄、驾驶员年龄、事故类型、月份、事故发生地类型、道路功能和光线条件，其中车龄和驾驶员年龄是影响事故严重度最重要的两个因素。　　接下来，论文搭建了基于数据驱动的交通污染物排放分析模型，包括以氮氧化物和一氧化碳两种污染物气体为代表的尾气排放分析模型以及基于动态交通参数的交通噪声分析模型。尾气排放模型将环境中可收集的数据变量分割为不同的子集，通过判断网络精度快速地识别出对环境分析起到重要影响作用的变量大类，提高了搭建模型的效率；而交通噪声模型则通过理论算法分析，将静态的噪声排放计算模型与动态的环境参数输入结合起来，以提高模型的准确度。并选取美国华盛顿州西雅图市某快速路20个地点总计200天的数据开展了尾气排放分析实证研究；选取美国华盛顿州西雅图市某快速路某小时内3个桩号点作为测试的对象，并分别设置两个观测点，开展交通噪声分析实证研究。　　然后论文针对影响交通环境的新型交通出行方式-无桩共享汽车的出行需求和出行距离预测问题，提出了基于时间序列模型（LSTM-RNN）的分析预测方法。首先采用数据处理和融合方法对原始数据进行初步的可视化分析，从时间和空间两个维度分析了该出行方式整体的需求特征；其次，对LSTM-RNN不同的网络超参数体系进行组合测试确定了算法模型的最优效率；最后以不同的时间序列模型对比分析结果作为参照，确立了论文提出方法的准确性和适用性。并以西雅图地区78天的Car2go订单数据进行了实证研究。　　最后以综合交通政策环境为核心研究对象，以系统动力学为研究手段，突破交通政策环境研究中数值分析全局宏观化的研究局限，将基于微观数据驱动的污染物排放、交通安全环境以及新型交通出行方式的研究成果局部耦合至系统动力学模型中，完成了综合交通政策评估平台的构建。以美国华盛顿州西雅图市无桩共享汽车的交通政策为评估对象开展了实证分析。
作者：	章晨
专业：	交通运输工程;载运工具运用工程
导师：	何杰
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2021