原文传递
面向智慧交通的拥堵预测和路径规划技术研究
| 论文题名： | 面向智慧交通的拥堵预测和路径规划技术研究 |
| 关键词： | 智慧交通;路网监测;拥堵预测;路径规划 |
| 摘要： | 随着社会的发展，拥堵状况日益严重，但交通设施的建设速度跟不上需求的增长速度，因此需要最大化的利用现有的交通设施，智慧交通便应运而生。智慧交通部署的传感器可以监测路网的实时路况，再通过路径规划算法，可以为个人出行者提供一条避开拥堵和行驶高效的路径，因此路径规划的研究非常有意义。然而在现有的路径规划算法中，只考虑了当前时刻的路况，是影响性能的瓶颈之一。因此，本文通过分析大量的历史交通流数据，预测未来时刻的拥堵状况，结合未来时刻路况来规划出一条更高效的路径。本文的主要工作如下。 首先，交通流存在时间和空间相关性，预测的关键是对相关性进行建模。在空间相关性方面，目前主流的方案是图卷积，图卷积会根据预设的邻接矩阵提取这些空间上的相关性。但是如果预设的邻接矩阵无法精确的描述邻接节点之间的影响程度，那对空间相关性的提取会带来限制。于是本文使用了权重矩阵来进行优化，权重矩阵会在训练中自适应得调整空间上的相互影响程度，从而提高空间相关性的提取能力。在时间相关性方面，使用了多个卷积核来提取交通流中的时间相关性，和图卷积构成交通流预测模型。除此之外，为了更加完整的反映路况，采用多参数判定方案进行拥堵分级，并通过熵权法确定不同参数对拥堵分级的贡献，使用模糊综合判定来综合考虑多个参数的影响，以此确定最终拥堵分级。通过在公开的PeMS数据集上进行实验，本文的交通流预测模型与其他传统的机器学习和神经网络模型相比，能够更准确的预测交通流参数，并且在高峰时期的拥堵预测实验表明，本文的模型有81.33%的拥堵预测准确度。 其次，在现有的路径规划算法中，静态路径规划难以适应变化的路网，目前主要采用动态路径规划算法，具体的措施是周期性的监测拥堵，并重新规划路径，以此避开拥堵。但是，只根据当前时刻的路况很难提高行驶效率。所以，本文利用拥堵预测的远见性，感知未来时刻路网中拥堵的发生和结束，及时避开拥堵和发现更有潜力的路段，从而提高路径的行驶效率。通过在SUMO下搭建交通仿真场景，与现有的路径规划算法进行了比较，本文的算法在行驶时间上比基于重规划的动态路径规划算法降低了3.72%，在行驶距离上比基于重规划的动态路径规划算法降低了10.89%。 |
| 作者： | 张辉 |
| 专业： | 信息与通信工程 |
| 导师： | 林水生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
