原文传递
基于电警数据的交通流特征参数提取及拥堵预测
| 论文题名： | 基于电警数据的交通流特征参数提取及拥堵预测 |
| 关键词： | 交通流;参数提取;拥堵预测;电警数据 |
| 摘要： | 随着我国经济和社会的迅速发展、城市化进程的加快，日益严重的交通拥堵问题逐渐引起人们的广泛关注，也成为了智能交通系统面临的关键挑战之一。准确有效的交通拥堵预测不仅能够及时反馈道路交通拥堵信息，而且能为拥堵治理提供参考依据。而电警数据的出现，为全面、实时、连续的交通拥堵预测提供了新的思路和方法。为此，本文通过挖掘电警数据与交通流特征参数的内在关联，对交叉口流向供需失衡和路网拥堵预测方法进行深入研究，主要内容如下： （1）电警数据预处理及质量评估。本文结合实际情况对比分析电警数据中存在的数据冗余、数据异常和数据缺失等问题，从重复值、异常值和缺失值三方面提出了一套完整的数据预处理流程，并从数据整体性、车牌识别准确性、流量准确性和经过时间准确性四方面进行质量评估，保证了后续研究内容的可行性和研究结论的准确性。 （2）交通流特征参数提取。本文将交通流特征参数分为交叉口和路段两种类型，并在完成预处理的电警数据的基础上，根据其特性及原理分别提取饱和车头时距、饱和度、排队长度、平均行程车速、路段平均延误和路段饱和度六种参数，为后续研究提供数据支撑。 （3）城市交叉口流向供需失衡预测。本文首先针对交叉口流向供需失衡的特征进行分析，将流向不均衡系数确定为特征表征指标，根据交叉口进口道各流向的流量及绿灯通行时间确定其计算过程，进而提出了基于遗传算法和时间卷积神经网络的GA-TCN短时交通流预测模型，最后通过实例分析验证了GA-TCN模型的预测性能，并结合由电警数据提取的饱和度和排队长度，对流向供需失衡状态判别的准确性进行了验证。 （4）城市路网交通拥堵预测。本文首先选取平均行程车速、路段平均延误和路段饱和度三个参数作为评价指标，然后为减少数据与实际路网点位的匹配工作，提出了基于道路相对位置的路网矩阵构建方法，并采用双层ConvLSTM神经网络分别对选取的评价指标进行预测，进而通过模糊综合评价法确定拥堵级别，最后通过实例分析验证了双层ConvLSTM神经网络的预测性能和路网拥堵预测的准确性，并分析了路网拥堵的演变规律。 本文以电警数据为基础，通过对交通状态判别和交通预测的系统研究，形成了一个较为完整的交通流特征参数提取和拥堵预测体系，为城市交通拥堵治理、交通出行规划和管控措施制定等方面提供重要技术支撑。 |
| 作者： | 张荣基 |
| 专业： | 交通运输工程 |
| 导师： | 孙锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
