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 |