详情

原文传递不利天气下高速公路交织区交通运行状态分析及预测研究

论文题名：	不利天气下高速公路交织区交通运行状态分析及预测研究
关键词：	高速公路交织区;交通运行状态;改进k-prototypes;时空图卷积神经网络
摘要：	雨、雾、强风等不利天气条件严重影响到高速公路交通流的正常运行，在很大程度上制约着高速公路高效、安全、准时、快捷的发展目标。交织区为高速公路关键路段，是拥堵常发区，且交通形势复杂，对不利天气的变化更为敏感，其交通状态直接影响到高速公路整体运行效率，因此准确把握高速公路交织区交通运行状态是提高高速公路整体运行效率的重要前提。且交织区不同车道的交通运行状态受到不同因素的影响，所以结合不利天气对交织区各车道交通流的影响分析，明确交织区车道级交通运行状态判定及预测方法是高速公路运营管理的重点。综上，本文以高速公路交织区为研究对象，增加对雨雾强风三类主要不利天气因素的考量，开展交织区交通流特性分析、车道级交通运行状态判别及预测分析，为高速公路管理者制定管控措施提供依据。本文主要研究成果如下：　　（1）研究获得了不利天气对高速公路交织区各车道交通流特征的影响。本文基于实际交通流与天气数据，分服务水平的对交织区各车道在不同不利天气等级下的平均车速、平均车头时距进行统计分析。分析结果表明，相比正常天气，不利天气下各车道的平均车速下降幅度最高达到了52.84%，车流密度越高，平均车速受天气影响愈发显著；且不利天气对内侧车道平均车速的影响程度大于外侧车道；随着降雨及风速等级的提升，交织区各车道平均车头时距提升趋势显著，相比无雨无风，最高降雨及风速条件下车头时距上升幅度在30%-40%间，在自由流条件下，平均车头时距受雨、风天气影响最为显著，最高增长幅度超过200%；而随着能见度的降低，各车道平均车头时距会先上升后下降，该趋势在B-C级服务水平时最为显著。　　（2）研究获得了不利天气对高速公路交织区宏观交通运行状态的影响。本文构建了各不利天气等级下高速公路交织区VanAerde交通流基本图模型，标定自由流速度、通行能力、临界速度、阻塞密度关键参数。并结合VanAerde交通流模型引出交通偏离度对交织区交通运行稳定性进行描述，分析不利天气对高速公路交织区各车道运行稳定性的影响。结果表明，相比正常天气，各不利天气下交织区自由流速度、通行能力、临界速度下降幅度分别在3.60%-7.82%、11.23%-30.00%、8.41%-26.64%之间，而阻塞密度受不利天气影响较小；且随着天气的恶劣，交织区各车道运行稳定性下降了7.0%-12.1%，且相比内侧车道，外侧两车道交通运行稳定性受不利天气影响更严重，下降了9.5%-12.1%。　　（3）研究获得了不利天气下高速公路交织区各车道交通运行状态判定方法。本文首先利用随机森林模型对交织区交通流运行状态影响变量进行重要度排序，筛选合适数量重要指标，避免维数灾难问题。进而利用信息熵改进k-prototypes算法，确定最后聚类数后对高速公路交织区各车道进行状态聚类，并依据相异性“距离”确定交织区各车道运行状态等级划分。最后，基于集成学习思想及有向无环图理论构建RSM-DAG-SVMs交通运行状态判别模型，利用遗传算法对相应SVM分类器进行参数寻优。研究结果表明，考虑天气及交通流特征的高速公路交织区各车道运行状态划分为7类最佳，通过误判率交叉估计法验证，本文提出的改进k-prototypes算法聚类准确性优秀，能满足实际应用需求。构建的RSM-DAG-SVMs交通状态判别模型对交织区各车道的状态判别准确率均达到99%的高度，比传统模型具备更高的判别准确率，性能优异。　　（4）研究获得了不利天气下高速公路交织区各车道交通运行状态预测方法。本文首先利用相同率、Spearman等级相关系数和自相关系数，对交织区各车道交通运行状态时间序列进行时间、空间相关性分析，以此论证对交通状态时序属性进行预测的可行性，有效避免了先预测多交通流指标后转化为交通状态的误差叠加效应。后基于深度学习思想，提出融合多特征的时空图卷积神经网络预测模型，首先以注意力机制和门循环单元（GateRecurrentUnit,GRU）来提取时间特性，再利用图卷积神经网络（GraphConvolutionalNetwork,GCN）来提取空间特征，并加入天气特征提取模块，最终搭建融合天气因素的时空图卷积网络（WeatherSpatiotemporalGraphConvolutionNetwork,WSTGCN）交通运行状态预测模型，采用均方差误差、均衡系数、正确率对模型进行综合评价。实证结果表明，本文构建的时空及天气特征融合的WSTGCN模型相比其他优化前模型具备最佳的预测性能，对各车道交通运行状态预测准确率达到了89%以上。
作者：	曾明哲
专业：	交通运输工程
导师：	李岩
授予学位：	硕士
授予学位单位：	长安大学
学位年度：	2022