原文传递
绕城高速公路运行状态辨识与预测方法研究--以苏州绕城高速公路为例
| 论文题名： | 绕城高速公路运行状态辨识与预测方法研究--以苏州绕城高速公路为例 |
| 关键词： | 绕城高速公路;交通状态辨识;自编码器算法;DBSCAN算法;LSTM+CNN模型;服务水平 |
| 摘要： | 绕城高速公路作为城市周边的重要交通设施，拓展了城市路网，方便了人们日常的出行，但是随着交通需求的日益增加，相关设施无法满足人们的出行需求，导致绕城高速公路服务水平显著下降，对高速公路的运营管理提出了更高的要求。因此，展开绕城高速公路交通流状态辨识与预测方法相关的研究，对切实保障居民出行需求与出行质量、提升绕城高速公路的交通安全与服务水平有着实际意义与理论价值。本文的工作内容与研究成果如下： （1）本文基于苏州绕城高速公路断面ETC数据分析了绕城高速公路的交通流运行特性，分析并选取了辨识交通流状态相关的参数，提出一套对ETC断面交通流数据的预处理方法。详细地分析了绕城高速公路交通流的时空特征，为交通状态预测模型选择提供了参考。 （2）针对交通流参数的多维性、共线性等特征，提出了深度自编码器与DBSCAN聚类算法的融合模型，将DBSCAN聚类算法嵌入深度自编码器，利用其编码后的二维抽象向量进行聚类，优化了DBSCAN算法聚类效果；实验验证表明该方法能够提升计算精度。 （3）为了细致刻画绕城高速公路运行状态，提出了考虑交通流参数（交通量、时间占有率、车速）梯度变化情况下，以RSQ系数作为准则的交通状态划分方法；将绕城高速公路的交通流状态划分为稳定自由流状态、稳定低速流状态、亚稳定同步流状态及亚稳定拥挤流状态。 （4）建立了基于LSTM+CNN神经网络的绕城高速公路交通流状态预测方法。LSTM+CNN的组合模型兼具CNN的特征提取特性与LSTM的时间序列适应性，不同于直接使用交通参数预测未来的交通状态的非参数方法，采用了先预测交通流参数，再根据参数进行交通状态划分的方法。仿真试验表明，该组合模型相较于基本LSTM模型大幅优化了模型精度，减少了运算时长。 （5）以苏州绕城高速公路k26+900号与k27+700号ETC检测器的断面作为研究对象，对本文提出的交通状态辨识与预测算法进行实例分析计算，验证了本文方法的有效性。用基于自动编码器改进的DBSCAN聚类算法进行了交通状态的辨识，结果符合各状态的阈值。最后使用LSTM模型进行交通参数的预测，并通过预测数据进行交通流状态辨识，其准确率达到92.3%，符合精度预期。 本论文通过绕城高速公路交通运行状态辨识与预测的研究，有助于绕城高速公路管理部门精确感知交通状态，提高管理水平，同时为绕城高速公路拥堵处置决策提供参考依据。 |
| 作者： | 陶钟阳 |
| 专业： | 交通运输工程 |
| 导师： | 曹从咏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
