原文传递
基于ETC门架数据的山区高速公路运行状态识别研究
| 论文题名： | 基于ETC门架数据的山区高速公路运行状态识别研究 |
| 关键词： | 山区高速公路;运行状态识别;ETC门架数据 |
| 摘要： | 高速公路作为大众品质出行的重要出行方式在综合交通中占有主导地位，随着高速路网日趋完善，交通出行需求也显著增加，给高速公路网运营管控带来新的挑战和压力。山区高速公路由于交通状况的复杂性和多变性，管理和管控变得更加困难。为了加强对高速公路的管理和管控，提高路网服务水平，需要获取实时的路况和交通状况信息。目前在高速公路运行状态识别方面已有一定的基础，而 ETC门架数据作为新的识别数据，具有更高的准确性和及时性，可以为交通管理提供新思路和新方法。因此，本文将探讨基于ETC门架数据的山区高速公路运行状态识别方法研究。 首先，从应用数据源的角度进行了分析，阐述了高速公路运行状态识别的数据获取方式、预处理方法、特征提取以及数据应用等操作流程。在此基础上，探讨了国内外交通运行状态的划分标准和高速公路运行状态识别算法，为建立山区高速公路运行状态识别模型提供了研究思路。 其次，研究了ETC门架数据的数据结构、处理方法，分析了交通流参数和运行状态之间的关系。基于门架区间实际数据分析了路段流量、平均行程速度、交通密度的日变特性以及各交通流参数对应的时间相关性，将区间平均行程速度作为重要参数特征，并提出以一型客车为代表车型来划分道路运行状态。 然后，探究了基于标准正态偏差（Standard Normal Deviation, SND）算法识别异常交通运行状态的优势，结合模糊C均值（Fuzzy C means, FCM）算法的聚类分析方法对道路运行状态进行划分。以精准识别山区高速公路运行状态为目标，分析道路运行状态类别与程度等级的映射关系，提出引入随机森林分类决策算法弥补模糊 C 均值算法分类决策模块未考虑时间序列特征的问题，以此构建了基于标准正态偏差-模糊 C 均值聚类-随机森林分类（ Standard Normal Deviation-Fuzzy C means-Random Forest, SND-FCM-RF）算法的山区高速公路运行状态识别模型。 最后，以重庆市高速公路ETC门架数据为例，分析了门架区间的交通流参数特征，并构建路段流量、交通密度、平均行程速度以及对应的速度偏差和标准差作为特征向量输入标准正态偏差-模糊C均值聚类（Standard Normal Deviation-Fuzzy C means, SND-FCM）状态划分模型并对模型划分类别进行程度划分。结果表明，模型能较好划分由道路流量过大引起的常发性交通拥挤和交通事故造成的偶发性交通拥堵。经实测数据输入，随机森林（Random Forest, RF）状态识别模型能识别道路出现常发性拥挤情况，可以为研究山区高速公路运行状态的识别方法提供参考。 |
| 作者： | 曹鹏超 |
| 专业： | 交通运输 |
| 导师： | 章玉;胡兴华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
