原文传递
基于模型平均的城市路网交通密度估计
| 论文题名： | 基于模型平均的城市路网交通密度估计 |
| 关键词： | 城市交通路网;交通密度估计;道路属性;模型平均 |
| 摘要： | 城市交通路网的交通参数估计是交通状态识别、路网通行能力测算与交通诱导的前提,也是交通领域的研究重点. 近年来,城市交通拥堵日益严重,针对此问题,政府提出疏通交通“毛细血管”. 本文在已有成果基础上,基于交通流理论与函数型模型分析时空特性下路网道路属性,提出了函数型模型平均的交通密度估计算法. 针对城市路网区域中交叉口与路段交通密度估计问题. 首先, 本文结合交通数据特性, 提出函数型线性模型(Functional Linear Model, FLM)平均估计交通密度. 该算法不仅估计了交叉口与路段密度, 还确定了交叉口与路段模型权重.其次, 数值模拟证明了留一法交叉验证模型平均(Leave-one-out Crossvalidation Model Averaging, LCVMA)与FVE(Fraction of Variance Explained)模型平均适用于不同交叉口交通时序数据, 而SAIC(Smoothed Akaike Information Criterion)与SBIC(Smoothed Bayesian Information Criterion)适用于路段, 则路段模型平均方法选择FVE-SAIC、FVE-SBIC、LCVMA-SAIC与LCVMA-SBIC四种. 最后,城市路段实例数据验证了算法实用性,结果表明此路段并未出现交通堵死情况,且最大通行能力2σ范围与实际情况相符. 针对城市路网区域交通密度估计问题.首先,本文在高频数据基础上提出函数型空间自回归(Functional Spatial Autoregressive, FSAR)模型平均估计区域交通密度. 该算法从时空特性角度估计区域平均密度,据此构建路网区域宏观基本图(Macroscopic Fun-damental Diagram, MFD), 进一步测算区域通行能力.其次, 通过数值模拟验证了交通数据存在不同程度空间依赖性时, FSAR模型有着较小均方误差与偏差. MMA(Mallows Model Averaging)方法与SAIC、SBIC评价指标相比, MMA有着较小均方误差与相关模型风险. 最后, 将算法应用于城市路网区域数据, 结果表明中心城区中观山湖区域拥堵情况比其它区域严重,此区域在晚高峰期间通行能力达到最大.而非中心城区在早晚高峰通行能力差距较大,且非中心城区交通未出现拥堵情况. 综上所述,从城市道路角度,所提交叉口与路段FLM平均估计交通密度算法不仅从时间与位置上实时更新交通密度,而且在实际应用中更具有适用性与应用前景. 从城市路网角度,所提路网区域FSAR模型平均估计交通密度算法对交通状态识别与通行能力测算具有理论依据,且具有现实意义. |
| 作者： | 陈欢 |
| 专业： | 应用统计 |
| 导师： | 胡尧 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
