原文传递
城市道路交通拥挤状态判别及预测研究
| 论文题名： | 城市道路交通拥挤状态判别及预测研究 |
| 关键词： | 城市道路;交通拥堵问题;识别算法;预测模型;马尔可夫理论;灰色预测理论 |
| 摘要： | 城市有限的道路资源难以承载交通量的快速增长，导致交通拥堵问题的出现，交通拥堵预测是解决交通拥堵问题的重要步骤之一。但由于影响交通系统的因素复杂繁多，且各种交通参数具有较强随机性和不确定性，使得交通拥堵预测研究难以开展，预测成功率及可靠性往往不高，针对这一问题，本文借鉴马尔可夫理论及灰色预测理论，构建了适用于交通拥堵预测的灰色GM(1，1)-加权马尔可夫预测模型，并将该模型应用于实例研究中。具体研究过程如下: 首先，在回顾国内外研究现状的基础上，给出了拥堵的定义、分类、成因和特征。对经典的拥堵识别算法和常见的速度预测模型进行了分析; 其次，探讨速度预测与拥堵识别的关系和基于速度的交通拥堵预测的原理，并确定相应的速度阈值标准，基于灰色预测理论，结合马尔可夫链预测原理，建立灰色GM(1，1)-马尔可夫预测模型用于交通拥堵预测，并在此基础上对该模型进行加权改进以获得更好的预测成功率; 最后，将该模型应用于石家庄市主干路——建设大街的拥堵预测实例研究中，对该路段未来4天内6个不同时刻的拥堵状态进行了预测识别，并与灰色GM(1，1)预测模型、灰色GM(1，1)-马尔可夫预测模型的预测结果相比较。结果表明，该模型的识别成功率超过66％，优于灰色GM(1，1)预测模型和灰色GM(1，1)-马尔可夫预测模型，从而表明本文所建立的预测模型具有较好的识别准确率及可靠性。 |
| 作者： | 杨俊瑛 |
| 专业： | 交通运输规划与管理 |
| 导师： | 晏启鹏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
