基于出租车GPS数据的速度分布和排队长度估计研究

摘要

交通拥堵是当前大中城市面临的主要“城市病”之一，表现为拥堵程度加剧、拥挤时段延长、拥堵范围扩大。能够实时掌握路网交通状态对于交通管理者有重要意义。装有GPS的出租车作为移动检测器在路网中分布较广，是探测路网交通状态的一种有效手段。基于出租车GPS数据来估计路网实时的交通状态，以此优化信号配时，提高交通管理效率，已经成为目前的研究热点。
　　 本文主要有两个成果。1）基于出租车GPS数据估计交通拥堵特征。由于信号控制的存在、驾驶行为和车辆特性的随机性等因素，城市交通状态是典型的混合分布。针对这一特点，本文首先利用核密度估计技术对出租车GPS采集的速度数据进行无参数概率密度估计。在确定速度分布服从高斯混合分布的前提下，利用高斯混合模型对拥堵特征进行定量分析，得出的数量指标能够描述交通拥堵的严重程度、波动程度、各种状态的混合权重。研究成果实现了通过出租车GPS数据直接判定交通拥堵特征，为制定交通管理预案和评价交通管控设施的性能提供了有力依据。2）研究排队长度估计模型，并通过GPS数据标定模型参数。首先通过GPS数据对交叉口的车辆驶离特性进行分析，在分析现有离散模型的基础上，考虑驶离受交叉口排队车辆影响的因素，提出了离散转换模型，并建立了基于车辆到达特性的排队长度估算模型，利用实测排队长度数据对基于GPS数据的模型结果进行误差对比。
　　 出租车作为浮动车采集数据被广泛应用，本文研究成果对于如何处理这类数据提供了理论方法，具有一定的借鉴价值。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 浮动车技术研究现状

1．2．2 城市交通信息采集技术现状

1．2．3 基于速度分布估计路网交通状态研究现状

1．2．4 排队长度研究现状

1．3 研究目的及主要内容

1．3．1 研究目的

1．3．2 主要内容

1．4 研究技术路线

第二章 数据预处理

2．1 出租车车载GPS数据格式

2．2 影响数据准确度的因素

2．2．1 车载设备异常数据

2．2．2 路段中停车上下客数据

2．2．3 进入支路上下客的出租车数据

2．3 数据间隔对统计分布的影响和解决方法

2．3．1 最佳数据采集间隔的确定

2．3．2 拉格郎日差值法在数据处理中的应用

2．4 小结

第三章 基于出租车混合速度分布的交通拥堵特征分析

3．1 混合速度分布的核密度估计

3．2 混合速度分布的高斯混合模型和EM算法

3．2．1 高斯混合模型和EM算法简介

3．2．2 基于高斯混合模型计算混合分布的数值特征

3．3 混合速度分布交通状态信息应用

3．4 小结

第四章 排队长度模型研究

4．1 车辆驶离特性分析

4．1．1 绿灯期间车辆驶离特性分析

4．1．2 红灯期间车辆驶离特性分析

4．1．3 交叉口车辆驶离特性模型

4．2 路段车辆离散特性分析

4．2．1 车队离散实例

4．2．2 车队离散模型及对比分析

4．2．3 路段车队离散模型确定

4．3 路段车辆到达特性分析

4．4 排队长度模型

4．4．1 最大排队长度计算方法

4．4．2 二次排队长度计算方法

4．4．3 平均排队长度计算方法

4．5 小结

第五章 排队长度实例验证

5．1 交通调查

5．1．1 交叉口的基本情况

5．1．2 交叉口的信号配时

5．1．3 交通流量调查数据

5．1．4 排队长度调查数据

5．2 实验验证

5．2．1 车辆离散模型验证

5．2．2 车辆驶离模型验证

5．2．3 排队长度模型验证

5．3 小节

第六章 结论和展望

6．1 论文主要结论

6．2 有待进一步研究的问题

参考文献

致谢

附录A 攻读学位期间发表学术论文与科研项目

附录B 程序代码