基于RFID数据的城市交通流动态路径诱导研究

摘要

城市化进程的快速发展，使得现有城币的交通系统承载着日益增长的需求与压力，交通拥堵问题成为城市经济发展的顽疾，随之产生的交通运输效益下降、环境污染、能源过度消耗等问题日益严重，交通拥堵这一顽疾亟待解决。基于智能采集设备的城市交通诱导系统是缓解城市交通拥堵问题的重要途径之一。本文由射频识别技术(Radio Frequency Identification Devices，RFID)所采集的城市道路交通数据特征分析入手，提出基于RFID数据的交通参数提取方法，实现基于RFID数据的城市道路微观交通模拟，构建基于RFID数据的城市道路交通流短时预测模型，开展基于RFID数据的城市道路交通状态判别研究，实现基于交通状态判别的交通流动态路径诱导研究。
　　文章首先对用于采集车流数据的RFID技术进行了概述，由于RFID采集点多布设在信号交叉口出口路段上，这一布设特点导致RFID采集车辆记录多是单点断面静态记录。为了得到相对完整的符合时间规律的车辆行程数据并满足动态化要求，不仅需要将车辆记录与RFID基站位置进行空间匹配，同时需要考虑交叉口信号配时的情况。本文首先在数据记录质量分析的基础上，提出基于RFID技术的交通流特性参数提取方法，以交通工程学对交通特性参数的基本定义为核心，借助静态RFID记录中的车牌字段与车辆通过时间字段等基础信息对单一检测断面与相邻检测断面的采集数据进行交通流特性参数提取，得到流量、速度、行程时间、车头时距、交叉口转向等参数。在此基础上，利用统计方法，对交通量特征、车辆到达特征、速度特征、车头时距特征、行程时间特征进行了统计研究，并将统计分布结果作为基本输入用于车流模拟框架的构建。
　　在车流模拟框架构建研究中，本文首先从车辆行驶的微观分析出发，分析讨论车辆在交叉口上游检测断面行驶至交叉口停车线并驶向下游检测断面的路段行驶特征，基于分析结果结合线性跟驰模型、安全换道模型构建了车辆在路段上的行驶规则;同时，本文利用车辆到达交叉口的时刻与信号运行时刻判断车辆在交叉口停车线的停车排队特征，并结合路段行驶规则构建了完整的城市道路车流模拟框架。在实例分析时，本文利用交通参数统计规律产生交通流特性参数的随机数，以此作为车流模拟框架的输入，并借助Matlab数值模拟环境，对单交叉口范围内相邻RFID检测断面的车流进行了模拟，并通过对模拟结果的分析，获取了行程时间、排队长度等通过一般采集方法较难直接采集的交通运行特征参数，实现了从静态RFID记录中提取得到交通状态的动态变化特征，其结果可用作交通状态判别的基本输入。
　　为进一步实现从静态RFID记录中提取交通运行动态特征，本文在构建车流模拟框架的同时，构建了基于RFID数据的交通流短时预测方法。考虑到交通参数时间序列具有随机信号的特征，本文以交通流特性参数时间序列的小波分解为前提，对小波分解得到的近似变量和细节变量分别选用支持向量机方法建立预测模型，并利用GA、PSO等方法优化预测模型的参数，并综合考虑数值精度与运算速度两方面因素，借助数值对比实验的方法，对预测模型参数的输入个数进行了研究。借助对速度时间序列的实例分析，分别得到了2min和5min时间间隔的速度预测结果，其精度满足一定要求，并将预测算法应用到阈值去噪处理后的数据进行对比分析，其结果表明所构建的预测算法能够实现对静态RFID记录的动态预测。
　　对静态RFID记录采用预测的方法实现动态分析主要针对交通流特性参数，而掌握交通流状态的动态变化，需要综合考虑不同交通流特性参数的变化特征，因此，在基于RFID数据的城市道路交通运行特征分析与车流模拟的基础上，本文提出一种采用平均里程行程延误、平均行程速度、排队长度等多个参数来判别城市道路交通状态的方法。该方法以模糊综合评价模型为基础，以车流模拟结果所提取的交通流特性参数作为输入，通过构建参数的梯形隶属度函数，实现对交叉口左、直、右三个方向上的相邻检测断面的交通状态进行模糊判别，并对交通状态模糊判别方法中的单因素权重矩阵取值对判别结果的影响进行了分析研究，从而进一步实现了从静态RFID记录中提取动态交通变化特征。交通状态判别结果可用于构建城市道路交通诱导路径搜索算法。
　　诱导路径是交通流动态诱导系统的重要体现，本文提出一种基于城市道路交通状态判别的动态诱导路径搜索算法。以城市路网为研究载体，借助车流模拟框架得到路网内的车流模拟数据，结合交通参数提取方法得到模拟路网内相邻检测断面的平均里程行程延误、平均行程速度、排队长度等交通流特性参数，在此基础上，结合模糊判别方法得到模拟路网内相邻检测断面的交通状态判别结果，并利用交通状态判别结果作为搜索算法中有向弧的动态权重，结合基于曼哈顿距离的启发式路径搜索算法，实现了对路网内的最短路径的动态搜索，其结果可为基于RFID数据的交通管理系统制定诱导路径提供理论支持。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究概况

1．2．1 城市道路交通数据提取方法

1．2．2 交通流运行特征分析与参数估计

1．2．3 交通流短时预测

1．2．4 交通状态判别

1．2．5 交通流路径诱导

1．2．6 国内外研究现状分析

1．3 研究内容及技术路线

1．3．1 研究内容

1．3．2 研究技术路线

第二章 基于RFID技术的城市道路交通流数据提取方法

2．1 基于RFID技术的城市道路交通数据采集

2．1．1 射频识别技术

2．1．2 射频识别技术数据采集原理

2．1．3 射频识别技术交通领域应用

2．1．4 交通射频识别技术采集特征

2．1．5 交通射频识别技术数据特点

2．2 基于RFID技术的城市道路交通流特性参数提取

2．2．1 基于RFID技术的交通数据采集原理

2．2．2 基于RFID技术的交通数据质量分析

2．2．3 基于RFID技术的交通流数据提取

2．3 本章小结

第三章 基于RFID数据的城市交通流运行模拟研究

3．1 基于RFID数据的交通流特性参数分析

3．1．1 交通量特征

3．1．2 速度特征

3．1．3 车头时距特征

3．1．4 行程时间特征

3．1．5 换道概率

3．2 基于RFID数据的城市交通流模拟

3．2．1 基于静态记录的交叉口车辆行驶分析

3．2．2 基于静态记录的车辆排队分析

3．2．3 基于微观模型的车辆行驶分析

3．2．4 车流模拟实例分析

3．3 本章小结

第四章 基于RFID数据的交通流短时预测研究

4．1 基于小波分解的静态车流记录分析

4．1．1 交通流时间序列的小波分解

4．1．2 小渡分群基本腺理

4．1．3 实例分析

4．2 基于支持向量机的城市道路交通流短时预测

4．2．1 支持向量机基础

4．2．2 支持向量机回归

4．2．3 基于小波分解的支持向量机预测

4．3 本章小结

第五章 基于RFID数据的城市道路交通状态判别

5．1 城市道路交通状态判别因素分析

5．1．1 城市道路交通状态特性参数

5．1．2 城市道路交通状态判别阈值

5．2 基于模糊综合评判的交通状态判别方法

5．2．1 相邻检测断面行程时间

5．2．2 相邻检测断面行程速度

5．2．3 相邻检测断面交叉口排队

5．2．4 相邻检测断面交通状态划分

5．2．5 数值实验

5．2．6 参数权重分析

5．3 本章小结

第六章 基于交通状态判别的城市道路诱导路径搜索

6．1 城市道路诱导路径算法要素分析

6．1．1 城市道路动态交通诱导

6．1．2 基本数学符号

6．1．3 动态有向弧权重

6．1．4 动态节点权重

6．1．5 动态搜索算法

6．2 诱导路径搜索算法

6．2．1 道路网络结构抽象

6．2．2 基于RFID采集特征的城市道路网络结构

6．2．3 基于交通状态判别的有向弧动态权重

6．2．4 算法步骤

6．3 实例分析

6．3．1 模拟路网基本参数

6．3．2 模拟车流输入

6．3．3 结果分析

6．4 本章小结

第七章 结论与展望

7．1 结论

7．2 创新成果

7．3 展望

致谢

参考文献

作者简介