高速公路短时段交通流预测方法研究

摘要

近年来，随着我国高速公路建设的快速发展，高速公路的运营管理面临更高的要求和挑战。本文通过研究高速公路短时段交通预测的重要问题，为高速公路的路况分析、事件检测及预测、预防交通拥堵提供数据挖掘服务，为设计高速公路交通流控制系统、制定合理的监控策略提供数据基础。论文结合我国高速公路现状，从短时交通预测方法、交通流参数预测、行程时间预测三个方面进行了研究。 1．短时交通预测方法概述。根据国内外短时交通预测研究现状，结合预测学研究，将目前已提出的用于短时交通预测的各种预测方法分为三类：基于数学模型的预测方法、基于非数学模型的预测方法、复合预测方法。在对各类方法深入分析的基础上，结合江苏省高速公路的运营状况，本文选择了几种方法进行改进研究。 2．预测方法研究。针对时间序列的离线预测、建模过程复杂等缺点，在数据预处理上引入零均值化及差分法以便获得稳定数据进行计算，在模型参数辨识方面引入带遗忘因子的最小二乘递推算法，实现了在线预测的功能；针埘交通流的特性建立了基于卡尔曼滤波的交通预测模型，并针对模型初值难以确定的限制，引入基于统计方法的模型初值确定方法；分别介绍了BP神经网络和RBF神经网络，针埘BP网络收敛速度慢以及目标函数存在局部极小问题，介绍了可变学习率、动量法、L-M法等改进训练算法，比较了两种网络的特点，提出RBF在短时交通预测领域的良好应用前景。 3．交通流参数预测研究。对短时段交通流参数的可预测性进行分析研究，针对我国高速公路交通数据来源，提出了基于时间序列改进方法、卡尔曼滤波方法、BP神经网络方法、RBF神经网络方法的预测模型，并利用检测数据进行仿真预测，对各种方法进行了深入分析，确定各种方法的预测性能。 4．行程时间预测。对行程时间的基本概念进行了解释，并在没有行程时间数据的情况下，推导了利用其他交通流参数进行估算的方法，得出了高速公路路段连续交通流及间断交通流的行程时间函数，以及路线行程时间函数。结合车辆探测数据和环形线圈检测数据利用卡尔曼滤波方法，设计了高速公路路段行程时间预测模型。从高速公路路网角度提出路网行程时间预测方法，结合时间空间两重坐标提出行程时间域穿行法，并利用仿真实例说明方法的优势。 本论文的研究依托江苏省交通科学研究计划项目：高速公路联网监控的监控信息平台、监控策略与接口技术研究。

目录

文摘

英文文摘

东南大学学位论文独创性声明及东南大学学位论文使用授权声明

第一章绪论

1.1引言

1.2研究背景与目的

1.3国内外研究概况

1.3.1国外研究概况

1.3.2国内研究概况

1.4论文主要研究内容

1.5论文研究方法技术路线

1.6论文结构

第二章短时段交通流预测方法概述

2.1基于数学模型的预测方法

2.1.1历史平均模型

2.1.2指数平滑模型

2.1.3时间序列模型

2.1.4卡尔曼滤波模型

2.2基于非数学模型的预测方法

2.2.1非参数模型

2.2.2状态空间重构法

2.2.3神经网络方法

2.3复合预测方法

2.3.1KARIMA模型预测方法

2.3.2基于小波分析的预测方法

2.4本章小结

第三章预测方法研究

3.1时间序列改进方法

3.1.1时间序列基本方法

3.1.2时间序列方法改进

3.2自适应卡尔曼滤波方法

3.2.1基于卡尔曼的交通预测模型

3.2.2卡尔曼预测模型初值确定

3.3神经网络方法

3.3.1 BP神经网络模型

3.3.2 RBF神经网络模型

3.3.3BP网络与RBF网络比较

3.4本章小结

第四章交通流参数预测研究

4.1短时段交通流可预测性分析

4.1.1短时段交通流特性分析

4.1.2短时段交通流预测尺度分析

4.2交通流参数预测模型

4.2.1时间序列改进方法

4.2.2自适应卡尔曼滤波模型

4.2.3神经网络模型

4.3交通流量预测仿真应用

4.3.1预测性能指标定义

4.3.2时间序列改进方法

4.3.3自适应卡尔曼滤波方法

4.3.4神经网络方法

4.3.5总的预测结果对比分析

4.4本章小结

第五章行程时间预测研究

5.1行程时间函数

5.1.1行程时间定义

5.1.2连续交通流路段行程时间函数

5.1.3间断交通流路段行程时间函数

5.1.4路线行程时间函数

5.2路段行程时间预测方法

5.2.1两种简单的行程时间函数

5.2.2融合环行线圈及车辆探测数据的行程时间预测方法

5.3高速公路路网行程时间预测模型

5.3.1方法基本思路

5.3.2行程时间常规预测方法

5.3.3行程时间域穿行法

5.3.4方法的计算优势

5.4行程时间预测仿真应用

5.4.1预测方法选择

5.4.2样本分类及评价指标定义

5.4.3结果分析

5.5本章小结

第六章结论与展望

6.1研究成果与主要结论

6.2进一步的研究与展望

致谢

参考文献

攻读硕士学位期间参与的科研项目与论文发表情况