基于短时交通流预测的城市区域交通信号控制研究

摘要

城市交通问题是困扰城市发展、制约城市经济建设的重要因素。针对城市交通拥堵问题的解决途径主要有交通诱导和交通控制，而实现交通诱导和交通控制的关键则是能否对交通流进行短时的预测。本文以研究短时交通流预测为切入点，对传统预测算法的缺点进行改进和优化，提出以改进短时交通流预测模型为基础的城市区域交通信号控制方案。
　　论文首先介绍了课题的研究背景及实际意义，总结了短时交通流预测的主要模型，介绍了国内外比较具有代表性的城市交通信号控制系统。同时，简要介绍了神经网络和小波理论以及两者的组合即小波神经网络，并以小波神经网络为框架搭建了短时交通流预测模型。针对小波神经网络隐层节点数量难以确定的问题，提出基于经验公式的双边搜索法找寻最优值;针对网络收敛速度慢和易陷入局部极小等问题，提出在网络训练过程中增加动量项和自适应学习率，同时运用遗传算法优化小波神经网络的初始参数。运用实际交通流数据对预测模型进行仿真并与其他传统预测模型进行对比，仿真结果表明该预测模型具有较好的预测结果。
　　其次，论文介绍了城市区域交通信号控制的相关理论。本文提出采用递阶控制结构将城市区域划分成若干子区，运用改进的短时交通流预测算法预测子区各交叉路口的相关交通流数据，并基于这些预测数据确定了关键交叉路口以及子区主干道和非主干道，通过对主干道和非主干道的交通信号控制实现对子区的控制，通过子区间的协调控制实现城市区域的交通信号控制。本文将提出的子区控制方案和传统定时控制方案进行对比，仿真结果表明提出的子区控制方案控制效果较好并具有一定的应用价值。
　　论文最后对研究成果进行了总结，并提出了本文的不足以及有待进一步研究的方向。

目录

声明

摘要

1 绪论

1．1 课题研究背景及实际意义

1．2 短时交通流预测研究现状

1．2．1 基于传统统计理论的模型

1．2．2 基于现代科学技术的模型

1．2．3 组合模型

1．3 城市交通信号控制发展概况

1．3．1 国外城市交通信号控制系统研究现状

1．3．2 国内城市交通信号控制系统研究现状

1．4 课题主要研究工作

2 小波神经网络理论

2．1 引言

2．2 神经网络基本原理

2．2．1 神经网络的构成要素

2．2．2 神经网络的分类

2．2．3 神经网络的学习方式

2．3 小波神经网络基础

2．3．1 小波变换

2．3．2 小波交换和神经网络的结合方式

2．3．3 小波神经网络的结构

2．4 本章小结

3 小波神经网络短时交通流预测算法的研究

3．1 引言

3．2 基于小波神经网络的短时交通流预测模型

3．2．1 小波神经网络输入输出模型的建立

3．2．2 小波神经网络预测模型的参数修正

3．3 小波神经网络短时交通流预测算法的改进

3．3．1 小波神经网络隐层节点数量的确定

3．3．2 小波神经网络参数修正的改进

3．3．3 遗传算法对改进型小波神经网络的优化

3．4 实例仿真

3．4．1 仿真样本和性能指标

3．4．2 交通流数据预处理

3．4．3 仿真结果分析

3．5 本章小结

4 城市区域交通信号控制技术研究

4．1 交通流理论

4．1．1 交通流基本参数

4．1．2 交通流基本模型

4．2 交通信号控制理论

4．2．1 交通信号控制的基本参数

4．2．2 交通信号控制的评价指标

4．3 城市道路交通网络

4．3．1 城市道路交通网络模型的建立

4．3．2 城市道路交通网络子区的划分

4．4 城市区域交通信号控制技术

4．4．1 城市区域交通信号控制结构

4．4．2 城市区域交通信号控制策略

4．5 本章小结

5 基于短时交通流预测的城市区域交通信号控制算法研究

5．1 城市区域交通信号控制的总体框架

5．2 子区交通信号控制的具体实现

5．2．1 子区交通信号控制的具体步骤

5．2．2 基于短时交通流预测的子区主干道划分方法

5．2．3 交叉路口相位配置方案的改进

5．2．4 交叉路口绿信比配置方案的改进

5．2．5 交叉路II间相位差计算方法的改进

5．3 实例仿真

5．3．1 仿真环境介绍

5．3．2 子区路网建模

5．3．3 子区交通参数的设置

5．3．4 子区控制性能的评价

5．3．5 仿真结果分析

5．4 本章小结

6 总结与展望

6．1 全文工作总结

6．2 相关领域的展望

致谢

参考文献

附录

攻读硕士学位期间发表的论文和出版著作情况

攻读硕士学位期间学术成果获奖情况