基于流量预测的交通信号配时优化研究

摘要

交通拥堵一直是制约交通发展的一个瓶颈，大部分城市由于早期交通规划不够长远，导致目前的运输硬件设施不能满足车辆数量显著增加后对道路通行能力的需求。同时，硬件设施条件在短期内难以改变，且改造的成本巨大。如何在现有条件下，利用先进的方法理论，改善道路通行能力已成为亟需解决的难题。 本文在学习研究了短时交通流和交通信号控制的理论方法后，发现虽然目前分别用于短时交通流预测与交通信号配时的方法手段很多，但之间缺乏联系，未构成完善的体系。在短时交通流预测方面，由于目前方法的先天缺陷，并不能很好的对交通流精确预测；在交通信号配时方面，目前大多信号配时方案是一种被动调节，对于交通流量的变化缺乏主动应对，其调控能力具有一定的滞后性。故本文在研究中首先将交通流预测与信号配时看做一个体系中的两个相关模块进行考虑，从短时交通流预测出发，对如何进行信号配时方案调整进行研究。 主要研究内容主要包括以下几部分：（1）构建短期交通流量预测模型。利用明尼苏达交通管理中心获得的数据，构建了与传统单一预测模型不同的基于Stacking的短期交通流组合预测模型，该模型的准确率相比单一模型平均提高13.963%。（2）对提出的模型进行改进。在基础的预测模型中，仅考虑了交通系统自身的因素，但影响交通的外因众多。在改进的模型中考虑天气对交通流的影响，对天气数据与交通流做相关性分析后，选取与流量相关性最高的温度、风速和湿度以及进行one-hot编码之后的天气状态做为新的输入特征，模型准确率进一步提高。在实际应用方面，在模型中加入时间滑动窗口，对训练集按周期进行动态更新，实现对交通流的实时更新预测。（3）信号配时优化。基于预测的交通流，对信号控制方案的配时进行优化，其思想是利用预测模型的预测值，计算下一时段交通路口的优化指标数值，在实际交通流来临前搜寻确定下一时刻的最优交通周期。实验结果表明，与之前传统的短时交通流预测模型相比，新模型具有更高的准确率，且考虑了天气因素这一随机事件对交通流的影响，此后构建的滑动模型在实际工程应用中也具有现实意义；同时，经改进后的配时方案相比原有配时方案，新方案的路口有更好的通行能力。该方案在解决信号配时滞后性方面，对实际应用具有一定的启发意义。

目录

声明

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 研究目的

1.3 技术路线

1.4 全文结构

2 相关理论方法综述

2.1 短时交通流预测

2.1.1 基本概念

2.1.2 研究现状与不足

2.2 信号控制

2.2.1 基本概念

2.2.2 研究现状与不足

2.3 Stacking集成学习方法

2.3.1 Stacking方法

2.3.2 Stacking的优势

2.4 本章小结

3 基于Stacking的预测方法及改进

3.1 基准预测方法

3.1.1 线性平均模型

3.1.2 时间序列模型

3.2 基于Stacking的短时交通流预测方法

3.2.1 基本思路与框架

3.2.2 初级学习器

3.2.3 次级学习器

3.3 模型改进

3.3.1 基于滑动窗口的动态预测

3.3.2 考虑天气因素的模型

3.4 仿真验证

3.4.1 交通数据

3.4.2 天气数据

3.4.3 数据预处理与可视化

3.4.4 结果分析

3.5 本章小结

4 基于预测交通流的多目标信号配时优化

4.1 指标选取

（1）平均停车次数

（2）平均延误时间

4.2 权重系数

4.3 多目标优化模型

4.4 优化模型求解

4.5 实例分析

（1）路口概况

（2）短期车流量

（3）计算过程

（4）优化结果分析

4.6 本章小结

5 结论

5.1 总结

5.2 展望与不足

5.3 实践建议

参考文献

致谢

附录A 图表