基于时空关联状态的多路段断面短时交通量预测模型研究

摘要

随着城市化进程的迅猛发展,机动车日益普及,人们在享受机动车所带来的巨大便利的同时,也面临着交通拥堵困惑,因交通拥堵带来的交通事故、大气污染、噪声污染、资源短缺等问题,越来越成为阻碍全球经济甚至威胁人类生存的主要问题,也因此成为全世界政府普遍关注的焦点。对于很多城市而言,道路拥堵、交通不畅实际上并不只是因为道路不够,而是由于道路没有得到很好利用有很大关系。因此先进的交通管理和控制系统对于缓解城市道路拥堵具有十分重要的意义。根据城市路网当前交通状况,预测未来道路交通状态,通过交通参与者的主动配合,优化行车路线,避开拥挤路段,对于均衡分布交通流量,充分发挥路网有效性能具有重要的意义。
　　论文首先通过对现有的预测模型进行概述,对比分析后,得出了各类模型在进行预测分析时所具有的优缺点。较为常用的方法及模型主要都是仅针对时间变量及单一交叉口断面进行预测分析,未能很好的体现道路网中多个路段断面之间交通流所具有的时空相关性。由于卡尔曼滤波具有独特的优点:广泛的适应性,卡尔曼滤波采用较灵活的递推状态空间模型,既能处理平稳数据,也能处理非平稳数据;只要对状态变量作不同的假设,就可使其描述及处理不同类型的问题;模型具有线性、无偏、最小均方差性;模型便于在计算机上实现,且大大减少了计算机的存储量和计算时间,适于在线分析;预测精度较高。在对道路网中交通流数据的时空特性进行分析后,利用聚类分析方法对研究范围内的路网多路段断面进行相关性分析,找出相关性较高的一组道路断面进行统一预测分析;结合多维时间序列建立数据的多维时间模型,并转化为状态空间模型,最后利用卡尔曼滤波理论建立基于时空关联状态的多路段断面短时预测模型并求解,得出对道路网中多个路段断面短时交通预测值。
　　论文最后选取了西安市城市路网中的一部分作为实例验证,利用调查统计得出的交通量数据,输入到卡尔曼滤波方程中得出预测时间段内交通量数据,并与真实数据进行误差对比分析,预测结果的误差在可接受范围之内。
　　本论文所提出的基于时空关联建立的多路段断面短时交通预测,并选取卡尔曼滤波理论建立模型,能够较为准确、客观的对路段断面交通流进行预测,同时在工程实践中也有着良好的应用前景。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 研究目的与意义

1.3 主要研究内容与结构

第二章 交通流短时预测方法概述

2.1 基于传统统计理论的预测方法

2.2 基于非线性系统理论的预测方法

2.3 基于知识发现的智能模型预测方法

2.4 基于组合模型的预测方法

2.5 基于交通模拟的预测方法

2.6 基于新型技术的预测方法

2.7 本章小结

第三章 时空关联状态下短时预测探索分析

3.1 交通流时空特性

3.2 城市道路交通状态数据相关性

3.3 卡尔曼滤波模型

3.4 本章小结

第四章 基于时空关联状态的多路段断面短时交通量预测模型

4.1 状态空间模型

4.2 多维时间序列分析

4.3 城市道路网交通数据相关性分析

4.4 基于时空关联的路段多断面短时交通量预测模型

4.5 本章小结

第五章 实例验证

5.1 数据的获取

5.2 道路多路段断面的相关性分析

5.3 道路多路段断面的交通量预测

5.4 多路段断面交通量预测结果分析

5.5 多路段断面多维时间序列与单路段断面一维时间序列预测对比分析

5.6 本章小结

第六章 结论与展望

6.1 主要研究结论

6.2 研究展望

参考文献

致谢