基于公交浮动车的道路运行速度预测模型

摘要

随着交通拥堵的持续严重，人们越来越需要准确的交通数据。大力发展智能交通系统，成为提高道路运行速率的最有效方法。国内外的研究表明，只有检测到可靠而准确的交通参数才能保证智能交通系统有效可靠地运行。浮动车信息采集系统与固定监测设备相比有很大优势，出租车虽然也是车载终端的重要平台，但其线路具有随机性。而智能公交系统的检测对象是全市的公交车辆，即只要是公交线路覆盖的道路，都可实现实时道路交通状况检测。　　论文以合肥市公交系统为研究背景，对城市道路的运行速度进行预测。交叉口的车流量大小及运行速度是决定道路通行能力的主要因素，相邻路段、关联交叉口的间断层数据对预测的准确度有直接影响;且公交车运行具有特殊性，在车站进站加速、出站减速。所以本文根据研究路段的不同特性划分成四种情况，对不同的路段进行不同的预测处理。　　考虑到公交车具有线路运行特点一致的特殊性，在预测速度前，先对所需的数据进行模糊C-均值聚类分析，估计各线路运行速度。然后基于线路运行速度预测道路运行速度，通过比较先估计道路运行速度，再预测道路运行速度与先预测线路运行速度，再估计道路运行速度这两种预测模型得出:不同线路的快慢车性质会产生不同的预测结果，先通过模糊回归算法对线路运行速度预测，然后再把该路段所有途径公交线路的运行速度用模糊C-均值聚类算法估计，得到的预测结果更贴近实际情况。

目录

声明

致谢

摘要

1 引言

1．1 选题背景及意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 论文的主要研究内容、创新点及结构

1．3．1 主要研究内容

1．3．2 本文创新点

1．3．3 本文组织结构

2 浮动车数据的采集与预处理

2．1 浮动车概述

2．1．1 定义

2．1．2 工作原理

2．2 公交浮动车数据的采集

2．2．1 采集数据的主要影响因素

2．2．2 浮动车信息存储格式

2．3 数据补缺

2．3．1 部分字段缺失

2．3．2 整条数据缺失

2．4 数据修复

2．4．1 小波分析的原理

2．4．2 小波消噪的方法

2．5 本章小结

3 模糊算法原理

3．1 模糊算法原理

3．1．1 模糊集合的背景

3．1．2 模糊集合的概念

3．1．3 模糊集合的运算及性质

3．2 模糊回归算法

3．2．1 模糊回归相关概念

3．2．2 规划问题

3．2．3 算法步骤

3．3 模糊C-均值聚类算法

3．3．1 模糊C-均值聚类相关概念

3．3．2 规划问题

3．3．3 算法步骤

3．4 本章小结

4 基于公交浮动车的道路运行速度预测模型

4．1 路段的划分

4．1．1 划分背景

4．1．2 划分类别

4．2 道路运行速度预测思路

4．3 流程框架

5 实验分析

5．1 线路速度估计

5．1．1 区域1线路速度估计

5．1．2 区域2线路速度估计

5．1．3 区域3线路速度估计

5．1．4 线路速度估计

5．2 估计-预测模型

5．2．1 估计道路速度

5．2．2 预测道路速度

5．3 预测-估计模型

5．3．1 预测线路速度

5．3．2 估计道路速度

5．4 模型评价

5．5 本章小结

6 结论

参考文献

作者简历

学位论文数据集