声明
符号说明
第一章 绪论
1.1 研究背景及意义
1.2 研究目标和内容
1.3 研究方法和技术路线
1.4 论文结构安排
第二章 文献综述
2.1 概述
2.2 交通拥堵瓶颈辨识
2.3 交通拥堵传播分析与建模
2.4 交通拥堵传播可视化
2.5 本章小结
第三章 城市路网道路交通状态表征与量化
3.1 概述
3.2 研究路网及数据描述
3.2.1 道路网络选取
3.2.2 图像数据集构建
3.2.3 道路对象分割与提取
3.3 路网道路交通状态表征、量化及可视化
3.3.1 面向网格的道路网络划分
3.3.2 网格交通状态表征、量化及可视化
3.4 本章小结
第四章 基于图论的城市路网交通拥堵瓶颈辨识
4.1 概述
4.2 路网交通瓶颈定义
4.3 基于图论的交通拥堵瓶颈辨识
4.3.1 候选拥堵瓶颈区块遴选
4.3.2 源头拥堵区块辨识
4.3.3 瓶颈区块和瓶颈区域提取
4.4 交通拥堵瓶颈辨识结果分析与讨论
4.4.1 候选瓶颈区块分析
4.4.2 源头拥堵区块分析
4.4.3 瓶颈区块及区域分析
4.5 本章小结
第五章 城市路网交通拥堵传播模式发现
5.1 概述
5.2 路网交通拥堵传播建模
5.2.1 交通拥堵传播分析周期界定
5.2.2 交通拥堵传播分支研判
5.2.3 交通拥堵传播有向图构建
5.3 路网交通拥堵传播模式挖掘分析及可视化
5.3.1 交通拥堵传播分支提取与统计分析
5.3.2 交通拥堵传播模式分析及可视化
5.4 本章小结
第六章 基于深度学习的路网交通拥堵时空关联关系推理
6.1 概述
6.2 研究问题描述
6.3 基于深度学习的交通拥堵时空关联关系模型构建
6.3.1 提出的解决思路
6.3.2 Attention机制原理
6.3.3 基于Attention的Encoder-Decoder模型构建
6.4 面向瓶颈区块的交通拥堵时空关联关系推理分析及可视化
6.4.1 模型参数设置
6.4.2 实验结果分析与讨论
6.5 本章小结
第七章 结论与展望
7.1 研究成果与结论
7.2 主要创新点
7.3 研究展望
致谢
参考文献
附录Ⅰ 提取的洛杉矶城市路网在周一典型时间间隔的道路交通信息
附录Ⅱ 辨识提取的洛杉矶城市路网一周七天的交通拥堵瓶颈信息
附录Ⅲ 洛杉矶城市路网交通拥堵传播有向图图节点标签信息示例
附录Ⅳ 洛杉矶城市路网周二至周日典型交通拥堵传播分支的交通拥堵传播有向图
附录Ⅴ 洛杉矶城市路网典型交通拥堵瓶颈区块及其周边区块的交通拥堵指数时间序列
作者简介
东南大学;
