交通流量多阶段估计方法与应用

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景及意义

1.2 研究现状

1.2.1 基于交通配流模型的方法

1.2.2 基于直接观测的方法

1.2.3 基于机器学习的方法

1.2.4 基于结点的方法

2 预备知识

2.1 经典的交通平衡配流模型

2.2.1 机器学习综述

2.2.2 XGBoost方法

2.2.3 人工神经网络

3 基于守恒性的交通流量估计问题

3.1 基于结点的路段流量完全可推断性方法

3.2 基于结点的路段流量和 OD 需求完全可推断性方法

3.3 数值算例

3.3.1 小型交通网络

3.3.2 小型交通网络——鱼骨网络

3.4 本章小结

4 基于机器学习的路段流量和 OD 需求多阶段估计

4.1 基于 XGBoost 的路段流量和 OD 需求之间的相关性分析

4.1.1 XGBoost算法

4.1.2 相关性的量化分析

4.2.1 估计规则

4.2.2 基于多阶段估计的检测器布设模型

4.2.3 基于BP神经网络的路段流量和OD需求多阶段估计

4.3 算法设计

4.4 数值实验

4.4.1 小型交通网络——鱼骨网络

4.4.2 中型交通网络——Nguyen-Dupuis网络

4.5 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集