声明
致谢
摘要
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容
1.4 研究方法
1.5 技术路线
2 信号交叉口交通特性分析
2.1 右转机动车的交通特性分析
2.1.1 右转机动车的到达规律
2.1.2 右转机动车的加(减)速特性
2.2 自行车的交通特性分析
2.2.1 自行车的交通特点
2.2.2 自行车交通流的运行特性
2.3 信号交叉口机动车与自行车的冲突特性分析
2.3.1 信号交叉口自行车与机动车冲突点分布情况
2.3.2 信号交叉口自行车与右转机动车冲突特性分析
2.4 本章小结
3 交通冲突数据采集与分析
3.1 交通冲突数据的采集
3.1.1 调查数据的特点
3.1.2 调查内容
3.1.3 交叉口选择原则
3.1.4 交通调查的方法
3.1.5 调查方案的确定
3.2 交通冲突数据的提取
3.2.1 摄影测量法原理
3.2.2 视频数据析取软件的介绍
3.2.3 视频数据的提取方法
3.3 自行车与右转机动车交通数据处理
3.3.1 自行车与右转机动车运动状态划分
3.3.2 自行车与右转机动车运动状态数据提取
3.4 自行车与右转机动车交通数据分析
3.4.1 自行车运动状态数据分析
3.4.2 右转机动车运动状态数据分析
3.4.3 自行车与右转机动车运动状态的对比分析
3.5 本章小结
4 信号交叉口的交通冲突判别
4.1 交通冲突概述
4.1.1 交通冲突理论
4.1.2 冲突严重程度的划分
4.1.3 机动车与自行车的冲突形式
4.2 交通冲突判别方法介绍与确定
4.2.1 冲突时间手U另0法
4.2.2 冲突距离手IJ另lJ法
4.2.3 减速度判别法
4.3 利用K-Means聚类分析进行冲突判别
4.3.1 数据准备
4.3.2 K-Means聚类分析的提出
4.3.3 冲突程度的分级
4.3.4 实例分析
4.4 本章小结
5 信号交叉口的交通冲突预测
5.1 数据准备
5.1.1 样本的选取
5.1.2 影响因素的相关性分析
5.2 多元线性回归预测模型
5.2.1 多元线性回归预测模型的建立
5.2.2 多元线性回归预测模型的冲突预测
5.3 BP神经网络预测模型
5.3.1 改进的快速BP算法
5.3.2 BP神经网络预测模型的建立
5.3.3 BP神经网络预测模型的冲突预测
5.4 预测模型的对比分析
5.5 本章小结
6.1 结论
6.2 创新点
6.3 展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集