交通诱导策略自动生成及辅助决策系统研究

摘要

智能交通系统(ITS)已被公认为解决城市交通拥堵问题的根本措施。交通诱导系统(TGS)作为ITS的重要组成部分之一，它通过诱导交通流促其在使整个路网达到新的均衡状态，进而可以缓解交通拥堵、降低交通事故、减少交通污染。交通诱导装置作为交通诱导系统的物理基础，对其研发无疑具有重要意义。
　　为此，论文详细介绍了诱导策略的自动生成算法，以及交通诱导辅助决策系统的研发框架与流程。该系统基于相关算法可以自动生成策略，并且能够给出对比决策，显示在GIS地图上。本文主要完成了以下工作:
　　(1)对于诱导策略的生成与发布的相关算法和模型进行了研究，描述了数据挖掘算法中的聚类和ORAR算法，将BP神经网络和遗传算法进行结合，互相补充提高了算法效果。研究了诱导信息的空间发布，以及时间差异化发布方法。
　　(2)在针对诱导策略发布算法的研究中，首先采用基于关联代数的数据挖掘算法ORAR来对历史发布数据库进行再分析和利用，并针对ORAR算法应用到计算机提出了矩阵输入的优化，得到了更好的基于经验的发布时空策略;另外，利用GABP神经网络算法对于交通量进行预测，结合实时路况得到了可以进行对比分析和辅助决策的发布策略。可以由辅助决策子系统直观地显示出来，更好地辅助管理人员。
　　(3)开发设计了基于GIS的交通诱导辅助决策系统，系统以VMS及发布信息相关资料为背景，结合道路交通状况，利用GIS的可视化和空间信息处理技术，综合计算机软件技术和交通工程学理论，有效集成并应用于北京市的交通网络化智能诱导控制系统，最终实现诱导策略生成和辅助决策的功能。
　　(4)在考虑诱导系统的主要功能的基础上，从应用角度出发，开发与构建了路网数据库，设计了交通诱导系统的框架与结构，并且编程实现了GIS系统。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景及意义

1．2 诱导信息空间和时间策略的生成与发布研究现状

1．3 交通诱导系统研究现状

1．4 本文研究内容及研究框架

1．5 本章小结

2 交通诱导策略生成模型与算法研究

2．1 数据挖掘

2．1．1 数据挖掘概述

2．1．2 数据挖掘主要技术与方法

2．1．3 数据挖掘技术在交通中的应用

2．2 基于关系代数理论的关联规则挖掘算法ORAR

2．2．1 系统聚类算法

2．2．2 ORAR算法

2．2．3 实例分析

2．3 基于遗传算法的BP神经网络优化算法

2．3．1 BP神经网络

2．3．2 遗传算法

2．3．3 遗传算法与BP神经网络的结合

2．3．4 算法分析

2．3．5 实例分析

2．4 本章小结

3 交通诱导策略发布模型与算法研究

3．1 基于交通事件严重程度的诱导信息空间发布策略

3．2 交通诱导信息时间发布策略

3．2．1 主要影响因素分析

3．2．2 交通诱导信息时间差异化发布方法

3．2．3 实例分析

3．3 本章小结

4 交通诱导辅助决策系统的设计

4．1 系统设计思想

4．1．1 对北京市诱导系统的研究

4．1．2 辅助决策系统设计思想

4．2 系统需求设计和系统目标

4．3 数据需求及数据库设计

4．4 系统功能结构设计

4．5 系统总体架构设计

4．6 开发环境

4．6．1 GIS开发平台选择

4．6．2 后台数据库选择

4．6．3 系统开发工具选择

4．7 本章小结

5 系统实现

5．1 系统整体布局展示

5．2 信息的基本统计查询

5．3 基于历史的诱导策略生成示例

5．4 辅助决策子系统对比示例

5．5 本章小结

6 总结与展望

6．1 本文主要结论

6．2 研究展望

参考文献

附录A GABP预测实现代码

作者简历

学位论文数据集