广义费用识别中的城市道路路段旅行时间预测

摘要

近年来，随着经济的快速发展，城市对交通的需求迅速增长，而由此引发的交通问题日益严峻。智能交通系统(ITS)将先进的信息技术，数据通信传输技术、自动控制技术以及计算机处理技术等有效地运用于整个运输管理体系，能为目前城市交通面临的众多问题提出可行的解决方案，其相关领域的研究越来越受到各个国家的重视。 交通流诱导系统作为ITS的重要组成部分，能够有效地防止交通阻塞，减少车辆在道路上的逗留时间，并最终实现交通流在网络中各路段上的最优分配。而实现广义出行费用最小化是有效地交通流诱导的基本前提，在广义费用的各个费用组成中，该领域学者一致认为旅行时间费用是广义费用中最为重要的费用。因此，本文在建立广义费用模型的基础上，分别对城市路段旅行时间的长期预估和短期预测进行研究，并根据不同特点分别建立预测模型，最后以杭州市几个路段的浮动车数据验证了模型的实用性。本文研究的主要内容包括： (1)建立了识别用户广义费用的模型。通过对比前人研究的成果，在本文的广义费用模型中包含了四种费用：旅行时间费用、交通费用、尾气排放费用和交通噪声费用，并分别研究了它们的识别方法。 (2)建立了城市路段旅行时间的预测模型。通过深入研究旅行时间的预测方法，建立了杭州市几个路段旅行时间的长期预估和短时预测模型。其中，长期预估选用历史趋势法，短时预测选用广义回归神经网络的方法，并分别用浮动车数据进行了验证。

目录

文摘

英文文摘

论文说明:图表目录

声明

致谢

1绪论

1.1问题的提出

1.2选题意义

1.2.1研究用户广义费用识别的意义

1.2.2研究旅行时间预测的意义

1.3研究目的和主要研究内容

1.3.1论文的研究目的

1.3.2论文的主要研究内容

1.4论文的研究思路

2文献综述

2.1广义出行费用的研究现状分析

2.1.1广义出行费用的国内研究现状分析

2.1.2广义出行费用的国外研究现状分析

2.2旅行时间预测的研究现状分析

2.2.1旅行时间预测的国内研究现状分析

2.2.2旅行时间预测的国外研究现状分析

3用户广义费用识别研究

3.1广义费用的定义

3.2广义费用模型中参数的确定

3.3广义费用模型中各费用的识别方法研究

3.3.1旅行时间费用的识别方法

3.3.2交通费用的识别方法

3.3.3尾气排放费用的识别方法

3.3.4交通噪声费用的识别方法

3.4广义费用模型的建立

3.5本章小结

4旅行时间预测的常见方法分析

4.1旅行时间预测的常见方法和模型

4.2旅行时间预测常见方法的优缺点总结

5路段旅行时间预测模型研究

5.1旅行时间预测研究概述

5.2路段的划分原则

5.3预测模型的评价方法

5.4路段旅行时间长期预估模型研究

5.4.1路段旅行时间长期预估的研究思路

5.4.2旅行时间历史数据库的建立

5.4.3路段旅行时间长期预估模型实证分析

5.4.4小结

5.5路段旅行时间短时预测模型研究

5.5.1路段旅行时间短时预测的方法选择

5.5.2广义回归神经网络GRNN概述

5.5.3基于GRNN的路段旅行时间短时预测

5.5.4基于BP神经网络的路段旅行时间短时预测

5.5.5小结

5.6本章小结

6结论与展望

6.1主要研究结论

6.2研究展望

参考文献

作者简历