基于浮动车的城市道路交通异常事件检测的研究

论文摘要

随着ITS(Intelligence Transportation System,智能交通系统)的进步和发展,人们逐渐认识到交通对于日常生活以及城市建设和发展的重要性,越来越多研究者将先进的技术和手段融合到交通管理和控制领域中,希望可以借此优化和改善城市道路交通状况,交通异常事件检测就是其中的重要内容。目前,国内外存在的交通异常事件检测的模型和算法很多,体系庞大,各种算法针对不同的检测器和道路环境具有其不同的优缺点,适用范围也不同。另一方面,随着浮动车技术的发展,国外越来越多的研究者看到了它在交通信息采集方面的潜力,开始开发和研究其应用价值,并将它应用到交通异常事件检测中。这使得城市道路交通异常事件检测有了新的方向。但在国内对于浮动车技术的开发和应用却并不多,主要集中在北京、杭州等大城市中,有待进一步的发展。因此,将浮动车技术融合到交通异常事件检测中,将使城市道路的交通异常事件检测有更长足的发展。基于上述内容,本论文的研究目的是利用浮动车采集的交通信息数据,通过有效的交通异常事件检测算法,及时发现道路上的异常事件,使有关部门获得有效信息,并做出快速处理,令交通流得到及时疏导,尽快恢复道路交通的畅通。本论文完成的主要工作包括以下五个部分:(1)本论文在大量的文献阅读和算法研究的基础上,提出了一种交通异常事件检测的综合模型,其主要由车速预测模型和预测偏差分析模型组成。(2)阐述车速预测模型——改进型ARIMA模型的基本框架,并推导了模型中相关的计算公式。(3)介绍预测偏差分析模型的基本原理,并分析了模型关键参数的确定方法。(4)对车速预测模型和预测偏差分析模型的关键计算步骤进行了程序编写,并利用程序对数据进行计算和分析。(5)利用浮动车采集的实际数据,结合Flowsim交通仿真的数据,对综合模型进行了分析和验证,并对模型有效性做出了评价。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景和意义
• 1.1.1 研究背景
• 1.1.2 研究价值
• 1.2 选题范围
• 1.3 论文内容安排
• 2 文献综述
• 2.1 浮动车技术概述
• 2.1.1 什么是浮动车
• 2.1.2 浮动车信息系统
• 2.2 交通异常事件检测
• 2.2.1 交通异常事件概念
• 2.2.2 交通异常事件检测的基本原理
• 2.3 典型算法介绍
• 2.3.1 California算法
• 2.3.2 McMaster算法
• 2.3.3 变点统计分析方法
• 2.3.4 基于Logit模型的检测算法
• 2.3.5 基于浮动车的检测算法
• 2.3.6 偏差分析法
• 2.3.7 其他算法
• 2.4 本章小结
• 3 模型构建
• 3.1 模型选取
• 3.1.1 输入参数选择
• 3.1.2 模型对比
• 3.2 基于改进型ARIMA模型的车速预测
• 3.2.1 预测算法比较
• 3.2.2 传统的ARIMA模型
• 3.2.3 改进型ARIMA算法及其公式推导
• 3.3 预测偏差分析模型
• 3.3.1 基本原理
• 85和阈值K的确定'>3.3.2 D₈₅和阈值K的确定
• 3.4 交通异常事件检测综合模型
• 3.5 本章小结
• 4 数据分析
• 4.1 数据来源
• 4.1.1 实际采集数据
• 4.1.2 Flowsim仿真数据
• 4.2 交通状况正常时的模型分析
• 4.2.1 车速预测样本间隔分析
• 4.2.2 预测误差分析
• 4.2.3 正常情况下的偏差分析
• 4.3 道路上有异常事件发生时的模型分析
• 4.3.1 有异常情况下的车速预测分析
• 4.3.2 预测偏差异常分析
• 4.4 模型评价
• 4.4.1 评价指标和方法
• 4.4.2 模型对比评价
• 4.5 本章小结
• 5 结束语
• 5.1 工作总结
• 5.2 不足和展望
• 参考文献
• 作者简历
• 学位论文数据集