城市道路行程时间预测研究

论文摘要

智能交通系统(ITS)重要作用之一,就是交通流诱导。首先要利用检测到的交通数据,对未来的交通状态进行预测,以便能够最大地利用道路交通资源,减少出行时间,减少交通拥挤和减少交通事故。交通流诱导是目前公认的提高交通效率和机动性的最佳途径,其目标是在交通网络中为行人提供最优的旅行路径。近年来,道路行程时间预测成为智能交通系统的热点研究领域。准确实时的行程时间预测是实现交通控制与管理、交通诱导的前提,是使智能交通系统从“被动式反应”转变到“主动式动作”的关键因素。行程时间预测是道路交通控制系统和交通流诱导系统等领域需要解决的首要问题之一。通过研究交通流预测的理论和方法,从而比较准确地预测的道路行程时间,对于缓解城市交通拥堵、避免社会资源浪费有着重要的实际意义和应用价值。本文首先介绍了利用现代化的交通信息采集技术获得基本交通信息数据的各种技术。并且提出了交通信息数据筛选的方法,以降低交通信息数据的离散性。交通参数与路段下一时段的行程时间之间的关系是非常复杂的。本文以城市道路网络中典型的路段和信号控制交叉口为研究对象。考虑路段和信号控制交叉路口过去若干时刻的交通流量,通过对信号交叉口以及路段交通流特性分析,重新建立和标定了信号交叉口延误计算模型和路段行程时间计算模型。通过分析城市道路交通流样本数据的特点分析,建立了时间序列法中ARMA方法进行交通流的预测的模型。通过实例计算和分析,结果表明该预测方法具有较好的预测效果。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 城市道路行程时间预测问题的提出
• 1.1.2 研究意义
• 1.2 行程时间预测的研究概况
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 论文主要技术路线和研究思路
• 1.3.1 技术路线
• 1.3.2 研究思路
• 1.4 本文的组织结构
• 第2章 交通信息采集技术及数据处理方法
• 2.1 动态交通信息采集技术
• 2.1.1 动态交通信息定义
• 2.1.2 动态交通信息分类以及内容
• 2.2 相关动态交通数据采集技术
• 2.2.1 行程时间的采集技术
• 2.2.2 交通流量、速度和车道占有率的采集技术
• 2.2.3 车辆定位采集技术
• 2.2.4 自动车辆识别技术
• 2.3 数据处理研究
• 2.3.1 统计时间间隔
• 2.3.2 数据筛选
• 2.4 本章小结
• 第3章 城市道路交通流特性分析
• 3.1 道路信号交叉口交通流特性
• 3.1.1 信号损失时间与有效绿灯时间
• 3.1.2 车头时距分布特性
• 3.1.3 信号交叉口车辆离去特性
• 3.1.4 道路信号控制交叉口通行能力
• 3.2 路段交通流特性
• 3.2.1 交通流统计分布特性
• 3.2.2 交通流参数特性
• 3.2.3 路段交通流动态性与周期性
• 3.3 本章小结
• 第4章 车辆行程时间计算
• 4.1 信号交叉口延误时间计算
• 4.1.1 道路信号交叉口交通延误计算模型
• 4.1.2 现有模型计算实例
• 4.1.3 道路交叉口延误模型改进
• 4.2 道路路段车辆行驶速度计算
• 4.2.1 BPR函数模型及其变式
• 4.2.2 BPR函数模型改进
• 4.2.3 模型标定及模型对比
• 4.3 本章小结
• 第5章 交通流预测方法
• 5.1 车辆行程时间预测方法概述
• 5.1.1 时间序列方法
• 5.1.2 卡尔曼滤波
• 5.1.3 非参数回归模型
• 5.1.4 神经网络
• 5.2 时间序列建模
• 5.2.1 ARMA模型
• 5.2.2 ARMA模型统计量
• 5.3 ARMA模型应用实例
• 5.3.1 数据检验
• 5.3.2 模型分析
• 5.3.3 结果输出
• 5.4 本章小结
• 第6章 道路行程时间预测实例
• 6.1 道路交叉口交通流预测
• 6.2 道路预测行程时间
• 6.2.1 道路信号交叉口预测延误时间
• 6.2.2 道路路段预测行程时间
• 6.3 本章小结
• 总结与展望
• 参考文献
• 致谢