基于熵和流体力学的城市主干道交通状态判别方法研究

基于熵和流体力学的城市主干道交通状态判别方法研究

论文摘要

随着汽车保有量的迅速增加,道路交通运行效率受到了严重地影响。因此,研究道路交通状态判别算法,及时准确的判别交通状态,具有重要的理论指导意义与实际应用价值。本文以非平衡态热力学和流体力学为理论基础,从热力学中选取适当的熵模型,并结合道路交通系统自身的特性,在交通流理论中选择关键的、能够与所选取的热力学熵模型参数相对应的参数,建立了道路交通系统熵模型和基于熵模型的状态判别算法。论文选用非平衡态热力学熵及流体力学原理对道路系统进行关联性分析。对于交通系统这样一个复杂的开放系统,其与热力学系统具有相似之处,具备非平衡态热力学系统的相关特征,可遵循热力学的基本规律,引入热力学熵来描述道路交通系统。利用道路中交通流与流体的相似性,建立交通流与流体概念体系的比照关系,进而运用流体力学中质量守恒定理、牛顿第二定律等原理,针对道路车流进行分析,导出道路交通压力的表达式。将热力学熵的基本理论引入到交通流研究中,提出道路交通系统熵及耗散结构特征描述方法,道路交通系统熵值越小,意味着系统混乱度越小;熵值越大,系统混乱度越大。在提出流体力学道路交通压力的概念基础上,选取适当的熵模型和关键的交通状态参数,运用非平衡态热力学的理论方法建立道路交通系统熵模型和负熵流模型。由熵模型计算得出道路交通状态熵值和熵产生,用量化的状态熵的数值表示交通拥挤度;建立基于熵模型的有效的状态判别算法,从而实现对道路交通系统状态的判别,而负熵流模型则能确定道路拥堵时应该采取的交通管理量化程度以及最佳管理时段。论文以哈尔滨市某一城市主干道作为研究对象,采集不同交通状态下的交通流特征参数,运用交通系统熵模型对交通状态进行判别。对路段采集的交通信息不包含偶发性拥挤状态,为了更全面的验证判别算法,选取哈尔滨市某一交叉口模拟偶发性拥挤发生状态,利用计算得到的判别结果与道路实际交通状态进行回归分析,验证判别算法的有效性并提出改进方法。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 研究目的与意义
  • 1.2 国内外研究现状
  • 1.2.1 国外研究现状及发展趋势
  • 1.2.2 国内研究现状及发展趋势
  • 1.3 研究的主要内容
  • 1.4 研究方法与技术路线
  • 1.4.1 研究方法
  • 1.4.2 技术路线
  • 2 道路交通熵及耗散结构理论
  • 2.1 熵的概念、作用及性质
  • 2.1.1 熵概念的提出
  • 2.1.2 熵的性质
  • 2.1.3 熵的作用
  • 2.2 热力学熵基本原理
  • 2.2.1 熵增加原理
  • 2.2.2 最小熵产生原理
  • 2.2.3 耗散结构理论
  • 2.3 道路交通系统熵及耗散结构
  • 2.3.1 道路交通系统
  • 2.3.2 交通系统熵的存在
  • 2.3.3 交通系统熵增效应
  • 2.3.4 交通系统耗散结构特征
  • 2.4 小结
  • 3 基于流体力学的道路交通系统分析
  • 3.1 基本假设
  • 3.1.1 连续性假设
  • 3.1.2 可压缩性假设
  • 3.1.3 粘滞性假设
  • 3.2 交通流与流体比照
  • 3.2.1 基本参数比照
  • 3.2.2 压力比照
  • 3.2.3 粘滞比照
  • 3.3 交通流流体力学方程的建立
  • 3.3.1 交通流模型
  • 3.3.2 流体力学连续性方程推导
  • 3.3.3 交通流连续方程的建立
  • 3.3.4 交通压力的建立
  • 3.4 小结
  • 4 基于熵模型的交通状态判别算法
  • 4.1 熵产生模型的建立
  • 4.1.1 熵产生模型构造方法
  • 4.1.2 广义力与广义流的确定
  • 4.1.3 熵产生模型的建立
  • 4.2 熵值及负熵流模型的建立
  • 4.2.1 熵值模型的建立
  • 4.2.2 负熵流模型的建立
  • 4.2.3 道路交通系统总熵
  • 4.3 交通状态判别熵模型的建立
  • 4.3.1 状态判别熵模型的建立
  • 4.3.2 阈值的确定
  • 4.3.3 交通状态判别流程
  • 4.4 小结
  • 5 交通状态判别算法的数值模拟与修正
  • 5.1 基础数据获取
  • 5.1.1 调查方法
  • 5.1.2 实测样本量的确定
  • 5.1.3 调查结果分析
  • 5.1.4 数据处理
  • 5.2 交通状态判别熵模型数值模拟
  • 5.2.1 状态评价标准
  • 5.2.2 数值模拟
  • 5.2.3 模拟结果分析
  • 5.3 状态判别算法修正
  • 5.3.1 算法数值验证
  • 5.3.2 算法修正
  • 5.4 小结
  • 结论
  • 参考文献
  • 附录
  • 攻读学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于交叉验证支持向量机算法的交通状态判别研究[J]. 青岛科技大学学报(自然科学版) 2017(01)
    • [2].考虑临近时空序列影响的城市交通状态判别方法[J]. 福州大学学报(自然科学版) 2019(06)
    • [3].随机森林算法在交通状态判别中的应用[J]. 实验技术与管理 2017(04)
    • [4].基于卡口系统车牌识别数据的交通状态判别方法[J]. 青岛理工大学学报 2017(02)
    • [5].多源数据的交通状态判别及新增车辆拥堵预测[J]. 信息通信 2020(10)
    • [6].城市交通状态判别方法的研究[J]. 青岛大学学报(工程技术版) 2012(03)
    • [7].城市出入口立交道路交通参数采集与通行状态判别技术研究[J]. 公路交通技术 2018(06)
    • [8].交通子区的状态判别方法研究[J]. 价值工程 2010(26)
    • [9].适于动态导航系统的城市道路交通状态判别[J]. 交通信息与安全 2009(02)
    • [10].基于熵理论的城市主-支路交汇处交通状态判别[J]. 长春师范大学学报 2015(02)
    • [11].基于代价敏感神经网络的交通状态判别[J]. 公路交通科技(应用技术版) 2011(03)
    • [12].基于机动车音频信号的交通状态判别研究[J]. 中国公共安全(学术版) 2017(03)
    • [13].驾驶人分心状态判别支持向量机模型优化算法[J]. 交通运输系统工程与信息 2018(01)
    • [14].基于交通信息提取的区域交通状态判别方法[J]. 三峡大学学报(自然科学版) 2009(01)
    • [15].基于模糊C均值聚类的交通状态判别研究[J]. 铁路计算机应用 2013(04)
    • [16].城市道路拥挤状态判别文献研究[J]. 汽车与安全 2015(08)
    • [17].基于最大熵的磨削状态判别方法[J]. 精密制造与自动化 2008(04)
    • [18].单向非机动道路内混合自行车交通状态判别[J]. 现代交通技术 2020(04)
    • [19].基于强空间集成的交通状态判别方法[J]. 计算机工程 2017(11)
    • [20].基于模糊综合评价的城市快速路交通状态判别研究[J]. 山东科学 2017(05)
    • [21].基于支持向量机的人体生理状态判别方法研究[J]. 计算机科学 2015(10)
    • [22].基于自适应神经模糊推理的交通状态判别方法[J]. 西部交通科技 2010(05)
    • [23].基于SFLA-FCM聚类的城市交通状态判别研究[J]. 计算机应用研究 2010(05)
    • [24].基于模糊的城市快速路交通流状态判别[J]. 公路工程 2008(02)
    • [25].基于切削声发射信号测量的刀具磨损状态判别[J]. 计量学报 2015(03)
    • [26].基于投影寻踪动态聚类的快速路交通状态判别[J]. 西南交通大学学报 2015(06)
    • [27].基于感应线圈数据的城市道路交通状态判别方法[J]. 吉林大学学报(工学版) 2008(S1)
    • [28].基于RFID技术的城市道路交通状态判别研究[J]. 电子设计工程 2019(17)
    • [29].基于BP神经网络的道路交通状态判别方法研究[J]. 交通信息与安全 2011(04)
    • [30].结合灰聚簇与Fisher变换的城市快速路交通状态判别[J]. 哈尔滨工业大学学报 2019(09)

    标签:;  ;  ;  ;  

    基于熵和流体力学的城市主干道交通状态判别方法研究
    下载Doc文档

    猜你喜欢