交通信号控制系统预测框架的研究

交通信号控制系统预测框架的研究

论文摘要

交通流预测是交通控制的重要基础,能够为先进交通信息系统和先进交通管理系统提供实时有效的交通信息,以达到缓解交通压力、减少污染、节约能源的目的。本文以交通信号控制系统预测框架的研究为题,在介绍城市道路交通信号控制系统的基础上,分析了控制系统的预测框架体系,并对其中若干关键参数进行了探讨和研究。针对区域控制,提出了基于模型预测控制的车辆转向比率预测模型,并利用该模型在区域路网上识别有向交通流,以期望能够通过分析区域路网中的交通流关系,为区域控制提供全新的控制方法。本文首先介绍了交通流预测框架体系,对框架的各层概念以及各层间的关系进行了描述,并分析了各个控制子层的主要工作及控制对象。然后,详细介绍了预测框架体系中涉及到的若干交通参数,包括交通流量、车辆旅行时间、车辆转向比率、干线车队识别等。在总结了国内外各种交通流参数预测方法的基础上,分析了车辆转向比率预测的重要意义并提出了一个新的预测模型。该模型根据复杂交通系统的非线性、时变性和随机干扰因素等特点,以神经网络为预测模型,并通过模型预测控制对预测结果进行优化,充分利用了模型预测控制的多步预测、滚动优化和反馈校正的优势,取得了不错的预测效果。在此基础上,本文提出了针对城市区域路网的有向交通流的识别模型。模型首先将区域路网抽象成有向图,利用车辆转向比率预测模型,分析出区域路网上交通流的转向情况,并根据区域路网的交通流量,分析出区域路网上的有向交通流,从区域内交通流关系的角度为实时的区域控制提供有力支持。

论文目录

  • 摘要
  • 英文摘要
  • 1 绪论
  • 1.1 研究背景及意义
  • 1.2 研究现状
  • 1.3 本文的主要内容
  • 1.4 本文的组织结构
  • 2 交通流预测框架体系的研究
  • 2.1 城市交通信号控制系统的研究
  • 2.2 交通流预测框架的分析
  • 2.2.1 交叉口控制层
  • 2.2.2 网络流控制层
  • 2.2.3 网络负载层
  • 3 短时交通流预测研究
  • 3.1 交通流量的预测
  • 3.1.1 交通流量预测的国内外现状
  • 3.1.2 交通流量预测的基本理论
  • 3.2 车辆旅行时间的预测
  • 3.2.1 车辆旅行时间预测的国内外现状
  • 3.2.2 车辆旅行时间预测的基本理论
  • 3.3 车辆转向比率的预测
  • 3.3.1 车辆转向比率预测的研究意义
  • 3.3.2 车辆转向比率预测的国内外研究现状
  • 3.3.3 车辆转向比率预测的基本理论
  • 3.4 干线车队的实时识别
  • 3.4.1 干线车队识别的国内外现状
  • 3.4.2 干线车队识别的基本理论
  • 4 基于模型预测控制的车辆转向比率预测模型
  • 4.1 神经网络概述
  • 4.2 模型预测控制概述
  • 4.2.1 预测模型
  • 4.2.2 滚动优化
  • 4.2.3 反馈校正
  • 4.3 转向比率预测模型
  • 4.3.1 问题描述
  • 4.3.2 数据采集
  • 4.3.3 模型实现
  • 4.4 仿真实验
  • 5 城市路网有向交通流的识别
  • 5.1 有向交通流的国内外现状
  • 5.2 有向交通流的成因
  • 5.2.1 城市路网
  • 5.2.2 城市规划
  • 5.2.3 司机的驾驶行为
  • 5.3 有向交通流的识别模型
  • 5.4 仿真实验
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].智能网联车环境下异质交通流稳定性及安全性分析[J]. 北京交通大学学报 2020(01)
    • [2].新冠肺炎流行期间高速公路交通流恢复期预测研究[J]. 中国公路 2020(08)
    • [3].基于文献计量的动态交通流研究[J]. 重庆交通大学学报(自然科学版) 2020(08)
    • [4].研究降雨事件对交通流时空特性的影响[J]. 交通运输系统工程与信息 2020(04)
    • [5].一日内与逐日的双动态网络交通流演化[J]. 武汉理工大学学报(交通科学与工程版) 2020(04)
    • [6].智能网联车环境下异质交通流稳定性及安全性分析[J]. 电子制作 2020(21)
    • [7].基于现实与虚拟交互的交通流再现实验方法[J]. 同济大学学报(自然科学版) 2018(12)
    • [8].基于数据融合的交通流检测设施布点优化评价指标及应用研究[J]. 中国公共安全 2016(19)
    • [9].基于物联网的智能交通流探测技术研究[J]. 科技创新与应用 2016(34)
    • [10].弹性需求下的网络交通流逐日动态演化[J]. 物理学报 2017(06)
    • [11].动态占有率与交通流三参数之间的关系[J]. 住宅与房地产 2017(09)
    • [12].突变理论在交通流分析中的应用[J]. 自动化与仪器仪表 2017(07)
    • [13].基于虚拟变量回归分析无人驾驶汽车对交通流的影响[J]. 文山学院学报 2017(03)
    • [14].张量分解方法视角下研究交通流网络的时空特征[J]. 时代农机 2017(04)
    • [15].考虑延迟效应的交通流宏观流体力学模型[J]. 广西科学 2017(04)
    • [16].基于交通指数云图的宏观交通流分析方法综述[J]. 上海理工大学学报 2017(04)
    • [17].基于交通波模型的事故对连续交通流影响机理研究[J]. 建筑技术开发 2017(12)
    • [18].考虑车与车互联通讯技术的交通流跟驰模型[J]. 物理学报 2016(01)
    • [19].一种基于RFID技术的交通流检测方案[J]. 智能城市 2016(05)
    • [20].船舶交通流建模与仿真研究进展[J]. 水利水运工程学报 2014(06)
    • [21].路边停车对路段交通流延误影响研究[J]. 交通科技 2015(01)
    • [22].基于云模型的非机动车交通流速度仿真[J]. 公路交通科技 2015(11)
    • [23].节假日高速公路免费通行条件下交通流组织研究[J]. 经济与社会发展研究 2014(06)
    • [24].复杂交通流条件下自适应信号控制系统协调优化方法的研究[J]. 公路 2020(08)
    • [25].基于常微分方程的城市密集交通流疏导模型[J]. 计算机仿真 2020(08)
    • [26].港内交通流影响因素与优化建议[J]. 中国水运(下半月) 2019(06)
    • [27].交通流网络的时空特征解析——基于张量分解方法视角[J]. 地理科学 2016(11)
    • [28].基于元胞自动机的高速公路隧道群交通流建模与仿真[J]. 筑路机械与施工机械化 2016(11)
    • [29].基于超级网络的空铁联合交通流分布模型[J]. 武汉理工大学学报(交通科学与工程版) 2017(05)
    • [30].考虑拥挤交通流再分配的单点自组织信号控制方法[J]. 交通科技与经济 2016(05)

    标签:;  ;  ;  ;  

    交通信号控制系统预测框架的研究
    下载Doc文档

    猜你喜欢