城市交通拥堵状态自动判别方法研究

论文摘要

本论文依托国家自然科学基金资助项目《城市交通若干问题研究》(10671045)和贵阳市科技局基金资助项目《贵阳市道路交通数据库建设和网络模型研究》,研究城市道路交通拥堵状态自动判别方法。通过对城市道路交通拥堵特性的分析,运用分类理论设计了一种用于城市道路的交通拥堵状态自动识别(ACI)算法,该法把交通拥堵是否发生看作一个特殊的分类问题,在不考虑路段受信号灯影响的情况下,把交通状态分成拥堵和畅通两种状态,将交通量、速度、占有率作为交通参数,通过学习在拥堵和畅通两种状态下的历史数据,生成贝叶斯分类器,然后用分类器对实时检测到的交通数据进行分类,从而判别路段交通状态。微观交通仿真数据的实验表明了该方法的可行性和有效性。针对训练集含有噪音样本的问题,若这些样本参与训练学习往往会弱化分类性能,本文提出了训练集增量优化算法,算法将原始训练集分成两个部分,首先以第一部分为基础,增量获取另一部分的较优子集,再以该子集为基础,增量获取第一部分的较优子集,此过程交替迭代、交互验证,最后得到原始训练集的最优子集。该方法不需要设定阈值,优化过程充分利用了样本信息。实验表明经优化训练集学习得到的分类器可以有效提高分类精度。本文最后对城市道路交通拥堵自动判别系统的总体框架及增量贝叶斯交通拥堵判别子系统进行了设计,给出了系统的设计流程。结合提出的增量型贝叶斯交通状态自动判别算法,对判别子系统的功能模块及数据库进行了设计。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.2 道路交通状态判别的研究现状
• 1.2.1 国外关于道路交通状态判别的研究
• 1.2.2 国内关于道路交通状态判别的研究
• 1.3 本文的研究内容及意义
• 1.3.1 研究内容
• 1.3.2 研究意义
• 1.4 课题来源
• 1.5 本文的组织
• 第二章 城市道路交通拥堵特征分析
• 2.1 城市道路交通拥挤的概念
• 2.2 城市道路交通拥挤的特征
• 2.3 城市道路交通拥挤的影响
• 2.4 解决道路交通拥挤的几个层次
• 第三章 城市道路交通拥堵状态判别信息需求分析
• 3.1 城市道路交通拥堵状态判别概述
• 3.2 道路交通拥堵状态判别的交通流参数
• 3.3 动态交通数据采集技术
• 3.4 交通量调查
• 3.4.1 交通量调查概述
• 3.4.2 交通量调查实例
• 3.5 交通流参数选择
• 3.6 几种交通拥堵状态自动判别算法
• 3.6.1 加州算法
• 3.6.2 标准偏差算法
• 3.6.3 双指数平滑算法
• 3.6.4 McMaster算法
• 3.6.5 人工神经网络方法
• 第四章 基于增量贝叶斯的城市道路交通拥堵判别方法
• 4.1 贝叶斯基础理论
• 4.1.1 条件概率和乘法定理
• 4.1.2 事件独立性
• 4.1.3 全概率公式和贝叶斯定理
• 4.1.4 极大后验假设和极大似然假设
• 4.2 贝叶斯分类模型
• 4.2.1 朴素贝叶斯分类模型
• 4.2.2 增量型贝叶斯分类模型
• 4.3 训练集优化算法
• 4.3.1 训练集优化算法基本思想
• 4.3.2 算法描述
• 4.3.3 算法性能分析
• 4.3.4 实验结果
• 4.4 增量贝叶斯交通拥堵判别算法
• 4.4.1 算法思想
• 4.4.2 属性选取
• 4.4.3 属性离散化
• 4.4.4 算法描述
• 4.4.5 算法验证
• 第五章 城市道路交通拥堵自动判别系统
• 5.1 系统总体设计
• 5.2 增量贝叶斯交通拥堵判别子系统设计
• 5.2.1 增量贝叶斯交通拥堵判别子系统功能设计
• 5.2.2 增量贝叶斯交通拥堵判别子系统数据库设计
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 主要参考文献
• 致谢
• 附录