【摘要】：隨著我國經(jīng)濟、社會的迅速發(fā)展、居民收入的提高、城市化進(jìn)程的加快,城市交通擁堵日益嚴(yán)重。交通擁堵使居民出行的經(jīng)濟和時間成本增加,不確定因素增多,駕駛體驗降低,油氣資源大量浪費,局部環(huán)境污染問題加劇等等。交通系統(tǒng)是以人類活動為中心的復(fù)雜系統(tǒng),它既受到內(nèi)在的交通流分布、交通參數(shù)動態(tài)關(guān)系的影響,又受到外在的政策、出行需求、天氣等廣泛因素的影響；既受制于路況等客觀因素,又受制于出行需求、駕駛習(xí)慣等主觀行為；既包括流量、密度、速度等可觀量,又包括出行路徑選擇、車型動態(tài)組合等難以精確測算的不可知因素。交通系統(tǒng)是非線性系統(tǒng),一個細(xì)微的參數(shù)波動都可能帶來“蝴蝶效應(yīng)”,具有強不確定性。因此,許多現(xiàn)象無法用確定性分析方法來研究,而應(yīng)該引入不確定分析方法。它又是一個動態(tài)開放系統(tǒng),與模型無法完全覆蓋的外部世界聯(lián)系緊密,存在系統(tǒng)局部之間、內(nèi)部與外部之間的關(guān)聯(lián)互動,離線、固化、基于特定模式的方法不能適應(yīng)交通運行的快速變化,需要選用更具魯棒性的在線分析算法。根據(jù)工況變化,不斷刷新模型及參數(shù),傳統(tǒng)仿真框架的封閉性并不適合對在線分析算法的研究。針對交通系統(tǒng)的上述特點,本文將不確定性處理技術(shù)和軌跡信息挖掘的在線分析技術(shù)融入交通擁堵時空分布特征的分析研究。并在此基礎(chǔ)上構(gòu)建在線緩堵控制框架,通過融合數(shù)理統(tǒng)計與模型仿真方法,開辟解決城市交通緩堵這一難題的新途徑。為了支撐上述研究,本文自主構(gòu)建了開放架構(gòu)的全新交通仿真平臺,以適應(yīng)計及不確定因素的交通仿真分析及模型的擴展需求。為此,開展了如下具體的研究工作：1. 構(gòu)建了交通參數(shù)時間響應(yīng)軌跡的多尺度分析方法：針對非平穩(wěn)交通流參數(shù)影響相關(guān)性分析、制約預(yù)測精度提高的問題,提出了2個將交通參數(shù)信號分解為趨勢和細(xì)節(jié)分量的方法,用于在不同的場景下解決上述問題：一是利用小波分解法將單個交通參數(shù)信號分解為趨勢和細(xì)節(jié)分量,二是利用多項式擬合及其智能分段算法實現(xiàn)多個關(guān)聯(lián)交通信號的逐段分解。上述方法提高了信號平穩(wěn)性,避免特定時間尺度的信號受其它尺度的干擾,實現(xiàn)交通信號的在線多尺度分析。2.構(gòu)建了計及不確定性因素的在線預(yù)測算法：借助平穩(wěn)的趨勢分量并在其上應(yīng)用ARMA算法實現(xiàn)單個典型趨勢的預(yù)測,在此基礎(chǔ)上考慮不確定因素影響,采用蒙特卡羅方法抽取趨勢不穩(wěn)定段上、下探細(xì)節(jié)波的隨機組合,構(gòu)建包含多條預(yù)測線的可能趨勢集,形成預(yù)測值區(qū)間,并與實測值和確定性趨勢預(yù)測方法比較,驗證了方法的有效性。3. 構(gòu)建了計及時間、空間相關(guān)性及不確定性的擁堵判別指標(biāo)及方法：基于交通參數(shù)軌跡構(gòu)建了擁堵判別指標(biāo),和可應(yīng)用于概率預(yù)測結(jié)果的擁堵概率判別指標(biāo)；闡述了交通流在網(wǎng)絡(luò)擁堵中的時空分布特性,并建立了擴展相關(guān)性指標(biāo)及算法,使交通流的時空相關(guān)性可被詳細(xì)分析,提出考慮相關(guān)性的擁堵判別方法,可用于相鄰道路的在線擁堵預(yù)警；提出了區(qū)域相關(guān)性集聚度指標(biāo)及擁堵關(guān)聯(lián)區(qū)域判別方法,將目標(biāo)路網(wǎng)分割為少數(shù)幾個交通狀態(tài)相對獨立的區(qū)域,實現(xiàn)具有參數(shù)相關(guān)性的路段或區(qū)域的聚類,有利于縮小復(fù)雜路網(wǎng)交通控制研究的問題規(guī)模。4. 構(gòu)建了動態(tài)交通分配模型的在線參數(shù)估計方法：在根據(jù)區(qū)域相關(guān)性集聚度劃分的多個網(wǎng)絡(luò)分區(qū)上,建立了用于動態(tài)交通分配模型參數(shù)估計的迭代搜索算法,通過動態(tài)0-D參數(shù)的攝動逐步降低各區(qū)主導(dǎo)道路的仿真與實測結(jié)果的誤差,產(chǎn)生與交通規(guī)律相符合的動態(tài)交通分配模型。5. 提出了計及參數(shù)預(yù)測不確定性的緩堵誘導(dǎo)優(yōu)化策略的生成框架：建立了系統(tǒng)最優(yōu)的誘導(dǎo)優(yōu)化目標(biāo)和開環(huán)交通仿真模型,以概率預(yù)測數(shù)據(jù)作為邊界條件,來約束仿真參數(shù)的動態(tài)變化；基于目標(biāo)函數(shù)變化量關(guān)于誘導(dǎo)策略攝動量的靈敏度構(gòu)建了緩堵誘導(dǎo)措施的智能優(yōu)化算法,在道路速度預(yù)測值區(qū)間內(nèi)攝動未來路況的誘導(dǎo)值,并推導(dǎo)出道路速度的變化量,利用擁堵概率閾值作為優(yōu)化約束條件篩選出可行解。算例表明,基于該算法自動搜索到的結(jié)果與實際緩堵經(jīng)驗相吻合。6. 構(gòu)建了滿足動態(tài)性、交互性、開放性和可擴展性要求的交通擁堵動態(tài)仿真平臺：將圍繞交通擁堵的分析、判別、預(yù)測、誘導(dǎo)控制優(yōu)化等技術(shù)通過先進(jìn)軟件技術(shù)整合為一體,設(shè)計仿真組件,實現(xiàn)對道路交通擁堵與誘導(dǎo)的仿真模擬；并集成GIS及數(shù)據(jù)庫系統(tǒng),成功實現(xiàn)交通類采集、分析、決策支持?jǐn)?shù)據(jù)的存儲、挖掘、仿真計算和直觀顯示功能。上述工作選取有價值的突破點,打通了城市道路交通擁堵研究中理論分析、算法構(gòu)建、控制優(yōu)化、平臺應(yīng)用等4個關(guān)鍵步驟,完成了擁堵機理分析、狀態(tài)判別、預(yù)測預(yù)警以及較有發(fā)展?jié)摿Φ慕煌ㄕT導(dǎo)優(yōu)化,并運用先進(jìn)IT技術(shù)為上述成果應(yīng)用于工程搭建了仿真平臺,為后續(xù)更深入的研發(fā)應(yīng)用奠定了堅實基礎(chǔ)。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：U491.265

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐惠娟,石海;一種自動道路交通參數(shù)采集處理系統(tǒng)[J];上海大學(xué)學(xué)報(自然科學(xué)版);1997年03期

2 徐東偉;董宏輝;李海艦;賈利民;;基于壓縮感知的道路交通參數(shù)修復(fù)方法研究[J];交通運輸系統(tǒng)工程與信息;2013年06期

3 徐建閩,盧凱,韋文斌;公路交通參數(shù)檢測器的設(shè)計[J];公路;2003年05期

4 吳浩勇,叢玉良,王宏志;基于神經(jīng)網(wǎng)絡(luò)的交通參數(shù)預(yù)測方法[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2005年06期

5 陳陽,周明全,耿國華;基于卡爾曼濾波的交通參數(shù)采集系統(tǒng)[J];微機發(fā)展;2004年12期

6 楊建平;劉秉瀚;;基于視頻的交通參數(shù)的自動提取[J];福州大學(xué)學(xué)報(自然科學(xué)版);2007年06期

7 方江波;徐建閩;卞建勇;;基于TDS642EVM的交通參數(shù)檢測[J];交通信息與安全;2009年03期

8 馮金巧;楊兆升;孫占全;張立東;劉威;;基于小波分析的交通參數(shù)組合預(yù)測方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年05期

9 荊便順;識別路段交通平均速度的一種相關(guān)分析法[J];中國公路學(xué)報;1995年S1期

10 靳戰(zhàn)峰;李江;孫立軍;;穩(wěn)定性交通參數(shù)檢驗方法研究[J];公路工程;2009年01期

相關(guān)會議論文 前1條

1 鄒嬌;高萬寶;夏嵩洋;;基于視頻的交通LOS感知聚類分析方法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)博士學(xué)位論文 前2條

1 張婧;城市道路交通擁堵判別、疏導(dǎo)與仿真[D];東南大學(xué);2016年

2 楊慶芳;先進(jìn)的交通管理系統(tǒng)關(guān)鍵理論與方法研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 張媛;基于交通波檢測的交通參數(shù)獲取研究[D];北京工業(yè)大學(xué);2015年

2 王秋蘭;短時交通參數(shù)多步預(yù)測方法研究[D];吉林大學(xué);2012年

3 高江杰;基于人工標(biāo)定的智能交通參數(shù)算法評估[D];北京工業(yè)大學(xué);2014年

4 曹鳳萍;城市道路交通參數(shù)短時多步預(yù)測方法研究[D];吉林大學(xué);2008年

5 Q，

本文編號：2539008