本文選題：城市道路　切入點：行程時間預測　出處：《西南交通大學》2016年碩士論文　論文類型：學位論文

【摘要】：隨著城市中汽車保有量的快速增加和城市居民出行的頻繁發(fā)生,城市交通在其經(jīng)濟發(fā)展中發(fā)揮的作用越來越明顯,與之對應的是環(huán)境污染加劇,交通擁堵、交通事故頻發(fā)。智能交通系統(tǒng)(ITS)被公認為處理交通問題的最有效方法,行程時間研究就是其中的關(guān)鍵問題,要想對城市交通進行有效的控制和誘導,行程時間是必不可少的因素,同時為了降低滯后性對交通管理和誘導的影響,行程時間預測研究一直被廣大學者不斷探索。研究城市道路行程時間預測的相關(guān)理論和方法,可以有效的緩解城市交通擁擠,加快城市現(xiàn)代化建設(shè),對城市社會經(jīng)濟的發(fā)展具有不可替代的意義。為了開發(fā)一種簡單實用的道路行程時間預測方法,論文首先系統(tǒng)的分析、總結(jié)了交通數(shù)據(jù)獲取技術(shù)的相關(guān)理論,然后以包含交叉口的城市道路為研究對象,提出了行程時問估計模型、預測模型和預測時間融合模型。論文基本思路是：運用改進型的HCM2010建立了道路行程時間估計模型,并通過歷史趨勢模型和卡爾曼濾波分別建立了城市道路行程時間預測模型,由于各預測模型本身都具有其局限性,再加上單源交通數(shù)據(jù)會因為檢測器本身精度原因影響預測值,論文最后根據(jù)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了行程時間預測值的融合模型；其中,三個道路行程時間估計和預測模型的輸出量——行程時間值都作為融合模型的輸入變量,最終輸出一個融合后的行程時間預測值。論文最后根據(jù)成都市某路段的道路實際參數(shù)和交通流數(shù)據(jù),運用交通仿真軟件VISSIM4.3對該路段進行仿真,得到相關(guān)交通數(shù)據(jù),帶入神經(jīng)網(wǎng)絡(luò)構(gòu)建的融合模型中,得出城市道路行程時間預測值,然后與仿真行程時間進行比較。結(jié)果表明,融合模型得出的道路行程時間預測值誤差絕大部分都在10%以內(nèi),比單預測模型精度高,融合模型有效性較好。
[Abstract]:With the rapid increase of vehicle ownership and frequent travel of urban residents, urban traffic plays a more and more important role in its economic development, corresponding to the intensification of environmental pollution and traffic congestion. Intelligent Transportation system (its) is recognized as the most effective way to deal with traffic problems. The study of travel time is one of the key problems. In order to effectively control and guide urban traffic, Travel time is an essential factor, and in order to reduce the impact of lag on traffic management and guidance, the study of travel time prediction has been continuously explored by the majority of scholars. It can effectively alleviate urban traffic congestion, speed up the construction of urban modernization, and has irreplaceable significance for the development of urban social economy. In order to develop a simple and practical method of road travel time prediction, this paper first systematically analyzes, This paper summarizes the relevant theories of traffic data acquisition technology, and then takes the urban roads with intersections as the research object, and puts forward the travel time estimation model. The basic idea of this paper is to use the improved HCM2010 to establish the road travel time estimation model, and to establish the urban road travel time prediction model by using the historical trend model and Kalman filter, respectively. Because each prediction model has its own limitations, and the single source traffic data will affect the prediction value because of the accuracy of the detector itself, the fusion model of the travel time prediction value is constructed according to the neural network model. The output of the three road travel time estimation and prediction models-stroke time values are all taken as the input variables of the fusion model. Finally, a fused travel time prediction value is outputted. Finally, according to the actual road parameters and traffic flow data of a section of Chengdu, the traffic simulation software VISSIM4.3 is used to simulate the road section and obtain the relevant traffic data. In the fusion model constructed by neural network, the prediction value of urban road travel time is obtained, and then compared with the simulation travel time. The results show that the error of road travel time prediction obtained by the fusion model is mostly within 10%. The accuracy of the fusion model is higher than that of the single prediction model, and the validity of the fusion model is better.
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491

【相似文獻】

相關(guān)期刊論文 前10條

1 王羅;李炳林;;行程時間可靠性研究[J];甘肅科技;2008年11期

2 陳琨;于雷;;基于對數(shù)正態(tài)和分布的路徑行程時間可靠性模型[J];北京交通大學學報;2009年03期

3 張勇;王世明;楊曉光;;信號控制道路行程時間可靠度計算與實證[J];同濟大學學報(自然科學版);2009年06期

4 高林杰;雋志才;張偉華;;基于微觀仿真的路段行程時間預測方法[J];武漢理工大學學報(交通科學與工程版);2009年03期

5 陳國俊;楊曉光;劉好德;安健;;基于動態(tài)百分位行程時間的公交到站時間預測模型[J];公路交通科技;2009年S1期

6 張君超;;路徑行程時間可靠性研究[J];西華大學學報(自然科學版);2010年03期

7 李曉莉;石建軍;;行程時間異常值處理方法研究[J];武漢理工大學學報(交通科學與工程版);2012年01期

8 葉佳緣;楊賽霓;劉浩;;降雨對高速公路小型車行程時間的影響[J];公路交通科技;2012年11期

9 張璽;劉海旭;蒲云;;隨機供給下的行程時間動態(tài)可靠性[J];系統(tǒng)工程;2013年03期

10 楊兆升;莫祥倫;于堯;張彪;;非常態(tài)下路段行程時間估計方法[J];吉林大學學報(工學版);2013年06期

相關(guān)會議論文 前10條

1 陳寧;;基于模糊C均值聚類的路段平均行程時間估計方法[A];第二十九屆中國控制會議論文集[C];2010年

2 江周;張存保;許志達;嚴鳳祥;;基于實時數(shù)據(jù)的城市道路行程時間預測方法和模型[A];第八屆中國智能交通年會論文集[C];2013年

3 楊兆升;董升;李善梅;劉雪杰;朱偉權(quán);;基于占有率數(shù)據(jù)的模式匹配行程時間預測模型研究[A];第二屆中國智能交通年會論文集[C];2006年

4 溫慧敏;劉雪杰;高永;李先;;路網(wǎng)行程時間穩(wěn)定性分布特征研究與實證分析[A];2008第四屆中國智能交通年會論文集[C];2008年

5 白世貞;丁旭;;動態(tài)行程時間車輛路徑規(guī)劃問題研究[A];第十三屆中國管理科學學術(shù)年會論文集[C];2011年

6 張宇;裴玉龍;;動態(tài)路段行程時間函數(shù)的確定及其與BPR函數(shù)的比較研究[A];第七次城市道路與交通工程學術(shù)會議論文集[C];2002年

7 郭繼孚;溫慧敏;于雷;陳琨;高永;;基于出租車IC卡數(shù)據(jù)的北京路網(wǎng)可靠性評價[A];第二屆中國智能交通年會論文集[C];2006年

8 龔珊;尹相勇;朱愛華;;基于浮動車的路段行程時間卡爾曼濾波預測算法[A];2008第四屆中國智能交通年會論文集[C];2008年

9 周里捷;林正;馬云;熊桂喜;;BRT乘客信息服務的研究與實現(xiàn)[A];2008第四屆中國智能交通年會論文集[C];2008年

10 保麗霞;金森元;顧應欣;;智能交通集成控制中的信息協(xié)同分析與處理[A];2007年中國智能自動化會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 羅永生 段國忠 史京利;暢通主動脈 美化旅游路[N];石家莊日報;2014年

相關(guān)博士學位論文 前10條

1 杜軼群;移動交通管理集成技術(shù)與方法研究[D];長安大學;2015年

2 楊震;城市干線公交通行保障技術(shù)研究[D];東南大學;2015年

3 李小靜;基于行程時間可靠性的城市交通網(wǎng)絡(luò)分析[D];蘭州交通大學;2015年

4 熊志華;道路網(wǎng)行程時間可靠性基礎(chǔ)理論與方法研究[D];北京交通大學;2006年

5 陳琨;基于移動源數(shù)據(jù)的城市路網(wǎng)行程時間可靠性評價模型與算法[D];北京交通大學;2008年

6 李繼偉;城市主次干路的路段行程時間估計與預測方法研究[D];吉林大學;2012年

7 冷軍強;冰雪條件下城市路網(wǎng)行程時間可靠性研究[D];哈爾濱工業(yè)大學;2010年

8 孟小前;基于行程時間實時預測的露天礦調(diào)度服務研究[D];中國礦業(yè)大學（北京）;2014年

9 郭洪洋;信息約束條件下的路網(wǎng)行程時間可靠性研究[D];西南交通大學;2014年

10 張瑋;基于GPS浮動車的路徑行程時間估計系統(tǒng)關(guān)鍵技術(shù)研究[D];吉林大學;2011年

相關(guān)碩士學位論文 前10條

1 姜乙甲;基于行程時間可靠性的北京中心城路網(wǎng)運行狀態(tài)評價[D];北京交通大學;2007年

2 武勇;基于時間分布的公交行程時間預測模型的研究[D];山東大學;2012年

3 劉克;高速公路的路段行程時間估計與預測方法研究[D];北京交通大學;2013年

4 張嵐嵐;高速公路行程時間可靠度計量方法研究[D];吉林大學;2015年

5 周建偉;高速公路路徑行程時間可靠性研究[D];華南理工大學;2015年

6 劉國盼;基于手機切換定位技術(shù)的干道行程時間分配方法研究[D];西南交通大學;2015年

7 錢振邦;基于軌道交通的多模式交通網(wǎng)絡(luò)換乘影響閾值研究[D];長安大學;2015年

8 程天琪;基于不同出行者預留時間的路網(wǎng)行程時間可靠性研究[D];哈爾濱工業(yè)大學;2015年

9 王浩淼;面向多源數(shù)據(jù)融合的高速公路檢測器布設(shè)方法研究[D];東南大學;2015年

10 李梁;基于車牌數(shù)據(jù)的城市道路行程時間可靠性研究[D];北方工業(yè)大學;2016年

，

本文編號：1569242