本文選題：RFID　切入點(diǎn)：相似性　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：RFID(Radio Frequency Identification)是自動識別技術(shù)的一種,通過無線射頻方式進(jìn)行非接觸雙向數(shù)據(jù)通信,對目標(biāo)加以識別并獲取相關(guān)的數(shù)據(jù)。RFID技術(shù)在交通上的應(yīng)用前景廣泛,很多生活小區(qū)、工作場所、停車場的出入口都設(shè)有RFID檢測器,路網(wǎng)上每個關(guān)鍵節(jié)點(diǎn)也都會安裝相應(yīng)的RFID檢測基站,RFID將會成為越發(fā)重要的交通信息采集源。出行者在每日的工作休閑娛樂中會形成一定的出行習(xí)慣和規(guī)律,通過RFID能夠得到每個駕駛員的歷史和實(shí)時出行信息,從而得到這些規(guī)律以便更好的探知交通流運(yùn)行狀況。首先對RFID數(shù)據(jù)進(jìn)行了預(yù)處理。在RFID數(shù)據(jù)的傳輸或存儲過程中出現(xiàn)故障會造成數(shù)據(jù)冗余、錯誤和缺失,對RFID原始數(shù)據(jù)進(jìn)行檢測和分析,并清洗數(shù)據(jù),可以極大的保證數(shù)據(jù)質(zhì)量。在數(shù)據(jù)清洗完成后,本文更進(jìn)一步對海量的RFID數(shù)據(jù)按時間匯集度進(jìn)行分割并按時間先后順序進(jìn)行存儲,同時也考慮了交通流在工作日與節(jié)假日和交通平高峰時段各自不同的變化規(guī)律,分開分類存儲,為交通流的分析和預(yù)測提供有力的數(shù)據(jù)保障。其次,基于數(shù)據(jù)的相似性對交通流進(jìn)行了預(yù)測。傳統(tǒng)的預(yù)測方法,極少考慮實(shí)時的交通流狀態(tài)和駕駛員的路徑選擇習(xí)慣,造成其預(yù)測結(jié)果往往偏離交通流的實(shí)際變化趨勢�；陬A(yù)處理后的RFID數(shù)據(jù),通過計(jì)算相似交通流狀態(tài)下的流量轉(zhuǎn)移率來預(yù)測路段交通流量,并進(jìn)行了實(shí)例驗(yàn)證。該方法兼顧實(shí)時交通流數(shù)據(jù)與歷史數(shù)據(jù),考慮到了駕駛員的歷史路徑選擇概率,與實(shí)際情況更相符,且能夠適應(yīng)一定的交通流波動情況,預(yù)測精度高,能夠滿足交通信息服務(wù)的要求�；赗FID技術(shù)獲取駕駛員出行鏈信息,并利用出行鏈預(yù)測交通流。通過路網(wǎng)中的RFID檢測基站就可以得到每輛車的歷史出行OD和實(shí)時出行OD,將車輛的歷史出行OD在Arc GIS上進(jìn)行疊加可以得到出行鏈信息,結(jié)合實(shí)時出行OD就可以通過動態(tài)交通分配來預(yù)測路網(wǎng)的交通流運(yùn)行狀況,最后利用中觀交通仿真軟件對模型進(jìn)行了驗(yàn)證分析,發(fā)現(xiàn)在對整個路網(wǎng)的交通流進(jìn)行預(yù)測時,該方法方便簡單,結(jié)果較為精確。
[Abstract]:RFID(Radio Frequency Identification is a kind of automatic identification technology. It uses wireless radio frequency mode to carry out contactless two-way data communication, identifies the target and acquires the relevant data. The entrance and exit of the parking lot are equipped with RFID detectors. Each key node on the road network will also install a corresponding RFID detection base station, which will become an increasingly important source of traffic information collection. Travelers will form certain travel habits and rules in their daily work, leisure and entertainment. Through RFID, you can get the history and real-time travel information of each driver. In order to obtain these rules in order to better understand the traffic flow status. First, the RFID data is preprocessed. Failure in the transmission or storage of RFID data will lead to data redundancy, errors and defects. The data quality can be greatly guaranteed by detecting and analyzing the RFID raw data and cleaning the data. After the data cleaning is completed, this paper further divides the massive RFID data according to the time collection degree and stores them in order of time. At the same time, it also takes into account the different changes of traffic flow during weekdays, holidays and traffic peak hours, and stores them separately in order to provide strong data protection for traffic flow analysis and prediction. Based on the similarity of the data, the traffic flow is forecasted. The traditional forecasting method seldom considers the real-time traffic flow state and the driver's route choice habit. The prediction results often deviate from the actual trend of traffic flow. Based on the pre-processed RFID data, the traffic flow is predicted by calculating the flow transfer rate in the similar traffic flow state. An example is given to verify that this method takes into account both real time traffic flow data and historical data, and takes into account the probability of driver's historical path selection, which is more consistent with the actual situation, and can adapt to certain traffic flow fluctuation, and has high prediction accuracy. Can meet the requirements of traffic information services. Based on RFID technology to obtain driver travel chain information, Using trip chain to predict traffic flow, the history travel OD and real time travel OD of each vehicle can be obtained by detecting the base station of RFID in the road network, and the travel chain information can be obtained by superposing the historical travel OD of the vehicle on the Arc GIS. Combined with real time travel OD, the traffic flow can be predicted by dynamic traffic assignment. Finally, the model is verified and analyzed by using the mesoscopic traffic simulation software, and it is found that when forecasting the traffic flow of the whole road network, the traffic flow of the whole road network can be predicted. The method is simple and convenient, and the result is accurate.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏冰,董菁,張佐;周相似特性下的交通流預(yù)測模型研究[J];公路交通科技;2003年02期

2 易濤,熊堅(jiān),萬華森;高速公路基本路段交通流微觀仿真建模與實(shí)現(xiàn)[J];昆明理工大學(xué)學(xué)報(理工版);2004年03期

3 庹滿先;彭光含;;考慮相對流量影響的交通流合作駕駛格子模型[J];四川大學(xué)學(xué)報(自然科學(xué)版);2012年04期

4 杉崎昭生;;海上船舶交通流模擬器[J];中國航海;1986年02期

5 洪濤;;從“交通流”的調(diào)查談公路建設(shè)[J];公路;1989年03期

6 袁秀湘;人工智能在交通流管理中的應(yīng)用[J];中南公路工程;2001年02期

7 熊烈強(qiáng),陳明昭,嚴(yán)新平;實(shí)際交通流的運(yùn)動微分方程[J];交通運(yùn)輸工程學(xué)報;2001年03期

8 俞禮軍,嚴(yán)海,嚴(yán)寶杰;最大熵原理在交通流統(tǒng)計(jì)分布模型中的應(yīng)用[J];交通運(yùn)輸工程學(xué)報;2001年03期

9 廣曉平,錢勇生,趙鵬;交通流中的回波及其傳播特征(英文)[J];蘭州鐵道學(xué)院學(xué)報;2001年01期

10 賀國光,馬壽峰,馮蔚東;對交通流分形問題的初步研究[J];中國公路學(xué)報;2002年04期

相關(guān)會議論文 前10條

1 董壘;鄭小平;;交通流中的力學(xué)模型模擬與仿真[A];北京力學(xué)會第15屆學(xué)術(shù)年會論文摘要集[C];2009年

2 王進(jìn);史其信;陸化普;;交通流可預(yù)測性分析[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊）[C];2005年

3 王正;;擁擠交通流非線性模型及仿真[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

4 溫偉剛;蔣海峰;魏學(xué)業(yè);;短期交通流的局部分形研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

5 余正;劉錦松;張志勇;;交通流問題數(shù)學(xué)模型的初級討論[A];魯冀晉瓊粵川六省金屬學(xué)會第十四屆礦山學(xué)術(shù)交流會論文集[C];2007年

6 鄭俊耀;余春艷;;數(shù)字荷爾蒙模型下的交通流誘導(dǎo)優(yōu)化算法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

7 崔洪軍;陸建;;大型活動交通流時空消散模型研究[A];第一屆中國智能交通年會論文集[C];2005年

8 廖大彬;馬萬經(jīng);;網(wǎng)絡(luò)交通流宏觀基本圖研究綜述[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

9 許巖巖;翟希;孔慶杰;劉允才;;基于分類回歸樹的交通流短時預(yù)測[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

10 魏超;陸Ym蕾;劉允才;;基于神經(jīng)網(wǎng)絡(luò)的交通流速度估計(jì)[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

相關(guān)重要報紙文章 前9條

1 記者 左燕東;全省旅游交通流預(yù)計(jì)呈現(xiàn)幾何劇增[N];山西日報;2014年

2 夏紅兵 沈后功;情況復(fù)雜多變化 科學(xué)組織交通流[N];揚(yáng)州日報;2006年

3 黃霖 丁胤福;打造暢通工程 建設(shè)國際化城市[N];法制日報;2003年

4 記者 郭世鋒;濟(jì)南“全運(yùn)交通圖”輪廓初現(xiàn)[N];濟(jì)南日報;2009年

5 深圳特區(qū)報記者 陳震;200萬輛是否已是承受上限？[N];深圳特區(qū)報;2012年

6 ;各大都市de汽車政策[N];江蘇經(jīng)濟(jì)報;2003年

7 本報記者 李林;鄭州地鐵2號線力爭不“添堵”[N];河南日報;2010年

8 新華;柏林道路疏堵：管理重于修路[N];中國交通報;2005年

9 本報記者;一項(xiàng)緩解交通擁堵的舉措[N];貴陽日報;2008年

相關(guān)博士學(xué)位論文 前6條

1 陳昕;基于協(xié)同學(xué)的城市交通控制與誘導(dǎo)系統(tǒng)協(xié)同的理論與方法研究[D];吉林大學(xué);2006年

2 宋學(xué)文;高速公路擴(kuò)建期交通流組織優(yōu)化研究[D];武漢理工大學(xué);2008年

3 孟夢;組合出行模式下城市交通流分配模型與算法[D];北京交通大學(xué);2013年

4 彭博;大范圍交通控制與交通流誘導(dǎo)協(xié)同關(guān)鍵技術(shù)研究[D];吉林大學(xué);2011年

5 孔祥杰;城市路網(wǎng)交通流協(xié)調(diào)控制技術(shù)研究[D];浙江大學(xué);2009年

6 劉玉印;出行者有限理性條件下的網(wǎng)絡(luò)均衡分析及其應(yīng)用研究[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 崔皓瑩;基于多品種流方法的城市擁堵路段分流研究[D];西南交通大學(xué);2015年

2 劉夢露;基于實(shí)時交通流的大窯灣港區(qū)干線協(xié)調(diào)控制研究[D];大連海事大學(xué);2015年

3 于新蓮;考慮有限理性的交通流Day-to-day動態(tài)演化研究[D];南京大學(xué);2014年

4 占怡瑩;基于綠波原理的路網(wǎng)協(xié)調(diào)控制技術(shù)[D];浙江工業(yè)大學(xué);2015年

5 孫莉;城市區(qū)域交通信號協(xié)同控制模型及方法[D];安徽師范大學(xué);2015年

6 江超陽;基于二型模糊集合理論的交通流長時預(yù)測方法研究[D];北京交通大學(xué);2016年

7 張百合;基于擁堵轉(zhuǎn)移矩陣的城市擁堵路段預(yù)測方法研究[D];東北大學(xué);2014年

8 劉昭;車載自組網(wǎng)中交通流擁塞建模理論與技術(shù)研究[D];吉林大學(xué);2016年

9 徐旺興;城市環(huán)路鄰近路口對環(huán)路入口交通流影響研究[D];福州大學(xué);2013年

10 趙彪;面向全路網(wǎng)交通流優(yōu)化的交通燈調(diào)度方法研究[D];華東師范大學(xué);2016年

，

本文編號：1682415