本文選題：手機切換定位 + 行程時間估計�。� 參考：《東南大學(xué)》2015年碩士論文

【摘要】：交通檢測器的布設(shè)決定著路段行程時間估計及預(yù)測的精度,行程時間估計方法的改進也反作用于檢測器布設(shè)方法的研究與應(yīng)用。行程時間作為高速公路交通管理的關(guān)鍵參數(shù),可以為交通誘導(dǎo)方案的實施和出行信息的發(fā)布提供數(shù)據(jù)支持和決策參考。根據(jù)對現(xiàn)有研究文獻的總結(jié),面向數(shù)據(jù)融合研究高速公路檢測器布設(shè)方法,將手機定位交通信息提取作為檢測器布設(shè)考慮的因素作為本文交通檢測器布設(shè)研究的一個創(chuàng)新性出發(fā)點和切入點,研究基于手機切換點提供交通狀態(tài)數(shù)據(jù)的支持下,利用BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合方法估計行程時間,并以行程時間估計誤差為約束反推研究固定檢測器布設(shè)方法。首先,以手機定位交通信息提取作為研究的切入點和創(chuàng)新點,介紹手機定位技術(shù)在交通信息提取方面的應(yīng)用,著重分析基于手機切換定位技術(shù)的交通信息提取系統(tǒng)框架和技術(shù)流程�；谑謾C切換定位技術(shù)特征,與傳統(tǒng)固定檢測方式和傳統(tǒng)GPS浮動車檢測技術(shù)進行比對分析,驗證手機切換交通信息提取的技術(shù)優(yōu)勢和應(yīng)用前景。同時,參考傳統(tǒng)GPS浮動車微觀仿真常用方法,結(jié)合VISSIM仿真固有特點,提出手機切換定位交通流微觀仿真方法,通過對實際交通情況仿真和結(jié)果分析加以驗證。研究表明,在手機切換樣本比例足夠(不低于3%)條件下,基于手機切換數(shù)據(jù)的行程時間估計精度比較準確,且不易受交通運行條件的影響。通過對實際路段交通場景的仿真獲得固定檢測數(shù)據(jù)和手機切換數(shù)據(jù),采用直接估計方法和融合方法估計路段行程時間。研究提出采用BP神經(jīng)網(wǎng)絡(luò)方法融合固定檢測數(shù)據(jù)和手機切換數(shù)據(jù)用以估計路段行程時間,以滿足交通狀態(tài)不穩(wěn)定的估計需求,并建立行程時間估計精度評價指標。根據(jù)研究需要和擬定的數(shù)據(jù)融合流程,分別對全路段和切換路段進行融合估計,結(jié)合誤差指標對比分析單一數(shù)據(jù)源和多數(shù)據(jù)源進行行程時間估計,并進一步對融合結(jié)果完成深入分析。研究表明,基于BP神經(jīng)網(wǎng)絡(luò)的行程時間融合估計效果相較單一數(shù)據(jù)源,可以得到更精確、穩(wěn)定的結(jié)果和效益,且交通條件差時,優(yōu)勢更明顯。結(jié)合檢測器布設(shè)所需要考慮的原則與影響因素,在傳統(tǒng)檢測器布設(shè)經(jīng)驗思路的基礎(chǔ)上,以手機切換交通信息采集為支撐環(huán)境,采用BP神經(jīng)網(wǎng)絡(luò)融合方法進行基于多源數(shù)據(jù)的行程時問估計,以誤差和精度作為檢測器布設(shè)的約束與目標。確定了均勻布設(shè)方案和盲區(qū)補充方案兩種檢測器布設(shè)策略,結(jié)合路段實際交通環(huán)境進行微觀仿真。根據(jù)估計指標確定方案的可行度,并針對各可行方案的誤差指標對比分析。對實例進行驗證,得到最優(yōu)方案。研究表明,檢測器布設(shè)間距在1000-1500m附近時,行程時間估計誤差變化趨平,布設(shè)方案較為合理；且應(yīng)考慮在切換長度較長、有出入匝道處等“盲區(qū)”布設(shè)檢測器,以實現(xiàn)成本受限情況下的估計效益最大化(即誤差最小)。
[Abstract]:The layout of the traffic detector determines the precision of the travel time estimation and prediction, and the improvement of the travel time estimation method is counterproductive to the research and application of the detector layout method. As a key parameter of expressway traffic management, travel time can provide data support and decision reference for the implementation of traffic guidance scheme and the release of travel information. According to the summary of the existing research literature, the method of highway detector layout for data fusion is studied. Taking mobile phone location traffic information extraction as the factor of detector layout as an innovative starting point and a breakthrough point of this paper, the research based on mobile phone switching point to provide traffic state data support, The BP neural network data fusion method is used to estimate the travel time, and the fixed detector placement method is studied with the travel time estimation error as the constraint. First of all, take mobile phone location traffic information extraction as the breakthrough point and innovation point, introduce the application of mobile phone location technology in traffic information extraction, The framework and technical flow of traffic information extraction system based on mobile phone switching and location technology are analyzed. Based on the characteristics of mobile phone switching and location technology, compared with the traditional fixed detection method and the traditional GPS floating vehicle detection technology, this paper verifies the technical advantages and application prospects of mobile phone switching traffic information extraction. At the same time, referring to the traditional micro simulation methods of GPS floating vehicle, combined with the inherent characteristics of VISSIM simulation, the microscopic simulation method of mobile phone switching and positioning traffic flow is put forward, which is verified by the simulation of the actual traffic situation and the analysis of the results. The results show that under the condition that the sample ratio of mobile phone switching is enough (no less than 3), the estimation accuracy of travel time based on mobile phone switching data is accurate, and it is not easy to be affected by traffic operation conditions. The fixed detection data and the mobile phone switching data are obtained by simulation of the actual road traffic scene. The direct estimation method and fusion method are used to estimate the travel time of the road section. In this paper, BP neural network method is proposed to combine fixed detection data and mobile phone switching data to estimate the travel time of road sections to meet the needs of unstable traffic conditions, and to establish an evaluation index of travel time estimation accuracy. According to the research needs and the proposed data fusion process, the fusion estimation of the whole road section and the switching section is carried out, and the travel time estimation of the single data source and the multiple data sources are compared and analyzed in combination with the error index. The fusion results are further analyzed. The results show that the estimation effect of BP neural network based on travel time fusion is more accurate, stable and effective than that of single data source, and the advantage is more obvious when traffic conditions are poor. Combined with the principle and influence factors of detector layout, based on the experience of traditional detector layout, the mobile phone switching traffic information collection is used as the supporting environment. The BP neural network fusion method is used to estimate the travel time based on multi-source data. The error and precision are used as the constraints and targets of the detector placement. The uniform layout scheme and the blind area supplementary scheme are determined, and the microscopic simulation is carried out in combination with the actual traffic environment. The feasibility degree of the scheme is determined according to the estimation index, and the error index of each feasible scheme is compared and analyzed. The example is verified and the optimal scheme is obtained. The results show that when the distance between the detectors is about 1000-1500m, the error of travel time estimation tends to flatten, and the layout scheme is reasonable, and it should be considered that the detector should be arranged in the "blind area" such as the long switching length and the entrance and exit ramp, etc. In order to maximize the estimated benefit (I. e., minimum error) under the condition of limited cost.
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.116

【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(xué)學(xué)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(xué)學(xué)報(自然科學(xué)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(yù)測方法[J];武漢理工大學(xué)學(xué)報(交通科學(xué)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(yù)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(xué)學(xué)報(自然科學(xué)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(xué)學(xué)報(交通科學(xué)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(xué)學(xué)報(工學(xué)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(yù)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(yù)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(xué)學(xué)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(xué)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(yù)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(wù)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(yīng)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(xué)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(xué);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(xué);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(xué);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(xué);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(xué);2008年

6 李繼偉;城市主次干路的路段行程時間估計與預(yù)測方法研究[D];吉林大學(xué);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(xué);2010年

8 孟小前;基于行程時間實時預(yù)測的露天礦調(diào)度服務(wù)研究[D];中國礦業(yè)大學(xué)（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(xué);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(xué);2011年

相關(guān)碩士學(xué)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(xué);2007年

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

3 劉克;高速公路的路段行程時間估計與預(yù)測方法研究[D];北京交通大學(xué);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(xué);2015年

5 吳俏;基于城市路網(wǎng)的行程時間估計及預(yù)測方法研究[D];浙江大學(xué);2015年

6 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(xué);2015年

7 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(xué);2015年

8 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(xué);2015年

9 鄧雪;信息發(fā)布對道路交通系統(tǒng)效率的影響[D];西南交通大學(xué);2015年

10 程天琪;基于不同出行者預(yù)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(xué);2015年

，

本文編號：2026434