【摘要】：隨著社會(huì)經(jīng)濟(jì)的快速增長(zhǎng),城市交通擁堵?tīng)顩r變得越來(lái)越嚴(yán)重,交通擁堵影響了廣大居民的工作和學(xué)習(xí),同時(shí)伴隨而來(lái)的是嚴(yán)峻的環(huán)境問(wèn)題,因此緩解交通擁堵問(wèn)題變得尤為重要。如果居民可以對(duì)已經(jīng)發(fā)生或未來(lái)即將發(fā)生的交通擁堵?tīng)顟B(tài)進(jìn)行及時(shí)、準(zhǔn)確的預(yù)測(cè)與評(píng)估,出行時(shí)便可以有效地避免交通擁堵帶來(lái)的影響。針對(duì)現(xiàn)有的交通擁堵預(yù)測(cè)方法精度不高、穩(wěn)定性不強(qiáng)、預(yù)測(cè)用時(shí)較長(zhǎng)的不足,以及各交通時(shí)段對(duì)交通擁堵的不同影響、單因素?zé)o法準(zhǔn)確表征交通擁堵?tīng)顟B(tài)的問(wèn)題,本文提出了一種采用多指標(biāo)模糊綜合評(píng)價(jià)的交通擁堵?tīng)顟B(tài)級(jí)別預(yù)測(cè)與評(píng)估的方法。該方法在預(yù)測(cè)方面,提出了一種后期隨機(jī)慣性權(quán)重粒子群算法與支持向量回歸機(jī)相結(jié)合的短時(shí)交通流預(yù)測(cè)模型(MPSO-SVR),利用該模型對(duì)表征交通擁堵?tīng)顟B(tài)的交通流參數(shù)平均速度和交通流量進(jìn)行預(yù)測(cè),該預(yù)測(cè)模型用均勻分布的隨機(jī)慣性權(quán)重替代標(biāo)準(zhǔn)粒子群算法中不變的慣性權(quán)重,加快了算法的收斂速度、提高了算法的性能。在擁堵級(jí)別評(píng)估方面,通過(guò)交通流量和平均速度的預(yù)測(cè)值得到三個(gè)因素指標(biāo)平均速度、交通流密度、道路飽和度的預(yù)測(cè)值,將三個(gè)因素指標(biāo)輸入到多指標(biāo)模糊綜合評(píng)價(jià)模型中,即首先建立交通擁堵?tīng)顟B(tài)評(píng)估的因素集和評(píng)價(jià)集,通過(guò)熵值法確定早高峰、晚高峰、其他時(shí)段下三個(gè)因素指標(biāo)的權(quán)重系數(shù),再通過(guò)梯形隸屬度函數(shù)確定各指標(biāo)在各時(shí)段的隸屬度,最終將交通擁堵?tīng)顟B(tài)劃分為六個(gè)級(jí)別。最后,通過(guò)對(duì)美國(guó)PeMS數(shù)據(jù)庫(kù)中I405高速路的交通數(shù)據(jù)進(jìn)行交通擁堵預(yù)測(cè)評(píng)估實(shí)驗(yàn),將預(yù)測(cè)出的平均速度與交通流量進(jìn)行計(jì)算得出交通擁堵指標(biāo)體系,并用于多指標(biāo)模糊綜合評(píng)價(jià)方法來(lái)進(jìn)行交通擁堵級(jí)別預(yù)測(cè),并與標(biāo)準(zhǔn)PSO-SVR方法預(yù)測(cè)的交通擁堵級(jí)別評(píng)估結(jié)果對(duì)比,可以看出本文提出的優(yōu)化方法預(yù)測(cè)出的交通擁堵?tīng)顟B(tài)與實(shí)際狀態(tài)吻合較好,準(zhǔn)確率可達(dá)94.79%。
【圖文】：

論文結(jié)構(gòu)安排第二章城市道路交通擁堵相關(guān)理論研究

可接受交通擁堵示意圖
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：U491.265

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 譚娟;王勝春;;基于深度學(xué)習(xí)的交通擁堵預(yù)測(cè)模型研究[J];計(jì)算機(jī)應(yīng)用研究;2015年10期

2 傅貴;韓國(guó)強(qiáng);逯峰;許子鑫;;基于支持向量機(jī)回歸的短時(shí)交通流預(yù)測(cè)模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

3 李穎宏;劉樂(lè)敏;王玉全;;基于組合預(yù)測(cè)模型的短時(shí)交通流預(yù)測(cè)[J];交通運(yùn)輸系統(tǒng)工程與信息;2013年02期

4 龍小強(qiáng);譚云龍;;基于模糊綜合評(píng)價(jià)的城市道路交通擁堵評(píng)價(jià)研究[J];交通標(biāo)準(zhǔn)化;2011年11期

5 薛洪波;倫淑嫻;;粒子群算法在多目標(biāo)優(yōu)化中的應(yīng)用綜述[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

6 高慧;趙建玉;賈磊;;短時(shí)交通流預(yù)測(cè)方法綜述[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

7 喬德華;張開(kāi)禾;范耀祖;;多模型交通流預(yù)測(cè)優(yōu)化[J];交通標(biāo)準(zhǔn)化;2007年04期

8 虞曉芬,傅玳;多指標(biāo)綜合評(píng)價(jià)方法綜述[J];統(tǒng)計(jì)與決策;2004年11期

9 賀國(guó)光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時(shí)交通流預(yù)測(cè)方法探討[J];系統(tǒng)工程理論與實(shí)踐;2000年12期

，

本文編號(hào)：2672576