【摘要】：隨著社會經(jīng)濟的快速增長,城市交通擁堵狀況變得越來越嚴重,交通擁堵影響了廣大居民的工作和學習,同時伴隨而來的是嚴峻的環(huán)境問題,因此緩解交通擁堵問題變得尤為重要。如果居民可以對已經(jīng)發(fā)生或未來即將發(fā)生的交通擁堵狀態(tài)進行及時、準確的預測與評估,出行時便可以有效地避免交通擁堵帶來的影響。針對現(xiàn)有的交通擁堵預測方法精度不高、穩(wěn)定性不強、預測用時較長的不足,以及各交通時段對交通擁堵的不同影響、單因素無法準確表征交通擁堵狀態(tài)的問題,本文提出了一種采用多指標模糊綜合評價的交通擁堵狀態(tài)級別預測與評估的方法。該方法在預測方面,提出了一種后期隨機慣性權重粒子群算法與支持向量回歸機相結合的短時交通流預測模型(MPSO-SVR),利用該模型對表征交通擁堵狀態(tài)的交通流參數(shù)平均速度和交通流量進行預測,該預測模型用均勻分布的隨機慣性權重替代標準粒子群算法中不變的慣性權重,加快了算法的收斂速度、提高了算法的性能。在擁堵級別評估方面,通過交通流量和平均速度的預測值得到三個因素指標平均速度、交通流密度、道路飽和度的預測值,將三個因素指標輸入到多指標模糊綜合評價模型中,即首先建立交通擁堵狀態(tài)評估的因素集和評價集,通過熵值法確定早高峰、晚高峰、其他時段下三個因素指標的權重系數(shù),再通過梯形隸屬度函數(shù)確定各指標在各時段的隸屬度,最終將交通擁堵狀態(tài)劃分為六個級別。最后,通過對美國PeMS數(shù)據(jù)庫中I405高速路的交通數(shù)據(jù)進行交通擁堵預測評估實驗,將預測出的平均速度與交通流量進行計算得出交通擁堵指標體系,并用于多指標模糊綜合評價方法來進行交通擁堵級別預測,并與標準PSO-SVR方法預測的交通擁堵級別評估結果對比,可以看出本文提出的優(yōu)化方法預測出的交通擁堵狀態(tài)與實際狀態(tài)吻合較好,準確率可達94.79%。
【圖文】：

論文結構安排第二章城市道路交通擁堵相關理論研究

可接受交通擁堵示意圖
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U491.265

【參考文獻】

相關期刊論文 前9條

1 譚娟;王勝春;;基于深度學習的交通擁堵預測模型研究[J];計算機應用研究;2015年10期

2 傅貴;韓國強;逯峰;許子鑫;;基于支持向量機回歸的短時交通流預測模型[J];華南理工大學學報(自然科學版);2013年09期

3 李穎宏;劉樂敏;王玉全;;基于組合預測模型的短時交通流預測[J];交通運輸系統(tǒng)工程與信息;2013年02期

4 龍小強;譚云龍;;基于模糊綜合評價的城市道路交通擁堵評價研究[J];交通標準化;2011年11期

5 薛洪波;倫淑嫻;;粒子群算法在多目標優(yōu)化中的應用綜述[J];渤海大學學報(自然科學版);2009年03期

6 高慧;趙建玉;賈磊;;短時交通流預測方法綜述[J];濟南大學學報(自然科學版);2008年01期

7 喬德華;張開禾;范耀祖;;多模型交通流預測優(yōu)化[J];交通標準化;2007年04期

8 虞曉芬,傅玳;多指標綜合評價方法綜述[J];統(tǒng)計與決策;2004年11期

9 賀國光,李宇,馬壽峰;基于數(shù)學模型的短時交通流預測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

，

本文編號：2672576