本文關(guān)鍵詞：高速公路事故條件下的匝道協(xié)同控制方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著社會經(jīng)濟(jì)的高速發(fā)展,高速公路的交通量也快速增長,對高速公路管理水平提出了更高的要求。高速公路入口匝道控制給現(xiàn)代化高速公路管理提供了參考方法,尤其在高速公路主線發(fā)生交通事故等突發(fā)事件時(shí),能夠在清障時(shí)間內(nèi)維持交通秩序穩(wěn)定。本文考慮到長期進(jìn)行匝道控制在經(jīng)濟(jì)上和實(shí)際上不能完美適應(yīng)高速公路的需求,提出了在事故條件下,對高速公路入口匝道進(jìn)行控制的策略。分析了國內(nèi)外幾種典型的匝道控制方法,分析了各種方法的優(yōu)缺點(diǎn),提出適應(yīng)本文實(shí)際條件的控制模型基礎(chǔ)和構(gòu)思。根據(jù)相關(guān)事故數(shù)據(jù),分析了交通事故時(shí)持續(xù)時(shí)間分布規(guī)律,給出了事故平均持續(xù)時(shí)間長度,即與需要進(jìn)行控制的總時(shí)間有關(guān),初步探索了預(yù)測事故持續(xù)時(shí)間的方法。闡述了交通波的相關(guān)理論基礎(chǔ),根據(jù)交通波的發(fā)展過程,得出處理交通事故所需時(shí)間,再結(jié)合交通波速度確定交通波的傳播范圍,即交通事故影響范圍,對處于影響范圍之內(nèi)的匝道進(jìn)行控制。根據(jù)短時(shí)交通流的非線性特點(diǎn),采用具有智能學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)預(yù)測方法,在MATLAB數(shù)學(xué)軟件中,根據(jù)短時(shí)交通流數(shù)據(jù)及其特定條件構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型,完成了確定網(wǎng)絡(luò)層數(shù)、隱含層節(jié)點(diǎn)數(shù)、訓(xùn)練函數(shù)等參數(shù)設(shè)置,并完成主線短期交通流預(yù)測。以短時(shí)交通流的預(yù)測為主,根據(jù)事故斷面通行能力確定高速公路入口匝道容許通過車流量,同時(shí)根據(jù)交通事故影響范圍確定受控制匝道數(shù)量,給出了調(diào)節(jié)率的計(jì)算公式,并用VISSIM仿真軟件對控制方法進(jìn)行了驗(yàn)證,對比控制前后的總行程時(shí)間和平均延誤,結(jié)果表明：進(jìn)行匝道控制之后,事故影響范圍內(nèi)交通流的總行程時(shí)間和延誤時(shí)間都有明顯減少,可以緩解主線交通壓力,使交通流更加穩(wěn)定,有利于維持交通秩序。
【關(guān)鍵詞】：匝道控制 事故影響范圍 短時(shí)交通流 VISSIM仿真
【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】：2016
【分類號】：U491.54
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.2.3 存在的主要問題13-14
• 1.3 研究內(nèi)容14
• 1.4 技術(shù)路線14-16
• 第二章 匝道控制理論方法16-24
• 2.1 概述16
• 2.2 匝道控制的作用和條件16-18
• 2.2.1 匝道控制的作用16
• 2.2.2 匝道控制的條件16-17
• 2.2.3 匝道控制系統(tǒng)結(jié)構(gòu)17-18
• 2.3 匝道控制算法綜述18-21
• 2.3.1 定時(shí)調(diào)節(jié)控制18
• 2.3.2 感應(yīng)調(diào)節(jié)控制18-19
• 2.3.3 ALINEA控制算法19-20
• 2.3.4 需求-容量控制20
• 2.3.5 ZONE控制20-21
• 2.4 各類匝道控制方法比較21
• 2.5 高速公路事故條件下的匝道控制方法構(gòu)思21-22
• 2.6 本章小結(jié)22-24
• 第三章 高速公路交通事故影響分析24-40
• 3.1 概述24
• 3.2 高速公路交通事故影響分析24-25
• 3.3 高速公路事故對通行能力的影響分析25-27
• 3.4 高速公路事故時(shí)空影響范圍分析27-32
• 3.4.1 數(shù)據(jù)收集27-28
• 3.4.2 數(shù)據(jù)處理28-29
• 3.4.3 擬合與檢驗(yàn)29-32
• 3.5 事故持續(xù)時(shí)間預(yù)測32-36
• 3.5.1 持續(xù)時(shí)間預(yù)測方法32-33
• 3.5.2 神經(jīng)網(wǎng)絡(luò)預(yù)測持續(xù)時(shí)間33-35
• 3.5.3 BP神經(jīng)網(wǎng)絡(luò)模型建立35
• 3.5.4 影響因素權(quán)重分析方法35-36
• 3.6 交通波模型計(jì)算影響范圍確定控制匝道36-38
• 3.7 本章小結(jié)38-40
• 第四章 短時(shí)交通流量預(yù)測40-50
• 4.1 概述40-41
• 4.2 人工神經(jīng)網(wǎng)絡(luò)介紹41-44
• 4.3 控制策略44-46
• 4.3.1 單點(diǎn)入口匝道控制模型44
• 4.3.2 路網(wǎng)運(yùn)行性能評價(jià)指標(biāo)44-45
• 4.3.3 短時(shí)交通流預(yù)測45-46
• 4.4 構(gòu)建神經(jīng)網(wǎng)絡(luò)46-48
• 4.4.1 確定網(wǎng)絡(luò)層數(shù)46
• 4.4.2 隱層函數(shù)節(jié)點(diǎn)的選擇46
• 4.4.3 訓(xùn)練參數(shù)的選取46-47
• 4.4.4 選擇訓(xùn)練函數(shù)47-48
• 4.5 改進(jìn)需求-容量控制模型48-49
• 4.6 本章小結(jié)49-50
• 第五章 VISSIM仿真分析50-60
• 5.1 概述50
• 5.2 仿真案例50-52
• 5.3 VISSIM仿真分析52-59
• 5.3.1 仿真軟件簡介52
• 5.3.2 仿真路段及參數(shù)標(biāo)定52-55
• 5.3.3 仿真方案55-56
• 5.3.4 仿真結(jié)果分析56-59
• 5.3.5 控制結(jié)果總結(jié)59
• 5.4 本章小結(jié)59-60
• 第六章 結(jié)論與展望60-62
• 6.1 研究成果與主要結(jié)論60
• 6.2 進(jìn)一步研究和展望60-62
• 致謝62-64
• 參考文獻(xiàn)64-66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐明,陳寶星,柳伍生;基于相空間重構(gòu)的短時(shí)交通流分形研究[J];山東交通學(xué)院學(xué)報(bào);2004年01期

2 華冬冬,陳森發(fā);非線性短時(shí)交通流的一種神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J];現(xiàn)代交通技術(shù);2004年01期

3 田晶;楊玉珍;陳陽舟;;短時(shí)交通流量兩種預(yù)測方法的研究[J];公路交通科技;2006年04期

4 蔣海峰;馬瑞軍;魏學(xué)業(yè);溫偉剛;;一種基于小數(shù)據(jù)量的快速識別短時(shí)交通流混沌特性的方法[J];鐵道學(xué)報(bào);2006年02期

5 蔣海峰;王鼎媛;張仲義;;短時(shí)交通流的非線性動力學(xué)特性[J];中國公路學(xué)報(bào);2008年03期

6 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測方法的比較[J];系統(tǒng)工程;2009年09期

7 許倫輝;唐德華;鄒娜;夏新海;;基于非線性時(shí)間序列分析的短時(shí)交通流特性分析[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 李雁;陸海亭;張寧;;一種短時(shí)交通流異常數(shù)據(jù)識別新算法[J];公路交通科技(應(yīng)用技術(shù)版);2010年04期

9 承向軍;劉軍;馬敏書;;基于分形理論的短時(shí)交通流預(yù)測算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年04期

10 張立;謝忠玉;陳凱;;基于混沌理論的短時(shí)交通流局域預(yù)測模型[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 翁小雄;翦俊;;短時(shí)交通流頻譜分析與預(yù)測[A];第二十六屆中國控制會議論文集[C];2007年

2 張利;李星毅;施化吉;;一種基于ARIMA模型的短時(shí)交通流量改進(jìn)預(yù)測算法[A];2007第三屆中國智能交通年會論文集[C];2007年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 本報(bào)記者 李嬋;交通擁堵為何預(yù)測不準(zhǔn)[N];北京科技報(bào);2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 郭歡;基于灰理論的短時(shí)交通流動力學(xué)建模預(yù)測與優(yōu)化研究[D];武漢理工大學(xué);2013年

2 張曉利;基于非參數(shù)回歸的短時(shí)交通流量預(yù)測方法研究[D];天津大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 喻丹;基于小波理論的短時(shí)交通流預(yù)測方法研究[D];長沙理工大學(xué);2008年

2 謝生龍;城市道路短時(shí)交通流動態(tài)預(yù)測方法研究與應(yīng)用[D];長安大學(xué);2015年

3 胡浩然;基于Hadoop平臺的短時(shí)交通流預(yù)測算法研究[D];華南理工大學(xué);2016年

4 符義琴;短時(shí)交通流分析及預(yù)測[D];南京信息工程大學(xué);2016年

5 陳功;數(shù)據(jù)挖掘技術(shù)在智慧交通中的應(yīng)用[D];電子科技大學(xué);2016年

6 韋凌翔;基于RVM和ARIMA的短時(shí)交通流量預(yù)測方法研究[D];長安大學(xué);2016年

7 武瓊;基于支持向量回歸的短時(shí)交通流預(yù)測方法研究與應(yīng)用[D];長安大學(xué);2016年

8 張瑋瑋;基于聚類分析的BP神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測方法研究[D];重慶郵電大學(xué);2016年

9 顧敏佳;高速公路事故條件下的匝道協(xié)同控制方法研究[D];東南大學(xué);2016年

10 卓卉;基于混沌理論的短時(shí)交通流預(yù)測方法研究[D];北京交通大學(xué);2008年

  本文關(guān)鍵詞：高速公路事故條件下的匝道協(xié)同控制方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：286988