利用道路交通供需關(guān)系實(shí)現(xiàn)精細(xì)化城市交通管理是智能交通的主要內(nèi)容,其中城市路網(wǎng)動(dòng)態(tài)OD估計(jì)是交通需求側(cè)的重要支撐。現(xiàn)有理論與方法存在動(dòng)態(tài)交通分配模型難以精確描述真實(shí)路網(wǎng)車輛出行路徑選擇規(guī)律、OD估計(jì)模型調(diào)優(yōu)求解費(fèi)時(shí)費(fèi)力等不足。各種車輛檢測(cè)器的廣泛布設(shè)為智能交通提供了多樣的交通大數(shù)據(jù),以高清卡口車輛檢測(cè)器采集的號(hào)牌數(shù)據(jù)為代表的車輛軌跡數(shù)據(jù)可以提供車輛的行駛路徑,為估計(jì)路網(wǎng)動(dòng)態(tài)OD提供了數(shù)據(jù)支持。以深度學(xué)習(xí)為代表的人工智能技術(shù)為交通科學(xué)問(wèn)題提供了新的解決思路。本研究以車輛號(hào)牌數(shù)據(jù)獲得的車輛出行鏈為基礎(chǔ),以深度學(xué)習(xí)中的監(jiān)督式學(xué)習(xí)方法為主要手段,主要內(nèi)容包括車輛出行鏈劃分、車輛軌跡重構(gòu)、路網(wǎng)動(dòng)態(tài)OD估計(jì)三個(gè)方面,具體研究?jī)?nèi)容總結(jié)如下。獲得車輛單次出行的出行路徑是后續(xù)動(dòng)態(tài)OD估計(jì)的基礎(chǔ)步驟。從號(hào)牌數(shù)據(jù)中容易提取出所有車輛當(dāng)天的出行鏈,但車輛出行鏈通常包含多次出行,因此首先將車輛出行鏈進(jìn)行劃分�？紤]路段行程時(shí)間的時(shí)變特性,本文基于微波數(shù)據(jù)和路段的長(zhǎng)度屬性,利用dijkstra算法的搜索思想,提出了一種適用于城市路網(wǎng)的交通小區(qū)最短路求解方法;以此方法求得的交通小區(qū)特定時(shí)段的最短行程時(shí)間為依據(jù),與號(hào)牌數(shù)... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)例路網(wǎng)地圖

圖 3.2 一條車輛出行鏈包含多次出行示例圖由號(hào)牌數(shù)據(jù)得到的車輛出行鏈包含車輛駛過(guò)每個(gè)交叉口的時(shí)間，對(duì)于同一車牌相兩條過(guò)車數(shù)據(jù)，兩者時(shí)間相減能得到該輛車在兩個(gè)交叉口間的通行時(shí)間 t1，用 3.2出的方法能夠求出該輛車在當(dāng)前時(shí)段在兩個(gè)交叉口的最短行程時(shí)間 t2，本文通過(guò)比1 和 t2*2 的大小關(guān)系，對(duì)車輛的出行鏈進(jìn)行劃分，研究區(qū)域內(nèi)某天號(hào)牌數(shù)據(jù)的出行鏈

的結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于定點(diǎn)檢測(cè)數(shù)據(jù)的城市干道車輛軌跡重構(gòu)[J]. 唐克雙,徐天祥,潘昂,李詩(shī)琪.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(10)
[2]中國(guó)交通工程學(xué)術(shù)研究綜述·2016[J]. 馬建,孫守增,芮海田,馬勇,王磊,劉輝,張偉偉,陳紅燕,陳磊.  中國(guó)公路學(xué)報(bào). 2016(06)
[3]基于路口轉(zhuǎn)彎流量的OD估計(jì)方法研究[J]. 李瑞敏,陳熙怡,張睿博.  交通運(yùn)輸系統(tǒng)工程與信息. 2015(06)
[4]基于車輛自動(dòng)識(shí)別技術(shù)的動(dòng)態(tài)OD矩陣估計(jì)新方法[J]. 孫劍,馮羽.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(09)
[5]基于神經(jīng)網(wǎng)絡(luò)的OD分布矩陣反推方法[J]. MUSSONE Lorenzoa,MATTEUCCI Matteob.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(04)
[6]動(dòng)態(tài)OD估計(jì)方法研究綜述[J]. 趙慧.  交通標(biāo)準(zhǔn)化. 2011(22)
[7]車輛軌跡數(shù)據(jù)的若干處理方法研究[J]. 丁軍,張佐,陳洪昕,馬曉.  交通信息與安全. 2011(05)
[8]快速路通道動(dòng)態(tài)OD流估計(jì)模型[J]. 李俊衛(wèi),林柏梁,王海星,耿雪霏.  北京交通大學(xué)學(xué)報(bào). 2008(06)
[9]一種動(dòng)態(tài)OD矩陣估計(jì)算法的研究及應(yīng)用[J]. 李杰,陳鋒,王家捷.  模式識(shí)別與人工智能. 2006(06)
[10]全路網(wǎng)改進(jìn)動(dòng)態(tài)O-D反推模型[J]. 焦朋朋,陸化普.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(09)

博士論文
[1]基于實(shí)測(cè)數(shù)據(jù)的道路交通狀態(tài)特征及擁堵傳播規(guī)律分析方法[D]. 韋偉.北京交通大學(xué) 2017
[2]基于軌跡聚類的城市熱點(diǎn)區(qū)域提取與分析方法研究[D]. 趙鵬祥.武漢大學(xué) 2015
[3]基于交通流參數(shù)的動(dòng)態(tài)OD估計(jì)方法研究[D]. 王京.吉林大學(xué) 2012
[4]基于交通傳播特性分析的城市路網(wǎng)動(dòng)態(tài)OD在線估計(jì)[D]. 聶慶慧.東南大學(xué) 2017
[5]城市路網(wǎng)動(dòng)態(tài)OD矩陣估計(jì)仿真方法研究[D]. 刁陽(yáng).上海交通大學(xué) 2011

碩士論文
[1]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的TCP狀態(tài)估計(jì)方法研究[D]. 聶佛輝.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]Android平臺(tái)的CNN模型能效優(yōu)化問(wèn)題研究[D]. 王震.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[3]基于出行鏈的公交乘客出行特征分析[D]. 王俊兵.北京交通大學(xué) 2017
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的中文語(yǔ)義解析技術(shù)研究[D]. 張曉.東南大學(xué) 2017



本文編號(hào)：3025265