交通擁堵不僅是交通管理者的難題,同時(shí)也是人們熱議的話題。面對日益增加的車輛保有量、現(xiàn)有道路路網(wǎng)基本成型,想要從增加路段通行能力方面緩解交通擁堵已經(jīng)是“天方夜譚”�？焖贉�(zhǔn)確地對交通狀態(tài)進(jìn)行識別、預(yù)測,成為緩解交通擁堵的重要手段。城市快速路作為城市路網(wǎng)的“骨干”部分,承擔(dān)著城市很高比重的交通量。城市快速路的擁堵問題得不到解決,很有可能會(huì)演變成整個(gè)路網(wǎng)的交通擁堵。本文從解決實(shí)際交通擁堵問題出發(fā),結(jié)合GPS數(shù)據(jù)與交通流理論分析,建立了交通狀態(tài)劃分與預(yù)測模型,主要內(nèi)容如下:1、快速路GPS有效數(shù)據(jù)的獲取。論文首先分析了GPS數(shù)據(jù)特征,針對數(shù)據(jù)冗余、數(shù)據(jù)漂移、數(shù)據(jù)缺失等異常數(shù)據(jù)提出了GPS數(shù)據(jù)預(yù)處理方法;借助ArcGIS平臺的地圖匹配算法對GPS數(shù)據(jù)進(jìn)行空間優(yōu)化,利用非線性支持向量機(jī)分類算法實(shí)現(xiàn)了快速路數(shù)據(jù)與路面數(shù)據(jù)的有效分離,從而篩選出位于快速路上的GPS有效數(shù)據(jù),為后文分析快速路交通狀態(tài)提供數(shù)據(jù)基礎(chǔ)。2、快速路交通狀態(tài)的劃分。結(jié)合GPS數(shù)據(jù)的特點(diǎn),選取路段行程速度以及速度方差為特征參數(shù);根據(jù)數(shù)理統(tǒng)計(jì)理論確定實(shí)際交通狀態(tài)劃分所需的最小樣本量并提出子路段空間長度與時(shí)間長度劃分方法;利用回歸分析確定... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

切割后的實(shí)驗(yàn)拍攝視頻圖

表 3.10(b)樣本車速與真實(shí)道路車速的擬合效果表回歸系數(shù) 標(biāo)準(zhǔn)誤差 t 統(tǒng)計(jì)值 P 值 下限（95%） 上限（95%）截距 3.349058 0.646472 5.180518 0.0000020 2.059711 4.638405自變量0.845876 0.013213 64.0205 0.0000000 0.819524 0.872228相關(guān)系數(shù)Multiple R為0.991568，證明真實(shí)平均車速與出租車樣本平均車速為高度正相關(guān)。復(fù)測定系數(shù)R Square為0.983208，標(biāo)準(zhǔn)誤差為1.642902，證明擬合效果很好。得到回歸方程為:( ) 0.845876 ( ) 3.349058r ybV k V k (3.9)式中： ( )rV k 是指第 k 統(tǒng)計(jì)周期內(nèi)路段真實(shí)行程速度；( )ybV k 是指第 k 統(tǒng)計(jì)周期內(nèi)出租車樣本行程速度；之后用 2018 年 3 月 18 日（休息日）和 2018 年 3 月 26 日（工作日）的平峰時(shí)段和高峰時(shí)段的 144 組數(shù)據(jù)進(jìn)行驗(yàn)證，得到的效果如圖 3.2 所示。

圖 3.3 回歸速度值與真實(shí)值的差值由圖 3-3 可見，測試的 144 個(gè)周期的誤差大部分在[-4km/h,4km/h],其余的也未超過 8km/h，均滿足公式（3.10）要求，證明提出的回歸方程的有效性。3.3 城市快速路交通狀態(tài)劃分模型的建立要由出租車 GPS 數(shù)據(jù)進(jìn)行交通狀態(tài)識別，首先要對快速路交通狀態(tài)進(jìn)行合

【參考文獻(xiàn)】：
期刊論文
[1]基于浮動(dòng)車數(shù)據(jù)的城市快速路瓶頸識別與特征分析（英文）[J]. 張建波,宋國華,于雷,郭繼孚,魯洪語.  Journal of Central South University. 2018(08)
[2]基于出租車GPS大數(shù)據(jù)的城市交通狀況實(shí)時(shí)分析[J]. 唐帥,李青.  商. 2016(30)
[3]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通流狀態(tài)辨識方法[J]. 張敬磊,王曉原,馬立云,譚德榮.  北京理工大學(xué)學(xué)報(bào). 2014(01)
[4]基于支持向量機(jī)的城市道路交通狀態(tài)模式識別研究[J]. 于榮,王國祥,鄭繼媛,王海燕.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(01)
[5]基于優(yōu)化SVM的城市快速路網(wǎng)交通流狀態(tài)判別[J]. 董春嬌,邵春福,熊志華.  北京交通大學(xué)學(xué)報(bào). 2011(06)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的道路交通狀態(tài)判別方法研究[J]. 巫威眺,靳文舟,林培群.  交通信息與安全. 2011(04)
[7]基于神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)模糊判別方法[J]. 曹成濤,崔鳳,林曉輝.  科學(xué)技術(shù)與工程. 2010(21)
[8]《概率論與數(shù)理統(tǒng)計(jì)》課程教學(xué)的探索與實(shí)踐[J]. 徐群芳.  大學(xué)數(shù)學(xué). 2010(01)
[9]短時(shí)交通狀態(tài)預(yù)測參數(shù)粒子群算法優(yōu)化研究[J]. 熊志華,邵春福,姚智勝.  交通運(yùn)輸系統(tǒng)工程與信息. 2008(03)
[10]基于非參數(shù)回歸的快速路行程速度短期預(yù)測算法[J]. 翁劍成,榮建,任福田,魏中華.  公路交通科技. 2007(03)

碩士論文
[1]基于GIS的出租車輛GPS地圖匹配研究[D]. 錢穎.云南大學(xué) 2015
[2]基于GPS數(shù)據(jù)的交通速度估計(jì)及短時(shí)預(yù)測研究[D]. 丁濤杰.國防科學(xué)技術(shù)大學(xué) 2014
[3]面向城市快速路的道路交通狀態(tài)預(yù)測方法的研究[D]. 孫曉亮.北京交通大學(xué) 2009
[4]城市道路交通擁擠狀態(tài)識別關(guān)鍵技術(shù)研究[D]. 李家偉.西南交通大學(xué) 2009
[5]一種利用粒子濾波的實(shí)時(shí)交通狀態(tài)估計(jì)方法[D]. 程松.復(fù)旦大學(xué) 2008



本文編號：3268876