常發(fā)性交通擁堵是城市面臨的難題之一,往往由道路通行能力不足、信號(hào)配時(shí)較差等交通基礎(chǔ)設(shè)施的缺陷所導(dǎo)致,這類(lèi)擁堵問(wèn)題長(zhǎng)期存在并嚴(yán)重影響城市交通。常發(fā)性交通擁堵常見(jiàn)于早晚高峰時(shí)段,往往具有較為固定的產(chǎn)生、傳播和消散模式,通過(guò)挖掘其演變模式,可進(jìn)一步獲知擁堵機(jī)理并實(shí)現(xiàn)擁堵預(yù)測(cè),能夠?yàn)榫徑饽酥两鉀Q城市常發(fā)性交通擁堵提供理論依據(jù)。近年來(lái),出租車(chē)的實(shí)時(shí)位置、瞬時(shí)速度等GPS定位數(shù)據(jù)被大量的采集并存儲(chǔ),這些數(shù)據(jù)相較于交通固定檢測(cè)器數(shù)據(jù),具有成本低、覆蓋廣等優(yōu)勢(shì),能夠有效支持常發(fā)性交通擁堵演變研究。此外,以往的交通擁堵演變研究以微觀交通流理論為基礎(chǔ),基于模擬數(shù)據(jù)和仿真實(shí)驗(yàn)構(gòu)建擁堵演變模型,研究較為理想化,對(duì)實(shí)際應(yīng)用的要求極高,無(wú)法有效描繪現(xiàn)實(shí)擁堵問(wèn)題。因此,論文以大數(shù)據(jù)驅(qū)動(dòng)思想為基礎(chǔ),通過(guò)深入分析海量出租車(chē)GPS數(shù)據(jù),以“基礎(chǔ)數(shù)據(jù)模型構(gòu)建?常發(fā)擁堵區(qū)域識(shí)別?常發(fā)擁堵演變模式挖掘?哈爾濱市案例分析”為主線,對(duì)城市常發(fā)性交通擁堵演變模式展開(kāi)研究。論文通過(guò)分析處理出租車(chē)GPS軌跡數(shù)據(jù)和城市道路網(wǎng)絡(luò)數(shù)據(jù),進(jìn)而構(gòu)建結(jié)合出租車(chē)GPS軌跡和城市網(wǎng)格構(gòu)建的綜合數(shù)據(jù)模型,為后續(xù)交通擁堵演變模式研究提供必要的數(shù)據(jù)支撐。在對(duì)... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：138 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及研究的目的和意義
        1.1.1 研究背景
        1.1.2 研究目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及評(píng)述
        1.2.1 基于出租車(chē)GPS軌跡的交通領(lǐng)域研究現(xiàn)狀
        1.2.2 城市交通擁堵判別研究現(xiàn)狀
        1.2.3 交通擁堵演變分析研究現(xiàn)狀
        1.2.4 國(guó)內(nèi)外研究現(xiàn)狀評(píng)述
    1.3 研究?jī)?nèi)容
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 技術(shù)路線
第2章 出租車(chē)GPS軌跡和城市網(wǎng)格數(shù)據(jù)模型
    2.1 出租車(chē)GPS軌跡數(shù)據(jù)模型
        2.1.1 出租車(chē)GPS數(shù)據(jù)說(shuō)明及分析
        2.1.2 出租車(chē)GPS數(shù)據(jù)預(yù)處理
        2.1.3 出租車(chē)GPS軌跡數(shù)據(jù)模型構(gòu)建
    2.2 城市網(wǎng)格數(shù)據(jù)模型
        2.2.1 城市區(qū)域網(wǎng)格劃分標(biāo)準(zhǔn)分析
        2.2.2 城市網(wǎng)格數(shù)據(jù)模型構(gòu)建
    2.3 結(jié)合出租車(chē)GPS軌跡和城市網(wǎng)格的混合數(shù)據(jù)模型
        2.3.1 結(jié)合出租車(chē)GPS軌跡和城市網(wǎng)格的混合數(shù)據(jù)模型構(gòu)建
        2.3.2 模型空間步長(zhǎng)參數(shù)的標(biāo)定
        2.3.3 模型時(shí)間步長(zhǎng)參數(shù)的標(biāo)定
    2.4 本章小結(jié)
第3章 常發(fā)性交通擁堵區(qū)域識(shí)別模型
    3.1 網(wǎng)格內(nèi)部交通擁堵判別模型
        3.1.1 網(wǎng)格內(nèi)部交通擁堵說(shuō)明
        3.1.2 網(wǎng)格內(nèi)部交通擁堵判別指標(biāo)選取
        3.1.3 基于模式挖掘的網(wǎng)格內(nèi)部交通擁堵判別
    3.2 基于聚類(lèi)算法的常發(fā)性擁堵區(qū)域識(shí)別模型
        3.2.1 常發(fā)性擁堵區(qū)域識(shí)別過(guò)程說(shuō)明
        3.2.2 聚類(lèi)方法說(shuō)明
        3.2.3 基于聚類(lèi)算法的常發(fā)性擁堵區(qū)域識(shí)別模型構(gòu)建
    3.3 數(shù)值實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)準(zhǔn)備
        3.3.2 基于模式挖掘的網(wǎng)格內(nèi)部交通擁堵判別算例分析
        3.3.3 基于聚類(lèi)算法的常發(fā)性擁堵區(qū)域識(shí)別算例分析
    3.4 本章小結(jié)
第4章 常發(fā)性交通擁堵演變模式挖掘方法
    4.1 基于網(wǎng)格的常發(fā)性擁堵事件說(shuō)明
        4.1.1 常發(fā)性擁堵區(qū)域內(nèi)擁堵事件類(lèi)型分析
        4.1.2 基于網(wǎng)格的單次擁堵事件演變過(guò)程描述
        4.1.3 基于網(wǎng)格的常發(fā)性交通擁堵事件分析
    4.2 常發(fā)性交通擁堵演變模式分析
        4.2.1 常發(fā)性交通擁堵時(shí)間維度演變模式分析
        4.2.2 常發(fā)性交通擁堵空間維度演變模式分析
    4.3 基于擁堵演變模式的擁堵短時(shí)預(yù)測(cè)
        4.3.1 網(wǎng)格擁堵短時(shí)預(yù)測(cè)說(shuō)明
        4.3.2 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)格擁堵短時(shí)預(yù)測(cè)模型構(gòu)建
        4.3.3 數(shù)值實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 哈爾濱市常發(fā)性交通擁堵演變模式案例
    5.1 數(shù)據(jù)說(shuō)明
        5.1.1 哈爾濱市城區(qū)空間網(wǎng)格數(shù)據(jù)說(shuō)明
        5.1.2 哈爾濱市出租車(chē)GPS數(shù)據(jù)說(shuō)明
        5.1.3 模型相關(guān)參數(shù)說(shuō)明
    5.2 哈爾濱市季節(jié)性常發(fā)交通擁堵演變模式
        5.2.1 哈爾濱市季節(jié)性常發(fā)交通擁堵區(qū)域識(shí)別
        5.2.2 哈爾濱市季節(jié)性常發(fā)交通擁堵微觀演變模式分析
        5.2.3 哈爾濱市季節(jié)性常發(fā)交通擁堵宏觀演變模式分析
    5.3 基于擁堵演變模式的常發(fā)性擁堵成因及緩解對(duì)策
        5.3.1 哈爾濱市常發(fā)性交通擁堵成因分析
        5.3.2 哈爾濱市常發(fā)性交通擁堵緩解對(duì)策制定
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的公路風(fēng)吹雪雪深預(yù)測(cè)模型[J]. 夏才初,周開(kāi)方,程怡,徐冬英.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在交通事故預(yù)測(cè)中的研究[J]. 陳海龍,彭偉.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[3]基于分布式車(chē)輛速度檢測(cè)信息的城市快速路交通狀態(tài)估計(jì)[J]. 符旭,歐夢(mèng)寧,閆旭普,張利國(guó).  交通運(yùn)輸工程與信息學(xué)報(bào). 2016(04)
[4]我國(guó)大城市交通擁堵特征與國(guó)際治理經(jīng)驗(yàn)借鑒探討[J]. 趙鵬軍,萬(wàn)海榮.  世界地理研究. 2016(05)
[5]利用出租車(chē)軌跡數(shù)據(jù)估計(jì)城市道路擁堵?tīng)顩r[J]. 張俊濤,李志勇,張浩,裴洪星,行瑞星.  測(cè)繪工程. 2016(09)
[6]A data mining approach to characterize road accident locations[J]. Sachin Kumar,Durga Toshniwal.  Journal of Modern Transportation. 2016(01)
[7]基于復(fù)雜城市道路網(wǎng)絡(luò)的交通擁堵預(yù)測(cè)模型[J]. 劉張,李堅(jiān),王超,蔡世民,唐明,黃琦,陳照輝.  電子科技大學(xué)學(xué)報(bào). 2016(01)
[8]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[9]一種密度和劃分結(jié)合的聚類(lèi)算法[J]. 王玉雷,李玲娟.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(09)
[10]改進(jìn)型CTM模型突發(fā)事件下的擁堵傳播規(guī)律[J]. 楊泳,戶佐安,嚴(yán)余松.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(07)

博士論文
[1]城市道路交通擁堵機(jī)理及控制方法研究[D]. 黃艷國(guó).華南理工大學(xué) 2015
[2]城市智能交通系統(tǒng)交通流協(xié)同優(yōu)化與誘導(dǎo)關(guān)鍵技術(shù)研究[D]. 文孟飛.中南大學(xué) 2013
[3]城市交通擁堵傳播機(jī)理及其控制策略研究[D]. 袁紹欣.長(zhǎng)安大學(xué) 2012
[4]災(zāi)害條件下路網(wǎng)交通運(yùn)行態(tài)勢(shì)快速分析與評(píng)估技術(shù)研究[D]. 牛世峰.吉林大學(xué) 2011
[5]冰雪條件下城市路網(wǎng)行程時(shí)間可靠性研究[D]. 冷軍強(qiáng).哈爾濱工業(yè)大學(xué) 2010
[6]城市道路交通擁堵傳播規(guī)律及消散控制策略研究[D]. 龍建成.北京交通大學(xué) 2009

碩士論文
[1]城市道路交通控制與交通誘導(dǎo)協(xié)調(diào)優(yōu)化研究[D]. 魏玉曉.西南交通大學(xué) 2010



本文編號(hào)：3533193