交通流檢測(cè)是信號(hào)控制系統(tǒng)的重要組成部分,城市道路交叉路口是城市道路網(wǎng)絡(luò)的節(jié)點(diǎn),其信號(hào)控制效果不但直接決定著路網(wǎng)的通行效率,也關(guān)系著駕駛?cè)说雀黝惤煌ǔ鲂姓邔?duì)城市交通管理水平和暢通程度的評(píng)價(jià),但長(zhǎng)期以來(lái)城市道路交叉路口信號(hào)控制效果缺少定量化評(píng)價(jià)標(biāo)準(zhǔn)。本研究旨在借助多源檢測(cè)交通流數(shù)據(jù)的融合,獲取豐富高質(zhì)量的交通流特征參數(shù),對(duì)信號(hào)控制交叉口運(yùn)行質(zhì)量進(jìn)行定量評(píng)價(jià)。本文研究主要內(nèi)容包括多源交通流數(shù)據(jù)融合和信號(hào)控制交叉口運(yùn)行質(zhì)量評(píng)價(jià)。根據(jù)交通流數(shù)據(jù)特征,設(shè)計(jì)基于數(shù)據(jù)層、特征層和決策層融合的整體框架對(duì)信號(hào)控制交叉口運(yùn)行狀態(tài)和控制效益進(jìn)行評(píng)估。主要工作概述如下:1、針對(duì)多源交通流數(shù)據(jù)質(zhì)量問(wèn)題,分別對(duì)固定點(diǎn)檢測(cè)數(shù)據(jù)和浮動(dòng)車檢測(cè)數(shù)據(jù)進(jìn)行預(yù)處理工作,提高交通流數(shù)據(jù)質(zhì)量,為后續(xù)數(shù)據(jù)融合提供數(shù)據(jù)基礎(chǔ)。2、結(jié)合多源交通流數(shù)據(jù)特征和融合框架,選擇合適的數(shù)據(jù)融合算法。建立基于BP神經(jīng)網(wǎng)絡(luò)的交通流量融合模型和基于貝葉斯估計(jì)的速度融合模型,根據(jù)多源檢測(cè)數(shù)據(jù)獲取信號(hào)控制交叉口交通流特征參數(shù),為決策層信息融合奠定基礎(chǔ)。3、交叉口運(yùn)行評(píng)價(jià)。根據(jù)信號(hào)控制交叉口運(yùn)行狀態(tài)的不確定性,選取合適的指標(biāo),通過(guò)加權(quán)模糊綜合評(píng)價(jià)的方法對(duì)交叉口運(yùn)... 

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 選題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 交通數(shù)據(jù)融合
        1.2.2 交叉口運(yùn)行評(píng)價(jià)
    1.3 研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 本章小結(jié)
2 交通流數(shù)據(jù)融合理論及方法
    2.1 數(shù)據(jù)融合概述
        2.1.1 數(shù)據(jù)融合基本概念
        2.1.2 數(shù)據(jù)融合基本原理
    2.2 數(shù)據(jù)融合方法
        2.2.1 經(jīng)典統(tǒng)計(jì)方法
        2.2.2 人工智能方法
    2.3 本章小結(jié)
3 交通流數(shù)據(jù)準(zhǔn)備及其預(yù)處理
    3.1 多源數(shù)據(jù)選擇
    3.2 固定點(diǎn)檢測(cè)器數(shù)據(jù)特征
        3.2.1 微波檢測(cè)數(shù)據(jù)特征
        3.2.2 視頻檢測(cè)數(shù)據(jù)特征
    3.3 浮動(dòng)車GPS數(shù)據(jù)特征
    3.4 多源交通流數(shù)據(jù)特點(diǎn)分析
    3.5 數(shù)據(jù)預(yù)處理
        3.5.1 缺失數(shù)據(jù)的修復(fù)
        3.5.2 冗余數(shù)據(jù)的約簡(jiǎn)
        3.5.3 錯(cuò)誤數(shù)據(jù)的修正
        3.5.4 浮動(dòng)車數(shù)據(jù)預(yù)處理
        3.5.5 交通數(shù)據(jù)降噪處理
        3.5.6 數(shù)據(jù)預(yù)處理示意
    3.6 本章小結(jié)
4 交通流數(shù)據(jù)融合案例
    4.1 研究范圍
    4.2 交叉口交通量提取
        4.2.1 融合方法選擇
        4.2.2 實(shí)例分析
    4.3 交叉口速度提取
        4.3.1 融合方法選擇
        4.3.2 實(shí)例分析
    4.4 交叉口停車率提取
        4.4.1 計(jì)算方法
        4.4.2 實(shí)例分析
    4.5 交叉口延誤提取
        4.5.1 融合方法選擇
        4.5.2 實(shí)例分析
    4.6 本章小結(jié)
5 信號(hào)控制交叉口評(píng)估
    5.1 交叉口運(yùn)行狀態(tài)評(píng)估
        5.1.1 算法步驟
        5.1.2 隸屬函數(shù)確定
        5.1.3 模糊綜合評(píng)判
        5.1.4 判別實(shí)例
    5.2 交叉口控制效益評(píng)估
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 論文研究成果
    6.2 研究展望與建議
致謝
參考文獻(xiàn)
附錄
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于移動(dòng)導(dǎo)航數(shù)據(jù)的信號(hào)配時(shí)反推[J]. 譚墍元,尹凱莉,李萌,郭偉偉,王力,黃怡斌.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(02)
[2]基于多源數(shù)據(jù)融合的信號(hào)交叉口延誤估計(jì)研究[J]. 陳百旺,成衛(wèi).  價(jià)值工程. 2017(10)
[3]基于浮動(dòng)車數(shù)據(jù)的信號(hào)交叉口排隊(duì)長(zhǎng)度估計(jì)[J]. 劉澤,王武宏,郭宏偉,蔣曉蓓.  道路交通與安全. 2016(04)
[4]一種面向海量浮動(dòng)車數(shù)據(jù)的地圖匹配方法[J]. 王曉蒙,池天河,林暉,邵靜,姚曉婧,楊麗娜.  地球信息科學(xué)學(xué)報(bào). 2015(10)
[5]一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J]. 張品,董為浩,高大冬.  傳感技術(shù)學(xué)報(bào). 2014(05)
[6]浮動(dòng)車和固定檢測(cè)兩種數(shù)據(jù)源的差異特征[J]. 王立曉,劉鍇,森川高行.  哈爾濱理工大學(xué)學(xué)報(bào). 2013(05)
[7]數(shù)據(jù)融合在智能電網(wǎng)中的應(yīng)用研究[J]. 李向陽(yáng),李玲娟,陳建新,徐小龍.  計(jì)算機(jī)技術(shù)與發(fā)展. 2012(04)
[8]信號(hào)控制交叉口可靠性建模與仿真[J]. 呂斌,牛惠民.  交通運(yùn)輸系統(tǒng)工程與信息. 2011(06)
[9]動(dòng)態(tài)交通數(shù)據(jù)質(zhì)量評(píng)價(jià)方法研究[J]. 姜桂艷,牛世峰,李紅偉.  北京工業(yè)大學(xué)學(xué)報(bào). 2011(08)
[10]面向城市道路交通狀態(tài)估計(jì)的數(shù)據(jù)融合研究[J]. 徐濤,楊曉光,徐愛功,張明月.  計(jì)算機(jī)工程與應(yīng)用. 2011(07)

博士論文
[1]面向特大城市的分層次交通擁堵評(píng)價(jià)模型及算法[D]. 劉夢(mèng)涵.北京交通大學(xué) 2009

碩士論文
[1]基于浮動(dòng)車數(shù)據(jù)的信號(hào)交叉口運(yùn)行狀態(tài)評(píng)估[D]. 臧超.北方工業(yè)大學(xué) 2018
[2]基于浮動(dòng)車的信號(hào)控制路口運(yùn)行狀態(tài)監(jiān)測(cè)方法研究[D]. 尹凱莉.北方工業(yè)大學(xué) 2017
[3]基于多源檢測(cè)器的交通流數(shù)據(jù)融合方法研究[D]. 莊廣新.北京交通大學(xué) 2017
[4]多源數(shù)據(jù)融合的城市道路交通狀態(tài)實(shí)時(shí)判別方法研究[D]. 曲騰姣.青島理工大學(xué) 2016
[5]基于信息融合的智能交通信號(hào)燈控制系統(tǒng)研究[D]. 王鵬.沈陽(yáng)工業(yè)大學(xué) 2016
[6]基于D-S證據(jù)理論的融合事件檢測(cè)算法研究[D]. 鹿高娜.北京交通大學(xué) 2016
[7]城市道路交通流預(yù)測(cè)與狀態(tài)判別關(guān)鍵技術(shù)研究[D]. 馬玄.華南理工大學(xué) 2014
[8]基于城市快速路和主干道多源交通檢測(cè)信息的數(shù)據(jù)融合技術(shù)研究[D]. 邱奉翠.北京交通大學(xué) 2012
[9]基于數(shù)據(jù)融合的路段行程時(shí)間估計(jì)[D]. 徐桂鑫.山東大學(xué) 2012
[10]城市交通運(yùn)行效率評(píng)價(jià)指標(biāo)體系研究[D]. 王倩倩.中國(guó)海洋大學(xué) 2012



本文編號(hào)：3682309