隨著經濟的快速發(fā)展,汽車已成為家庭出行必備交通工具,各城市小汽車保有量快速增長,然而現(xiàn)有的道路基礎設施已經無法滿足交通需求,這將導致人們花費在通勤上的時間越來越多,道路擁堵也越來嚴重,還會加劇汽車怠速污染、交通事故頻發(fā)等一系列問題。為了解決當前交通問題,僅僅從拓寬城市路網規(guī)模,新建或改建城市道路是不夠的,因此,還需要采用管理與控制結合的方式,一方面要從源頭上降低交通量發(fā)生,另一方面,采用合適控制方案,保障道路上車輛可以安全、快速運行。本文以短時交通流預測為切入點,構建自適應單點控制、自適應干線協(xié)調控制及自適應組合控制,從短時交通流量及車速預測、各交叉口信號周期時長優(yōu)化、考慮匯入匯出車流的相位差模型構建及各時段控制策略選擇等方面進行研究與探討,完成工作可以概括如下:(1)首先對采集數(shù)據進行處理、統(tǒng)計、分類等操作,再結合影響因素利用BP神經網絡對道路短時交通流量和車速進行預測;(2)以預測交通流量為基礎,利用遺傳算法優(yōu)化各交叉口信號周期時長:(3)根據預測交通流量和車速數(shù)據,構建考慮匯入匯出車流影響的干線相位差模型;(4)利用VISSIM二次開發(fā)(COM)進行實例仿真,得到自適應單點控制、...

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

圖１．１技術路線圖??Ｆｉｇ．?１．１?Ｔｅｃｈｎｏｌｏｇｙ?Ｒｏａｄｍａｐ??

?基于短時交通流預測的城市干線交通信號控制研究???１．３．２技術路線??緒論???ｉｉ???￣短時交通流量預測￣｜?Ｉ?短時車速預測?Ｕ???ｉｉ???基于短時交通流及車速預測的城市信號控制方法???５Ｔ????控制方案選擇及參數(shù)優(yōu)化????Ｊｒ???｝?ｒ???ｖ???公共周....

圖２．１?ＢＰ祌經網絡結構圖??Ｆｉｇ．?２．１?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??－７－??

方面都具有較強的能力．??還解決了異或（ＥｘｃｌｕｓｉｖｅＯＲ，ＸＯＲ）等簡單感知器無法解決的問題。本質上，ＢＰ算法的??目標函數(shù)為網絡誤差平方，使用梯度下降法獲得目標函數(shù)的最小值。??２．１．２?ＢＰ神經網絡結構??在結構組成上，ＢＰ神經網絡是典型的多層前向神經網絡，包括輸入層....

圖２．２微波檢測器工作原理??Ｆｉｇ．?２．２?Ｗｏｒｋｉｎｇ?Ｐｒｉｎｃｉｐｌｅ?ｏｆ?Ｍｉｃｒｏｗａｖｅ?Ｄｅｔｅｃｔｏｒ??２．２．２交通流數(shù)據清洗??

數(shù)據，例如道路流量、車輛行駛速度等。??（３）微波檢測??早期交通工程領域針對于測量單側車速一般使用雷達檢測技術，微波檢測能夠檢測??雙向多條車道的車流量、車速及車型，還可以統(tǒng)計車頭時距和車道占有率。??微波檢測是在一個扇形區(qū)域中不間斷的發(fā)射低功率調制微波，在該道路區(qū)域內留下??....

圖２．?３交通流評價指標??Ｆｉｇ．?２．３?Ｅｖａｌｕａｔｉｏｎ?Ｉｎｄｅｘ?ｏｆ?Ｔｒａｆｆｉｃ?Ｆｌｏｗ??

為錯誤數(shù)據中處理。??（３）冗余數(shù)據。通常是指數(shù)據與數(shù)據之間的重復，從狹義的角度來說，通過采集到??數(shù)據并構成數(shù)據集，當其中相鄰兩條或者以上，某些交通參數(shù)上的值是相等的，那么可??以確認這些數(shù)據近似重復，即存在冗余數(shù)據。??（４）數(shù)據丟失。產生數(shù)據丟失現(xiàn)象主要原因包括設備存儲傳輸....

本文編號：3952120