發(fā)布時間：2017-10-04 11:45

  本文關鍵詞：基于移動用戶信息的高速路擁堵監(jiān)測模型研究

  更多相關文章： 擁堵識別 交通參數(shù)估計 移動用戶信息 高速公路

【摘要】：隨著我國汽車保有量的快速增長,高速路擁堵日益嚴重,如何科學有效地監(jiān)測高速路擁堵是高速路交通管理與控制的重要基礎。目前常用的監(jiān)測技術手段主要有環(huán)形感應線圈等固定式監(jiān)測和GPS浮動車監(jiān)測,但存在覆蓋范圍窄、成本高等問題。因此,本文基于移動用戶信息進行高速路交通信息采集與擁堵識別,從而實現(xiàn)對高速路的低成本、全天候、大范圍和實時擁堵監(jiān)測。首先,本文研究和分析了移動通信網(wǎng)絡用戶信息的數(shù)據(jù)特征和高速路的交通特性。根據(jù)我國高速路服務水平分級,重點研究了高速路車輛行駛速度、交通密度和交通量對交通狀態(tài)變化的敏感性,選取平均行程速度和交通密度作為度量高速路擁堵的指標。其次,基于選取的高速路擁堵度量指標以及對本課題擁堵模型的需求分析,完成高速路擁堵模型的整體方案設計。通過分析與研究高速路上移動網(wǎng)絡無線覆蓋的特點,完成了高速路與移動網(wǎng)絡的空間覆蓋匹配,提出了一種基于匹配投影點活躍度的路段動態(tài)劃分方法�；谝苿佑脩粜畔�(shù)據(jù)提取用戶的移動軌跡,結(jié)合高速路車輛行駛特征,提出了一種高速路車載手機用戶的識別方法。在分析與研究目前常用的速度與交通密度計算方法的基礎上,本文采用平均車載手機數(shù)和速度加權(quán)融合的方法計算交通密度和路段平均行程速度,有效提升了計算結(jié)果的準確度。然后,針對傳統(tǒng)數(shù)字硬性劃分交通狀態(tài)中的隨機性和模糊性,本文采用云匹配的方法進行高速路擁堵識別;提出了一種基于云圖重疊度的云相似性匹配方法,并通過實驗仿真驗證了算法的有效性和可靠性。最后,通過某移動公司提供的移動用戶信息在其數(shù)據(jù)處理平臺上對模型進行驗證,將模型運行結(jié)果與高速路上固定檢測器數(shù)據(jù)進行對比,表明本文提出的擁堵模型在速度、密度計算和擁堵識別等方面滿足模型的設計需求,具有一定的實用價值。
【關鍵詞】：擁堵識別 交通參數(shù)估計 移動用戶信息 高速公路
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491.265
【目錄】：

• 摘要3-4
• Abstract4-12
• 注釋表12-13
• 第1章 引言13-18
• 1.1 研究背景及意義13-14
• 1.2 研究現(xiàn)狀14-16
• 1.3 論文主要內(nèi)容16-17
• 1.4 論文組織結(jié)構(gòu)17-18
• 第2章 高速路擁堵監(jiān)測模型理論分析18-28
• 2.1 移動用戶信息數(shù)據(jù)分析18-20
• 2.1.1 移動用戶信息的產(chǎn)生18-19
• 2.1.2 移動用戶信息數(shù)據(jù)特性19-20
• 2.2 高速路的交通特性20-23
• 2.2.1 高速路車輛行駛特征20-21
• 2.2.2 高速路網(wǎng)交通特性21-23
• 2.3 高速路擁堵機理分析23-27
• 2.3.1 擁堵特性分析23-25
• 2.3.2 擁堵度量指標選取25-27
• 2.4 本章小結(jié)27-28
• 第3章 高速路擁堵監(jiān)測模型參數(shù)估計28-43
• 3.1 模型需求分析與方案設計28-29
• 3.1.1 模型需求分析28-29
• 3.1.2 模型整體方案設計29
• 3.2 路段與移動網(wǎng)絡覆蓋匹配29-33
• 3.2.1 高速路移動網(wǎng)絡覆蓋匹配30-32
• 3.2.2 路段劃分32-33
• 3.3 用戶信息數(shù)據(jù)預處理33-35
• 3.4 干擾用戶的消除35-39
• 3.4.1 常駐用戶數(shù)據(jù)庫構(gòu)建35-36
• 3.4.2 高速路車載手機用戶識別36-39
• 3.5 擁堵度量指標估計39-42
• 3.5.1 平均車載手機數(shù)39-40
• 3.5.2 擁堵度量參數(shù)估計40-42
• 3.6 本章小結(jié)42-43
• 第4章 基于云匹配的高速路擁堵識別43-55
• 4.1 云的相關概念43-45
• 4.1.1 云的定義及數(shù)字特征43-44
• 4.1.2 正向云發(fā)生器44-45
• 4.1.3 云的合成45
• 4.2 高速路擁堵云匹配識別45-53
• 4.2.1 整體流程設計45-46
• 4.2.2 云的數(shù)字特征計算46-48
• 4.2.3 模板云的建立48
• 4.2.4 目標云的建立48-50
• 4.2.5 云的相似匹配50-53
• 4.3 擁堵識別的性能評價53-54
• 4.4 本章小結(jié)54-55
• 第5章 模型驗證與結(jié)果分析55-63
• 5.1 驗證環(huán)境概述55
• 5.2 模型關鍵結(jié)果及分析55-62
• 5.3 本章小結(jié)62-63
• 第6章 總結(jié)與展望63-65
• 6.1 全文工作總結(jié)63-64
• 6.2 研究展望64-65
• 參考文獻65-69
• 致謝69-70
• 攻讀碩士學位期間從事的科研工作及取得的成果70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 孫妮妮;陳澤華;牛昱光;閻高偉;;基于云模型重疊度的相似性度量[J];計算機應用;2015年07期

2 胡斌杰;詹益旺;;基于手機信令的道路交通流量狀態(tài)識別及預測[J];移動通信;2015年10期

3 沈瀲;姜新農(nóng);周一;;基于手機信令的高速公路擁堵信息自動識別[J];中國交通信息化;2015年S1期

4 何兆成;陳展球;范秋明;褚俊飛;;基于手機基站數(shù)據(jù)的混合地圖匹配算法研究[J];交通運輸系統(tǒng)工程與信息;2014年03期

5 萬家歡;萬瑋;陳秀萬;文學;羅鵬;;一種適用于手機基站定位的地圖匹配方法[J];測繪科學;2014年01期

6 范秋明;何兆成;;基于手機基站定位數(shù)據(jù)的地圖匹配研究[J];交通信息與安全;2011年04期

，

本文編號：970499